當微軟最新的AI診斷系統在《新英格蘭醫學雜志》復雜病例測試中得分高出人類醫生四倍時，AI醫療再次站上輿論風口。

實驗室的亮眼數據能否進入真實的診療場景？AI是否會取代醫生？

近日，在吉隆坡舉辦的《財富》創新論壇上，《財富》創新論壇聯合主席兼AI編輯Jeremy Khan、新加坡國立大學衛生系統臨床咨詢集團總監Zubin Daruwalla、醫渡科技創始人兼董事長宮盈盈、KPJ醫療保健有限公司總裁兼董事總經理Keat Chyuan Chin圍繞AI醫療的落地挑戰、安全與人文價值展開深度對話，試圖為行業發展提供了多維度思考。

從“實驗室高分”到“臨床落地”

AI在受控環境中的優異表現，為何在真實臨床中屢屢遇挫？

Jeremy Khan援引哈佛大學一項研究為例，如果單純給醫生提供ChatGPT，診斷效果毫無提升；唯有先讓AI分析病例事實、再由醫生給出二次意見，才能實現“人機協作最優解”。

這一問題直指AI醫療落地的核心矛盾：技術能力與臨床需求的脫節。

“醫學既是科學，也是藝術。AI能做好科學的部分，卻難替代藝術的部分。”Zubin Daruwalla說。他指出，當前AI醫療存在嚴重的“炒作過載”，很多人忽視了醫學的復雜性，醫生診斷不僅依賴數據，更需結合患者的文化背景、生活情境與臨床經驗。

而落地最大的障礙，在于臨床工作流程的改變。他表示：“醫生經過多年培訓形成固定工作模式，強行加入AI工具只會增加負擔，而非減負。”

宮盈盈則從企業實踐角度印證了AI醫療落地的艱難。她透露，醫渡科技為搭建醫療數據基礎設施，曾經歷四年“零收入”階段，投入超1億美元打通醫院內部“信息孤島”，才讓AI具備數據處理能力。

“沒有扎實的底層數據，再先進的AI模型都是空中樓閣。”她提到，即便是如今已部署的AI智能體，也是經過反復篩選、聚焦高頻需求后才得以推廣。“醫生沒時間試錯，不好用的AI工具自然會被淘汰。”

Keat Chyuan Chin的觀點則更貼近患者視角。作為馬來西亞最大私立醫院連鎖的負責人，他分享了一項調研結果：近3000名患者中，沒有一人因AI工具選擇醫院，“患者信任的永遠是醫生，而非程序”。

在他看來，AI的定位應是“醫生的助手”，而非“替代品”。KPJ在APP中嵌入的聊天機器人，核心功能是幫患者匹配醫生、查詢治療方案，而非直接診斷，“這樣既發揮AI的效率優勢，又不削弱醫患信任”。

AI能否打破資源壁壘？

“AI醫療的終極價值，是讓每個人都能享受到優質醫療服務。”宮盈盈的這句話，引發了關于“醫療民主化”的討論。

她分享了一種新的實踐：在北京、深圳推出的補充醫療保險，保費最低不到30美元，最高可理賠300萬元人民幣，且不設健康門檻。“這背后靠的是城市級醫療數據基礎設施：通過預測總人口醫療成本，讓保險公司能盈利，也讓普通人買得起保險。”此外，針對非重癥疾病的AI醫生，已開始服務大眾，未來還計劃將頂級醫院的AI輔助工具向基層推廣。

Zubin Daruwalla肯定了這一方向，但他也提醒說到：“醫療資源的民主化不是一刀切推廣技術，而是在安全前提下，讓資源薄弱地區也能用上可靠工具。”他對預測性技術提出謹慎態度：“如果基因檢測只告訴你有癌癥風險，卻沒有干預方案，這種技術反而會增加患者焦慮，毫無價值。”

Keat Chyuan Chin提到，KPJ通過AI語音識別、智能病歷系統，將醫生的行政工作時間從70%降至更低，“醫生有更多時間接診患者，尤其是基層醫院，能服務更多人”。此外，AI驅動的個性化醫療，讓不同疾病階段的患者能獲得精準方案，“這避免了通用治療的浪費，讓有限的醫療資源用在刀刃上”。

未來共生：醫生與AI的“協作之道”

一個終極問題是：未來醫生與AI將如何共處？四位嘉賓達成共識——AI不會取代醫生，但不懂得運用AI的醫生，可能會被同行取代。

Keat Chyuan Chin強調醫學教育的重要性，他指出KPJ正將“AI協作能力”納入下一代醫生的培養體系，不僅教他們使用AI工具，更要理解AI的局限性。“我們要培養的是‘會用AI的醫生’，而非‘依賴AI的醫生’。”

Zubin Daruwalla則提到培訓的關鍵：“技術培訓不能‘走過場’，要讓醫生真正掌握高效用法。”他以Epic系統為例，若醫生能學會“五點擊完成手術安排”，就能節省大量時間，“但很多醫院缺乏這樣的針對性培訓”。

宮盈盈的觀點更直接：“AI必須足夠智能、足夠易用。”醫渡科技會持續監控AI智能體的使用數據，優化高頻工具的體驗，“醫生很忙，沒耐心學習復雜工具，不好用的AI，自然會被淘汰。”她說。

當AI醫療從實驗室走向診療室，技術突破與人文關懷的平衡成為行業必須面對的命題。正如Jeremy Khan在結尾所言：“AI的價值不在于它能比醫生做得更好，而在于它能讓醫生做得更好。”（財富中文網）