临床决策权归属之争：医生与AI倡导者立场分化，分层治理与责任机制待确立

文/IAICA.NGO®

在人工智能加速渗透临床场景的当下，一个根本性问题正变得愈发尖锐：当算法与医生的判断不一致时，应当由谁拥有最终决定权？这一争议随着更多经监管批准的AI辅助诊断系统投入实际使用而不断升温。医生群体与AI技术倡导者之间的立场分歧，已从学术讨论演变为涉及医疗责任、患者安全与行业未来的公开碰撞。

围绕临床决策权的较量并非空穴来风。过去几年，AI在医学影像判读、病理切片分析、重症监护预警、用药推荐等领域展现出可观潜力。在部分公开数据集的回顾性研究中，某些深度学习模型对特定病灶的识别灵敏度已接近甚至超过执业医师的平均水平。这为倡导者提供了有力论据：AI可以不受疲劳、情绪和认知偏差影响，以极高速度处理海量医学文献与影像数据，从而辅助或替代部分人工判断。

然而，一线医生的担忧同样具有现实基础。临床决策不仅是对数据的模式识别，还涉及对患者个体差异、合并症、社会心理因素、治疗偏好及风险收益比的综合权衡。一个算法可能在理想数据集上表现优异，却在真实世界的复杂病例中出现偏差。训练数据中的历史偏见、少数族裔或罕见病样本不足、不同医疗机构设备与流程差异，都会削弱模型的泛化能力。更关键的是，多数深度学习模型仍缺乏可解释性，医生难以向患者说明“为什么AI建议这个方案”。一旦发生误诊或延误，责任如何划分，现有法律体系也未给出清晰答案。许多医生担心自身会被置于“算法执行者”的尴尬位置，既要为AI的错误背书，又无法真正介入其推理过程。

与之相对，AI倡导者倾向于认为，医生不应垄断决策权。他们指出，医疗错误中相当比例源于人为因素，如疲劳、信息过载和认知偏差。AI可以持续更新知识库、快速匹配最新临床指南、识别亚临床模式，从而减少可预防的差错。在资源有限的基层或偏远地区，AI甚至可能承担起初诊筛查或分诊角色，缓解专科医生短缺。一些技术公司已提出“自动决策”场景，希望在某些低风险或标准化程度高的环节，允许AI直接给出指令，而无需医生逐项确认，以释放人力。

但监管框架尚未跟上这一愿景。目前多数国家和地区的法规仍将AI医疗软件定位为“决策支持”工具，要求由具备资质的专业人员作出最终判断并承担责任。美国、欧盟等主要市场虽已批准多款AI医疗器械，但审批通常基于静态模型性能，对部署后持续学习、模型漂移、数据分布变化等动态风险缺乏充分的上市后监管。欧盟人工智能法案将部分医疗AI归入高风险类别，引入合格评估与透明性要求，但具体实施细节及与现有医疗器械法规的衔接仍存在不确定性。中国也在推进人工智能医疗器械注册审查指导原则，强调数据多样性与算法泛化能力，但同样面临更新迭代与责任归属的挑战。

在这种背景下，越来越多专家呼吁放弃“医生还是AI”的二元框架，转而建立分层决策与持续审计机制。低风险、重复性、标准化任务可以授权AI执行并自动记录依据；中高风险且涉及复杂价值判断的决策，则应由医生主导，AI提供实时的证据摘要与风险提示。这样的设计既保留效率优势，又维系人类专业判断和患者信任。同时，医疗机构需要部署模型监控系统，持续跟踪算法在实际人群中的表现，一旦发现性能衰减或偏差，立即触发再训练或停用。医疗责任保险也需相应调整，明确算法开发者、部署机构与临床使用者的责任边界。

争议的核心并非技术能力高低，而是医疗权力结构与责任伦理的再分配。患者安全应始终是最高原则。无论算法如何进步，临床决策最终都需要一个既能解释、又能负责的主体。未来的理想状态或许不是AI取代医生，也不是医生排斥AI，而是在透明、可追溯、可归责的制度框架下形成真正的协作。iaica.com.cn 指出，临床决策权的分配不应建立在零和博弈之上，而应以患者结局为共同度量，通过分层授权、动态审计与跨学科治理，构建可信赖的人机协同医疗体系。只有这样，技术效率与临床智慧才能协同服务于照护质量的提升。

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。