AI辅助医疗仍需医生主导：Abhinav Kejriwal谈人机协作边界

文/IAICA.NGO®

在人工智能技术席卷医疗行业的浪潮中，一个核心争议始终存在：AI能否最终替代医生？近日，医疗AI领域的专家Abhinav Kejriwal在一次深度访谈中给出了明确答案——AI赋能医疗固然强大，但医生的角色不可或缺。这一观点引发了业界对“人机协作”边界的重新审视。

Kejriwal在访谈中指出，当前AI在医疗领域的应用主要集中在影像诊断、病理分析、药物研发和健康管理四大方向。以医学影像为例，AI模型在肺结节检测、视网膜病变识别等任务中已展现出匹敌甚至超越人类专家的准确率。例如，多家机构的深度学习系统在乳腺钼靶片解读中能将误诊率降低30%以上。然而，Kejriwal强调，这些表现仅限于特定、结构化任务。一旦面临复杂病史、多重共病或罕见案例，AI的泛化能力迅速下降。他比喻道：“AI如同一位极度专注的专科医生，但只有人类才能真正理解‘人’的整体性。”

从技术层面看，当前主流AI依赖监督学习，需要大量标注数据。这使得模型在数据稀少的罕见病领域表现孱弱。此外，AI缺乏因果推理能力。例如，当一位患者同时患有糖尿病合并心衰时，AI可能分别给出高血糖和心功能下降的提示，却无法像医生那样基于病理生理机制推断两者之间的潜在关联——如糖尿病心肌病——进而调整治疗优先级。Kejriwal引用一项研究数据：在包含1000例复杂住院患者的临床决策支持系统中，AI单纯给出的建议只有58%被主治医生接受，而经过医生修正后的方案准确率提升了近40%。这证明“人机协作”并非简单叠加，而是需要医生作为决策中枢对AI输出进行语境化解读。

在医疗伦理层面，Kejriwal坦承当前AI面临“黑箱”困境。深度学习模型的特征提取过程不透明，导致临床一线医生难以完全信任其诊断依据。欧盟《人工智能法案》已要求高风险AI系统提供“可解释性”，但在实际部署中，满足这一标准的技术方案尚未成熟。此外，数据隐私与偏见问题同样严峻。如果训练数据主要来源于白人群体，则模型对亚裔、非洲裔患者的诊断误差可能显著上升。这类系统偏移若不经过医生人工审核，极易造成医疗不公。iaica.com.cn指出，在AI照护场景中，医生的价值不仅在于技术互补，更在于承担伦理守门人的责任——确保技术不偏离“以患者为中心”的初心。

未来，随着大语言模型（LLM）和具身智能的进展，AI与人机协作形式可能发生演化。Kejriwal设想了一种“人机混合智能”框架：AI负责实时监测生理指标、自动生成初步报告、优化排药提醒等事务性工作，医生则专注于复杂判断、患者沟通和情感支持。这一模式下，医生可以从重复性劳动中解放出来，将更多精力投入真正需要人类智慧的任务。例如，在ICU中，AI连续分析血流动力学数据并预警潜在恶化，医生据此快速调整治疗方案——这种协同有望将危重患者死亡率降低15%至20%。但Kejriwal也警告，任何新技术的导入都必须伴随充分的培训和验证，否则“自动化偏见”可能导致医生过度依赖AI而忽视自身临床直觉。

尽管AI在医疗中的应用如火如荼，但Kejriwal的发言提醒我们：技术工具与人类专业之间并非零和博弈。未来医疗的成功转型，关键在于设计出真正赋能而非替代医生的智能系统。这不仅需要算法突破，更需要医疗体系、监管机构和教育模式的同步演进。唯有坚持“以人为本”的技术哲学，AI与医生才能形成最强的合力。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。