顾卫红大夫谈医学AI：让机器做机器擅长的事
【编者按】
医疗AI热度高涨，各类产品层出不穷，一线临床医生的使用感受如何？HIT专家网推出“临床医生眼中的医疗AI”系列访谈。
本期对话北京大学第三医院神经内科研究员顾卫红大夫。
现阶段，通用大模型与垂类大模型，对于医生工作分别有哪些助力？AI可以为罕见病、遗传病诊治发挥什么作用？为什么要厘清AI和医务人员的分工边界？AI会让年轻医生变成“工具人”吗？近日，北京大学第三医院神经内科研究员顾卫红大夫应HIT专家网邀请，分享了她对医疗AI的最新应用体会与思考。
顾卫红大夫
通用模型和垂类模型可以帮医生做什么？
顾卫红大夫一直在积极体验各类大模型。
对于GPT等国内外通用大模型，她认为这类模型可以用来快速归纳多元学术视角、完成信息汇总，可用于整理科普内容，同时能够通过多轮对话交互，为医护人员编写学术课件、梳理思路提供助力。
同时，顾大夫也试用了“氢离子”等专门面向医生群体的垂类AI。作为临床经验丰富的专家，她也常常借助这类工具来查询一些必要的医学知识。
在她看来，这类AI更堪比医学数据库，可作为知识查询助手。相比通用AI，垂类AI聚焦专业领域，信息来源相对权威可靠，且带有参考文献链接，便于医生溯源验证、递进提问，能够在知识检索过程中输出完整的专业知识图谱，有助于疾病的诊断和鉴别诊断，同时可提供行业进展综述，为医护人员科研学习带来便利。
期待医疗AI在罕见病领域发挥更大作用
不过，顾大夫认为，现阶段各类AI工具在罕见病、遗传病领域的应用效果，仍难以满足临床实际诊疗需求。
以传统临床决策支持系统CDSS为例，其可在诊疗过程中给出临床指南、药物说明等基础参考信息，本质仍是对现有知识库的查询和综合。但临床诊疗尤其是罕见病诊疗，医生的需求并不局限在最稳妥的“标准答案”里，而是需要系统主动提示疾病诊断治疗进展知识、已报道的相关病例和临床变异信息，以拓展医生思路，减少漏诊、误诊风险。
此外，大多数罕见病为遗传病，诊疗的核心是整合分析患者的临床表型和基因数据等多模态数据，给出诊断决策参考建议，而当前CDSS难以做到与基因数据等多模态信息的有效联动与整合。
罕见病的大众认知度、临床识别率偏低，过往患者要与专科医生“接上线”，主要依靠病友之间的口口相传，或是医疗同行的转诊，效率较低。互联网医疗平台虽然能够提供线上咨询，拉近了医患沟通的距离，但很难达到广泛提高罕见病知晓率和诊断率的目的。
一分为二看待患者就医问AI
从患者端来看，AI的普及也深刻改变了就医咨询模式。过去患者得病要查搜索引擎，今天则是问AI。
顾大夫对此持开放乐观态度：“医疗AI可依托自身强大的信息整合与普惠能力，加强大众对疾病的认知、提高就诊意识，同时辅助患者精准匹配就诊科室，减少盲目就医、辗转就医。”
例如，罕见病发病机理复杂，诊治过程需要非常多的解释工作，部分患者通过AI提升了对疾病的理解，就医依从性提高了，诊疗过程也更加顺畅。
当然，也有部分患者可能会因此更加焦虑，咨询AI后建立了先入为主的概念，一旦医生意见与AI相悖，则会陷入迷茫，在临床医疗场景中可能引起争执，而AI无法承担相应的责任。
AI的底层逻辑是顺应用户的习惯，在交流过程中不断趋于迎合用户的思路。顾大夫提示，AI在回复患者咨询时可能存在“讨好”倾向，而医学知识非常丰富而且复杂，若用户本身存在认知误区，AI可能无法甄别修正，反而会持续放大错误认知，干扰临床诊疗。
让机器做机器擅长的事
“让医生做医生该做的事，让机器做机器擅长的事，AI时代更应明确人机分工的边界。”顾大夫呼吁，做好AI与临床人员的分工，是医院管理能力的重要体现。AI可承担重复性、事务性的工作，如文书生成和数据整理、科研前沿进展归纳，这将有助于减少医生的工作量，让医生专注于本职临床工作，不断精进提升诊疗能力。
顾大夫强烈建议，医疗AI产品的开发过程需要资深临床医生参与，在充分了解并理解临床真实场景和需求的前提下，让AI在细分领域不断迭代，成为对临床真正有用的工具系统。
同时，顾大夫也提醒，过度依赖AI可能对医生的培养带来隐患。临床医生需要在长期严格的临床诊疗工作中不断完善知识框架，提高临床逻辑思维能力。如果习惯于使用AI生成病历，等于让AI剥夺了主动思考和建立思辨的过程，医生的学习能力和自我提升的意愿将会下降，逐渐成为执行AI意见的“工具人”。
建立完整的临床逻辑思维能力，以及保持对职业的敬畏和热爱，是临床医生培养的核心要素。顾卫红大夫期待，顺应AI发展的同时，医学教育需要及时调整策略和方法，借力AI赋能医学生的专业成长，而不是放任AI取代医生的临床逻辑思维。
【往期回顾】
我要评论