AI为什么无法在医疗领域取代医生

错误的问题

每周都有人发表一篇文章，追问AI是否会取代医生。

这些文章遵循着相似的结构：一项基准研究显示AI在执业医师考试中超越了住院医师；一个诊断模型在特定影像任务中达到了放射科医生水平的准确率；一个语言模型比初级医生更快地生成出院小结。无论是明说还是暗示，结论都指向同一个方向——自动化即将到来，医生应该做好准备。

过去几年来，我一直是一名临床医生；在过去一年里，我一直在为医疗实践构建AI预问诊系统。我从每一个能找到的角度审视了这个问题。而我得出的结论是：所有在问"AI会取代医生吗？"的人，都在问一个错误的问题。

正确的问题是：医生实际所做的工作中，哪些是不可委托的？

这个问题的答案，将彻底改变我们构建医疗AI系统的方式。

医生实际在做什么

当我在看诊时，我主要做的不是处理信息。任何经过充分训练的模型都能比我更快、更全面地完成这项工作。

我在做的是另一件事。我在见证一个处于不确定性中的人，构建一个使其处境变得可理解的框架，而且——这一点至关重要——将自己置于对后续结果承担责任的位置。

第三个要素不是仪式，而是结构性的。

当医生在诊断、建议或治疗方案上签名时，他们不是在简单地记录结论。他们是在接受一连串的后果——法律的、职业的、伦理的——这些后果无法转移给机器。医生可能犯错。医生可能因为犯错而被追究责任。医生可能失去执业资格、面临诉讼，并承担自己所导致结果的道德重量。这种责任闭环不是医学的附属品，这就是医学本身。

无论AI模型多么精准，都无法占据这个位置。不是因为模型缺乏能力，而是因为责任需要一个主体——一个与结果利害相关、有所失、并能够在时间维度上承担责任的实体。

这不是一个哲学注脚，而是AI无法取代医生的结构性原因。

AI真正拥有的能力

以上所述并不意味着AI与医学无关。恰恰相反。但AI的价值所在，与大多数讨论所承认的不在同一个层面上。

AI能够卓越完成的事情：

将碎片化信息结构化。 前来进行复杂会诊的患者，往往携带着多年来分散的记录、不完整的诊断和记录不充分的病史。AI可以整合这些碎片化信息，比任何人类审阅者都更快地呈现出一幅连贯的全貌。

发现遗漏。 临床预问诊中最常见的失败不是收集了错误的信息——而是未能注意到关键信息的缺失。AI可以系统性地标记这些空白，不会因为疲劳而遗漏。

跨时间维持连续性。 治疗后的监测需要数周至数月的持续关注。AI可以毫无衰减地维持这种关注。它不会疲倦，不会忘记随访。

减少语言和文化障碍。 在国际医疗场景中，沟通失误不仅仅是不便——而是患者安全问题。AI可以以任何人类协调员在大规模场景下都无法匹敌的一致性，跨越语言进行沟通协调。

这些都是真实且重要的能力。但请注意它们的共同点：这些都是准备和支持的能力，而非判断和责任的能力。AI在使医生的工作更完整、更准确、更具可扩展性方面表现卓越。但在结构上，它无法替代医生在责任链中的位置。

医疗AI系统出错的环节

我在医疗AI中最常观察到的失败模式不是幻觉或不准确，而是错位的权威。

一个系统被构建来辅助临床医生。随着时间推移——通过用户体验设计决策、范围蔓延，或仅仅因为更方便——系统开始给出患者当作决定来接受的建议。医生沦为橡皮图章。责任链在无人察觉中断裂。

这不是假设。这是一个在各行业中反复出现的模式——只要自动化在没有清晰的责任理论指导下被部署。

在航空领域，自动驾驶仪并没有取代飞行员。它改变了飞行员所做的事情——将其角色从手动控制转变为系统监督、异常处理以及在新情况下的最终决策权。机长的结构性地位没有改变，驾驶舱围绕这个地位发生了变化。

医学需要类似的设计清晰度。问题不在于AI能吸收多少权力，而在于AI应该如何相对于必须保留在人类手中的权力来定位。

这对构建医疗AI意味着什么

在为我的诊所构建预问诊系统时，我在每一个设计决策的核心都坚持一个原则：AI服务于医生的判断能力，而非替代它。

在实践中，这意味着AI负责预问诊结构化、信息缺口检测和多语言沟通。AI生成一份使医生审阅更快、更全面的病例档案。但医生首先阅读的是患者自己的话——在看到任何摘要之前。医生对决策框架进行最终确认。医生持有传递给医院的权威。

在这个设计中，AI不在医生的下游，而在上游——为优质的医生判断创造条件。

这个区分听起来简单，但在构建真实系统时维持它却出人意料地困难。因为AI在某些任务上确实优于人类，总是存在让AI承担更多的压力。抵抗这种压力需要的不仅是技术护栏，更是清晰的哲学承诺。

值得追问的问题

我想就医疗AI提出一个不同的思考框架。

不要问"AI会取代医生吗？"，而应该问："一个精心设计的AI系统，会对医生判断的质量产生什么影响？"

如果答案是"它使医生的判断更快、信息更充分，并应用于准备更充分的病例"——那就是一个设计精良的系统。

如果答案是"它减少了需要医生判断的情形"——那无论其准确度基准如何，都是一个危险的系统。

医疗AI中最重要的问题不是能力，而是架构。角色如何定义？AI的权限在哪里结束，医生的权限在哪里开始？当AI出错时会发生什么，谁来承担后果？

这些不是工程问题，而是治理问题。而这个领域在提出这些问题方面已经落后了。

未来的方向

我对医疗AI持乐观态度——是真心的，不是表演性的。AI能够减少每天都在伤害患者的信息碎片化、沟通失败和连续性断裂的潜力，是真实而巨大的。

但这种潜力只有在系统设计具备结构性清晰度时才能实现——即清楚地知道医生所做的事情中，哪些是不可自动化的。没有责任的准确性不是解决方案，而是原始问题的一种新形式。

未来十年中脱颖而出的医生，不会是抵制AI的人。而是那些精准理解AI在哪些方面比自己做得更好——并设计出利用这种能力来扩展而非替代自身判断的系统的人。

这就是我围绕的核心问题。我不认为它已经有了答案。但这是正确的问题。

关于 AI 在临床决策中的表现、失败模式与治理的相关研究，PubMed 上关于 AI 在临床决策中应用的文献是一个有用的起点。

---

Dr. Jee Hoon Ju是一名医生，也是AetherHeal的创始人。AetherHeal是一个面向考虑在韩国接受医疗服务的国际患者的、由医生主导的决策基础设施平台。