摘要

近年来，人工智能（AI）技术在医疗健康领域的应用引发了广泛关注，相关政策文件密集出台，推动AI技术的创新应用。然而，AI在医疗领域的实际推广仍面临诸多挑战，尤其是医护人员的接受度和使用意愿。新华三集团与清华大学医疗管理学院联合开展的调研显示，临床医师对AI技术的应用潜力充满期待，但对AI工具的准确性和安全性存在担忧。调研还揭示了医师对AI辅助系统的功能需求，如影像智能判读、临床指南匹配等。未来，AI在医疗领域的应用需解决数据质量、伦理法律、医疗体系适应性等问题，并通过政策支持、临床需求导向的开发、教育培训等策略推动其发展。多方协作与持续创新将是AI在医疗领域广泛应用的关键。

关键词

人工智能（AI）；临床医师；影响判读；临床指南；数据质量；伦理法律

引言

近年来，人工智能技术凭借其卓越的数据分析处理能力、深度理解与推理能力，已在多个行业领域引发深刻变革，医疗健康领域亦不例外。近期，人工智能在医疗领域发展的相关政策文件密集出台，引导并加速AI技术在医疗健康领域的创新应用，如2024年11月国家卫生健康委、国家中医药局、国家疾控局联合发布了《卫生健康行业人工智能应用场景参考指引》，2024年12月上海市发布《上海市发展医学人工智能工作方案（2025—2027年）》，以及2025年3月北京发布“人工智能+医药健康”创新发展行动计划（2025-2027年）。然而，尽管政策和产业界积极推动人工智能在医疗领域的应用，其实际应用效果和推广进展仍受到多方面因素的制约。已有研究表明，医护人员对AI技术的接受度和使用意愿是影响其临床推广的关键因素。为此，新华三集团与清华大学医疗管理学院联合开展调研，旨在深入了解临床医师对AI技术应用的认知与态度，为AI在医疗领域的进一步推广提供科学依据。此外，庞大的患者基数、多样化的疾病谱、以及区域发展的不平衡性等我国在AI医疗应用上的独特背景，也为这一问题的研究提供了重要的现实意义。

1 临床医师对人工智能临床应用的态度与看法

1.1临床医师对人工智能认知调研

本研究共收集问卷178份，其中有效问卷174份，来自全国20个省、市、自治区。全体受访者均知情同意参与本调查研究，平均年龄34.89（±7.13）岁，年龄范围从22岁至54岁，其中男性65人，女性109人。

整体而言，仅有5.75%的受访者表示对AI相关的领域的知识完全不了解，而相对的，十分了解AI相关领域概念的仅有4.60%。大部分受访者（54.02%）大概了解过相关领域的知识。在提供的9个AI相关基础概念中，人均了解概念数量为2.41（±1.71）个，其中“人工智能”、“深度学习”、“多模态”为了解人数最多的三个概念，分别为134人、92人和60人。有40.23%的受试者不同程度尝试过基础通用AI工具，仅有7.47%的受试者表示不打算尝试AI工具。此外，AI技术涉及复杂的计算机技术，这对于以医学为主的从业者来说较为陌生。

1.2临床医师对医疗AI工具的态度与担忧

对于医学领域的大模型，大多数受试者认可人工智能对于临床医生的诊疗服务是很好的补充（64.37%），最令人鼓舞的是，89.08%的受试者认可AI终将引领一场医学变革。然而，如将AI技术应用临床，76.44%的受试者担心AI技术对疾病的判断不准确，影响患者治疗；而58.05%的受试者担心不法分子利用人工智能技术提供虚假信息，干预临床决策。受试者整体对AI技术的态度较为矛盾。一方面，受访者普遍对AI技术在医疗领域的应用潜力充满期待，尤其是认为其可以为医生提供诊疗支持，减少临床工作负担。另一方面，受试者对现有医疗AI工具的满意度较低，且存在获取障碍，加之对于现有AI技术了解不足，对安全性、可靠性存在隐忧，均可能导致AI在医疗领域推广受限制。

图1 临床医生认为AI医疗工具应用的主要障碍

1.3临床医师对AI临床辅助系统的需求

如设计一套用于临床的专科AI系统，提高基层循证医学能力被35.63%的受试者认为应该是人工智能辅助系统的设计需求导向，其次有30.46%的受试者认为应以医生为导向，减轻临床工作压力。在功能需求方面，影像智能判读功能、临床指南匹配功能、病历/查房意见生成功能被认为是最有价值的三种功能，而临床教学功能、化验结果解读功能需求比例相对较低。对AI辅助系统的需求差异反映了医生对不同疾病领域和功能模块的关注点不同。高发病率及诊疗流程复杂的疾病的需求最为强烈。影像智能判读功能的需求较高，这与诊断中影像学检查的重要性密切相关。而病历生成和临床指南匹配功能则反映出医生对减轻文书工作和获得决策支持的迫切需求。

表1 不同级别医生对AI医疗辅助功能的需求

2 人工智能在医疗领域应用面临的主要问题及未来展望

2.1人工智能在医疗领域应用面临的主要问题

尽管政策、产业、医疗领域从业者均认为，AI技术在医疗领域的应用前景广阔，但其推广过程中仍面临诸多挑战。

首先，数据层面的问题不容忽视。AI系统的性能高度依赖于数据的质量和数量，而医疗数据的获取、标注和共享往往存在困难，导致AI模型的训练效果受限。此外，AI算法的复杂性和“黑箱”特性，使得其决策过程难以解释，增加了临床应用的风险。其次，伦理与法律问题也是AI在医疗领域应用的重要障碍。例如，如何保护患者的隐私数据，如何在AI系统出现错误时明确责任归属，以及如何确保患者对AI辅助诊断的知情同意，都是亟待解决的问题。再次，医疗体系与流程的适应性也是一个关键问题。AI技术的引入可能改变传统的医疗工作流程，导致医生与技术人员之间的协作模式发生变化，甚至可能引发医疗资源的重新分配。最后，医师与患者对AI技术的信任与接受度问题也不容忽视。如何通过有效的沟通与教育，提升医师与患者对AI技术的信任感，是推动AI在医疗领域应用的重要前提。

2.2人工智能在医疗领域应用的未来展望与推广策略

展望未来，AI技术在医疗领域的应用将朝着更加智能化、个性化和一体化的方向发展。

首先，数据层面的问题，即不同医疗机构之间存在数据壁垒，同时保障临床数据隐私性的需求使得数据归集和清洗工作面临巨大挑战。为此，需要政府与产业界共同努力，协同应对这些难题，保障数据的顺畅流通和有效利用，以实现高质量的临床应用模型。其次，政策与法规的支持将是推动AI在医疗领域应用的重要保障。政府应加快制定相关标准与规范，确保AI技术的合法合规应用，同时为AI技术的研发与推广提供必要的资金支持。再次，AI应用开发应当紧密围绕临床真实需求展开。产业界应当与医疗机构建立深度合作关系，避免技术开发与临床需求之间的脱节。在关键诊疗领域，应当邀请高水平临床专家全程参与产品开发，实现医学知识经验的工程化转化。这一模式不仅有助于优化医疗资源的区域配置效率，更能有效提升基层医疗服务能力，对推动医疗服务均质化具有重要意义。最后，教育与培训也是推动AI在医疗领域应用的重要环节。医疗机构应加强对医师与技术人员的人工智能素养培养，使其能够熟练运用AI技术辅助临床决策。

3 结束语

综上所述，人工智能在医疗领域的应用展现出巨大的潜力，但其推广过程中仍面临诸多挑战。医疗体系与流程的适应性问题、医师与患者对 AI 技术的信任问题，以及技术、伦理、法律等方面的问题，都亟待解决。然而，随着技术的不断进步、政策与法规的完善、医疗体系的改革以及社会认知的提升，AI在医疗领域的应用前景将更加广阔。在政府、医疗机构、企业等多方协作与持续创新，将是推动AI在医疗领域应用的关键要素。未来，AI技术有望成为医疗领域的重要支柱，为医疗事业的发展注入新的活力。