冠脉狭窄要不要放支架？AI计算得再精准，为何仍代替不了医生？

近些年，AI医疗的热度持续走高。尤其在心内科介入领域，圈子内部其实一直存在截然不同的看法。

算法研发人员、影像技术人员大多看好AI的潜力，很多普通读者甚至基层医务工作者，也慢慢形成一种固化认知：AI读取冠脉影像、测量血管狭窄程度、判断是否需要植入支架，比人更客观精准，不容易出现人为失误。

不少人预判，未来心脏支架的治疗决策，很大概率会交给人工智能完成。

包括大量网络科普和行业解读，都在不断强化这个观点：AI取代心内科医生，只是时间问题。

但在深耕医工交叉领域、参与顶级临床科研的院士圈层认为，这套说法其实是被过度简化、过度乐观的误判。

中国科学院王建安院士，长期深耕泛血管疾病（全身血管系统相关疾病）与AI介入精准诊疗，他的团队2025年发表在《柳叶刀》的FLAVOUR Ⅱ研究，是目前全球AI冠脉评估领域级别最高的循证成果。

大多数传播只渲染这项研究的技术突破，却忽略院士团队反复强调的科研边界、临床局限与决策红线。

今天跳出自媒体流量式解读，站在顶级临床科研的视角，拆解一个很少有人讲透的硬核真相：AI能够优化支架评估，但永远无法独立代替医生做出最终临床决策。

模拟AI评估心脏冠脉狭窄是否需要放支架场景

市面上绝大多数科普介绍这项研究，只会简单概括一句话：AI评估冠脉狭窄，比传统评估手段更精准、更省时。

可完整的科研结论，远比大众看到的更加严谨克制。

王建安院士团队开展的FLAVOUR Ⅱ大型对照研究，一共纳入1839名冠心病患者，核心成果十分清晰：依托AI无创定量血流分数技术，仅需要单一体位影像，一分钟就能完成冠脉血管功能评估。

对比传统有创血管内超声检测，二者的临床疗效持平，患者远期预后没有差异。

这项研究更大的价值，在于这套AI系统可以精准识别假性狭窄，筛选出仅仅影像上看着狭窄，但心肌并没有真正缺血的患者。

12个月随访结果显示，AI评估组和传统IVUS评估组，患者死亡、心梗等重大不良事件发生率接近，但AI评估组支架植入比例下降11.5%。

简单来说，它解决了传统人工评估两个老难题：人工判读高度依赖医生个人经验，容易带有主观偏差；传统有创检测操作繁琐、耗时较长，也会给患者带来额外负担。

单从影像筛查、数值量化的层面来说，AI确实做到了标准化、稳定高效，这也是该研究能够登上顶刊的核心原因。

王建安院士与外籍专家合作进行手术

不过在介入心血管领域，学界一直存在两组对立的顶级观点，不存在绝对的对错，只是站在科研与临床不同维度看待问题。

技术一派认为，AI未来有机会替代大部分人工决策。随着血管数字人、全血管AI建模和影像大数据持续迭代，机器识别病变、量化参数的稳定性，已经超过不少年轻医生。标准化、重复性的数据诊断工作，机器不会疲劳，也不会产生经验偏差。

所以，从技术发展的角度，日后常规冠脉筛查、狭窄程度评估、支架适配判断，很大一部分工作完全可以交由AI独立完成。

而另一派，也是王建安院士坚持的临床实战视角：AI永远不能接管最终临床决策。

理由是所有AI医疗科研突破，目前只集中在影像识别、数据量化、标准化筛查这一块，但真实的临床诊疗，从来不是单纯的数据匹配。

王建安院士与治疗小组一起查房

王建安院士在多次学术复盘和行业交流中，始终守住一条底线：AI是优秀的辅助工具，但医疗决策里的综合研判、风险取舍以及最终责任，必须由临床医生承担。

这也是现在网上科普普遍缺失的地方，大家只宣传AI的优势，很少提及它与生俱来的临床短板。

很多人觉得AI近乎万能，是因为大多只看标准化简单病变的诊断准确率，却忽略了真实临床场景里复杂多变的情况。

例如，AI的判断素材，只有血管影像、狭窄数值、血流参数。但医生做判断，却要综合患者年龄、基础疾病、血压波动、微循环状态、心肌耐受能力，还有全身脏器储备情况。

也就是说，同样是70%的血管狭窄，对于年轻人没有慢性病，血管代偿能力好，可以选择保守治疗；但是，对于高龄、合并糖尿病、心衰，微循环差的患者，往往需要更积极的干预。

由此可见，即使影像数据一模一样，只要患者个体不同，方案就完全不一样，这种个体化权衡，纯数据算法很难学习和量化。

王建安院士与团队合作在手术

AI模型全部基于既往病例大数据训练，本质是对过往病例的总结。

但介入手术过程充满变数，例如血管痉挛、血管夹层、斑块脱落等突发状况随时可能出现。

即使是同一处狭窄，术前影像看着稳定，但术中斑块可以突然破裂，这类动态变化AI无法预判。

也就是说，没有任何AI模型，可以百分百预判每一位患者术中独有的突发风险。

更底层的一点，AI没有风险兜底能力，无法承担医疗责任。

医疗本身就充满不确定性，机器给出的是最优数据结论，却未必适配这名患者的个体风险。

一旦出现并发症、不良预后，发生个体差异带来的意外，算法没办法承担相应责任。

所以王建安院士反复强调，医工交叉的目标，是解放医生、精准辅助，而不是替代医生。

AI负责标准化筛查、量化评估、减轻工作量；医生负责利弊取舍、风险权衡、个体化兜底。

从科研传播角度来看，“AI替代医生”的说法盛行，是典型的成果传播偏差。

院士团队的论文、学术复盘内容，都会严谨标注适用范围、局限性，明确AI只是辅助手段。

但是这些内容一旦进入大众传播之后，为了博取热度，科研边界往往被删掉，短板被隐藏，辅助工具被包装成可以独立看病的角色。

甚至科研原文表述是AI辅助效果等效传统技术，到了大众科普里就变成AI超越人工，即将取代医生。

技术可以不断迭代，数据可以持续升级，但临床医学面对个体的不确定性、风险兜底的属性，算法永远无法替代。

AI医疗真正的价值，并不是淘汰医生，而是淘汰依靠陈旧经验、不够严谨的诊疗方式。

它缩小了基层医院和顶级医院影像判读水平的差距，减少主观偏差带来的过度治疗，规避经验不足造成的漏诊误诊，让常规诊疗变得更加标准精准。

可不论AI的精度多高、模型多先进，机器只负责解读数据，医生负责守护生命。

标准化的工作可以交给算法，但关乎生命的不确定性取舍，只能由人来掌控。

这也是王建安院士这项顶刊研究，留给心血管医学界，也留给普通大众，冷静又深刻的启示。

未来医疗，不会是AI取代医生，而是懂得用好AI的优秀医生，取代固守旧经验的传统医生。

⚠️本文为院士科研治学思辨解读，数据与结论均来自公开顶刊研究及学术公开发言，无医疗指导建议，具体诊疗请遵从线下主治医生方案。

参考文献附注

Hu X, et al. FLAVOUR II研究. Lancet, 2025, 405:1491-1504.

DOI:10.1016/S0140-6736(25)00504-5

数据来源：王建安院士团队多中心随机对照临床试验。

你认为，未来AI在冠脉评估上，还能突破哪些临床局限？欢迎在评论区聊聊你的看法。

#AI医疗#​