我一直是个不折不扣的 「技术控」。
从医疗信息化的早期阶段，当 HL7 标准 （一种医疗数据交换标准）刚进入中国，我就冲在最前面，满脑子都是未来医疗服务在数据互联互通下会变成啥样：数字化技术怎么重塑看病流程，医院管理怎么实现质的飞跃。无论是医疗数字化还是 「元宇宙医疗」，我都曾憧憬着那样的场景：患者在家就能做初步诊断，医生远程就能组建治疗团队，医院的 AI 系统实时优化资源配置……这些关于新技术赋能医疗的想象，一直激励着我，也让我成为最早一批讨论和撰写相关落地方案的人。
然而，就在我鼓吹技术红利，写就一篇篇 「未来医疗科幻小说」 的时候，现实的复杂性也开始一点点浮现出来。尤其最近，美国和英国相继发布了国家级的 AI 医疗战略，加上参加国内外好几场研讨会，让我不得不停下来，冷静审视自年初以来国内 AI 医疗到底落地到什么程度。下面这几点，值得我们在当前 AI 热面前冷静下来。
一、应用还停留在 「数字化」 阶段，离真正范式变革差得远
这几个月翻了不少资料，发现 AI 医疗现在大多集中在优化行政流程上，而不是在医疗模式上搞创新。
举个例子，美国不少初创公司利用 AI 工具 （比如自动发消息、邀请筛查、预约提醒等）来扩大患者量，降低成本。这听起来不错，但它并没有真正改变核心的医疗路径。英国国家医疗服务体系 （NHS）在急诊科引入了 AI 助理，用来减轻医生护士的文书负担，但这本质上还是把传统流程数字化了而已。
这些做法当然提升了便利性，但它们并没有重新设计服务路径。比如，慢病管理不该只是个 App 打卡工具，它应该是基于可穿戴设备和智能反馈的闭环模式。AI 医院也理应从健康管理和预防诊疗开始，而不是只在患者 「入口」 处加个功能按钮。
政府老说要实现 「范式变革」，但这可不是简单地把技术堆上去就行了。它需要我们从服务流程、角色重塑、基础设施支撑和能力建设等多个维度来全面规划。
就拿英国 NHS 最新的 AI 安全警告系统来说，它能检测潜在的医院安全事件，还有 NHS 的 AI 助理，这些都属于流程数字化，而不是真正重塑了临床决策。即使它们规划了虚拟病房或者多模态健康管理，但如果仅仅停留在 App 层面，没有配套的制度、团队、监管和培训等协同支持，这些潜力根本没法释放出来。
二、监管跟不上趟儿，不适应 AI 时代的需求
一个很现实的问题是，我们现在的监管体系，根本没法应对 AI 医疗带来的全新挑战。无论是美国食品药品监督管理局 （FDA）的医疗器械审批，还是 《通用数据保护条例》（GDPR）和 《健康保险流通与责任法案》（HIPAA）对隐私的保障，它们都没有完全覆盖 AI 可能带来的新风险。
想想看，大型语言模型生成的报告，透明度可能不够，到时候出了问题，「临床责任」 到底该算谁的，很难界定。而且，AI 模型上市后，性能还需要持续监控，但现在这方面的要求是缺失的。G7 国家和欧盟的 AI 法规都提出了高风险系统审查机制，但这些机制在医疗领域具体怎么落地，目前还是一片空白。
所以，AI 医疗不能光想着 「先干起来，再慢慢管」，我们必须同步建立起一套可追溯、可问责、可适应的监管框架。
三、真正的人才缺口太大了：既要懂技术，也要懂医疗
AI 医疗要落地，需要两类关键人才：
第一类，是医院信息部门的升级。他们不能再只是简单地维护医院信息系统 （HIS）和电子病历系统 （EMR）了，需要掌握流程设计、AI 融合和数据治理的能力。但很多规划提到 「AI 要和电子病历深度集成」，却没怎么提怎么弥补系统运行中的基础问题，也没设计培训、职能重构和文化转变的路径。
第二类，是一线医护人员的 「再培训」。AI 工具再厉害，也无法自主完成诊疗，医生护士仍然是核心。他们需要学习如何和 AI 协作、如何解释 AI 的建议、如何监督 AI 的表现。遗憾的是，大多数方案都没有把系统性的职能培训计划放进去。
四、缺乏可持续的商业模式支撑落地
AI 医疗的商业模式目前还不太稳定。虽然欧美很多初创公司通过 AI 提高了每个医生服务患者的数量，降低了成本，但从长远来看，这还是得依赖于收费体系、保险机制和医药支付能力等来支撑。
技术落地不是简单地把东西装上去，它需要组织转型、机制配套和生意模式的支撑——政府、医保、医院和企业得一起努力，才能构建一个可持续的生态。
五、数据互操作性差，数据治理是道坎
英国的 AI 医疗策略强调要建设 「可用、互通、可信」 的数据集，但现实情况是，医院的数据非常分散，格式也不统一，质量更是参差不齐，这导致 AI 根本 「吃不饱」，没法好好训练模型。在中国更是如此：缺乏全国统一的数据标准和共享机制，数据质量得不到保障，直接影响了 AI 能力的释放。
所以，最近一段时间，我从乐观主义走向理性现实主义。
总的来说，我从最初的 AI 医疗狂热分子，慢慢变成了 「现实主义者」——但这是一种积极的转变。它意味着我们不再迷信技术 「万能」，而是深入一线之后，看到了落地过程中在制度、人才、监管、资金和基础设施等多个方面的痛点。
这不代表悲观，而是更接近真实。只有从现实出发，才能一步步构建切实可行的 AI 医疗方案。我依然怀揣着乐观——相信技术有改变世界的本质力量——但我更想呼吁：
-
行业协会承政府机构担领导责任： 应该牵头组织跨部门团队，明确规划医疗服务模式的重构路径，设计系统性的监管框架，推动人才培养机制，并提供资金与资源投入。
-
多方协同突破机制壁垒： 政府、医院、科技企业、保险公司等各方需要形成合力，共同建设商业落地和支付支持体系。
-
敢为人先、勇闯应用无人区： 在 AI 医疗应用领域我们和欧美处于同一起跑线上，不能光等着别人蹚出一条路来，而应该率先试点、先行先试，把经验分享出来。
以上是我从乐观主义转向现实主义背后那份理性的觉醒。实事求是、落地为纲、跨界融合。只有扎根现实，我们才能真正驶向那个充满潜力的 AI 医疗未来。
本文来自微信公众号：张琨随笔，作者：张琨
