2025年，国家卫生健康委员会等多部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确提出到2027年形成一批临床专病垂直大模型，到2030年二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用^[1]。这一顶层设计的出台，标志着人工智能正在深度融入我国医疗卫生服务体系。

一、医学影像诊断：人工智能的应用场景

医学影像是人工智能（AI）在医疗领域应用较为成熟的场景之一。近年来，AI在乳腺癌、肺癌、前列腺癌等疾病的影像诊断中展现出与人类专家相当甚至更优的性能。一项发表于《NPJ数字医学》的系统综述和荟萃分析显示，在手术和介入治疗视频分析中，人工智能的敏感度显著高于未使用AI辅助的医疗专业人员，相对风险达1.12^[2]。这意味着AI能够更敏锐地捕捉微小病灶，更准确地识别关键解剖结构和操作步骤，可有效减少因疲劳或经验不足导致的漏诊风险。此外，AI还能承担医学影像初筛工作，将医生从繁重的重复性阅片中解放出来，专注于复杂病例的研判，从而提升整体诊疗效率。

二、临床决策支持：从经验到数据驱动

临床决策支持系统是AI赋能医疗的另一重要方向。通过整合电子健康档案、检验检查结果和医学文献，AI能够为医生提供诊疗建议，优化治疗方案。AI辅助下的医疗专业人员在敏感度和特异度方面均优于未辅助者。这种人机协同的工作模式，并非要取代医生决策，而是通过数据驱动的方式，弥补人类认知的局限性，帮助医生制定更优化、更规范的治疗方案。

三、基层医疗：人工智能赋能分级诊疗

我国基层医疗资源相对薄弱，全科医生能力参差不齐，这正是人工智能可以发挥重要作用的领域。《实施意见》将“人工智能+基层应用”列为重点任务之首，提出建立基层医生智能辅助诊疗应用体系，并针对常见病、多发病提供辅助诊疗、处方审核、慢病管理等服务。一方面，AI赋能基层可通过智能问诊和辅助诊断系统，帮助基层医生提升诊疗能力，降低误诊和漏诊风险；另一方面，可通过慢病管理智能应用，支持居民开展自我健康管理，实现从“治已病”向“治未病”的转变。

四、药物研发：人工智能加速“从实验室到病床”

传统药物研发平均耗时8～10年，全程耗资约30亿美元，且失败率高，而人工智能正在重塑这一过程。将人工智能全方位整合到药物研发流程中，将为行业带来诸多益处，包括预测药代动力学和药效学特征、评估毒性、加速临床试验、优化研究设计、对受试者进行虚拟监测、优化生产工艺、分析并实时监控产品质量，以及做好监管准备等^[3]。

尽管进展显著，AI医疗的全面落地仍面临数据隐私、算法可解释性及伦理责任等挑战。医疗数据的敏感性要求建立严格的脱敏与授权机制，而算法的决策逻辑需通过可解释性AI技术进一步透明化来赢得医患信任。未来，随着技术的发展，数据孤岛有望在保护隐私的前提下被打破，同时，在法律层面明确人机协作的责任边界将是关键。总体而言，人工智能已不再仅是医疗场景中的边缘辅助工具，更成为提升医疗质量、实现普惠医疗的核心基础设施。

参考文献：

[1]国家卫生健康委员会.关于促进和规范“人工智能+医疗卫生”应用发展的实施意见[EB/OL].(2025-10-20)[2026-03-20].https://www.gov.cn/zhengce/zhengceku/202511/content_7047018.htm.

[2]Fard R A ,Williams C S ,Smith J K , et al.Comparing artificial intelligence and healthcare professional performance in surgical and interventional video analysis: a systematic review and meta-analysis.[J].NPJ digital medicine,2026.

[3]Vidiyala N ,Sunkishala P ,Parupathi P , et al.The Role of Artificial Intelligence in Drug Discovery and Pharmaceutical Development: A Paradigm Shift in the History of Pharmaceutical Industries.[J].AAPS PharmSciTech,2025,26(5):133.

编辑：马杰艳