当微软最新的AI诊断系统在《新英格兰医学杂志》复杂病例测试中得分高出人类医生四倍时，AI医疗再次站上舆论风口。
实验室的亮眼数据能否进入真实的诊疗场景？AI是否会取代医生？
近日，在吉隆坡举办的《财富》创新论坛上，《财富》创新论坛联合主席兼AI编辑Jeremy Khan、新加坡国立大学卫生系统临床咨询集团总监Zubin Daruwalla、医渡科技创始人兼董事长宫盈盈、KPJ医疗保健有限公司总裁兼董事总经理Keat Chyuan Chin围绕AI医疗的落地挑战、安全与人文价值展开深度对话，试图为行业发展提供了多维度思考。
从“实验室高分”到“临床落地”
AI在受控环境中的优异表现，为何在真实临床中屡屡遇挫？
Jeremy Khan援引哈佛大学一项研究为例，如果单纯给医生提供ChatGPT，诊断效果毫无提升；唯有先让AI分析病例事实、再由医生给出二次意见，才能实现“人机协作最优解”。
这一问题直指AI医疗落地的核心矛盾：技术能力与临床需求的脱节。
“医学既是科学，也是艺术。AI能做好科学的部分，却难替代艺术的部分。”Zubin Daruwalla说。他指出，当前AI医疗存在严重的“炒作过载”，很多人忽视了医学的复杂性，医生诊断不仅依赖数据，更需结合患者的文化背景、生活情境与临床经验。
而落地最大的障碍，在于临床工作流程的改变。他表示：“医生经过多年培训形成固定工作模式，强行加入AI工具只会增加负担，而非减负。”
宫盈盈则从企业实践角度印证了AI医疗落地的艰难。她透露，医渡科技为搭建医疗数据基础设施，曾经历四年“零收入”阶段，投入超1亿美元打通医院内部“信息孤岛”，才让AI具备数据处理能力。
“没有扎实的底层数据，再先进的AI模型都是空中楼阁。”她提到，即便是如今已部署的AI智能体，也是经过反复筛选、聚焦高频需求后才得以推广。“医生没时间试错，不好用的AI工具自然会被淘汰。”
Keat Chyuan Chin的观点则更贴近患者视角。作为马来西亚最大私立医院连锁的负责人，他分享了一项调研结果：近3000名患者中，没有一人因AI工具选择医院，“患者信任的永远是医生，而非程序”。
在他看来，AI的定位应是“医生的助手”，而非“替代品”。KPJ在APP中嵌入的聊天机器人，核心功能是帮患者匹配医生、查询治疗方案，而非直接诊断，“这样既发挥AI的效率优势，又不削弱医患信任”。
AI能否打破资源壁垒？
“AI医疗的终极价值，是让每个人都能享受到优质医疗服务。”宫盈盈的这句话，引发了关于“医疗民主化”的讨论。
她分享了一种新的实践：在北京、深圳推出的补充医疗保险，保费最低不到30美元，最高可理赔300万元人民币，且不设健康门槛。“这背后靠的是城市级医疗数据基础设施：通过预测总人口医疗成本，让保险公司能盈利，也让普通人买得起保险。”此外，针对非重症疾病的AI医生，已开始服务大众，未来还计划将顶级医院的AI辅助工具向基层推广。
Zubin Daruwalla肯定了这一方向，但他也提醒说到：“医疗资源的民主化不是一刀切推广技术，而是在安全前提下，让资源薄弱地区也能用上可靠工具。”他对预测性技术提出谨慎态度：“如果基因检测只告诉你有癌症风险，却没有干预方案，这种技术反而会增加患者焦虑，毫无价值。”
Keat Chyuan Chin提到，KPJ通过AI语音识别、智能病历系统，将医生的行政工作时间从70%降至更低，“医生有更多时间接诊患者，尤其是基层医院，能服务更多人”。此外，AI驱动的个性化医疗，让不同疾病阶段的患者能获得精准方案，“这避免了通用治疗的浪费，让有限的医疗资源用在刀刃上”。
未来共生：医生与AI的“协作之道”
一个终极问题是：未来医生与AI将如何共处？四位嘉宾达成共识——AI不会取代医生，但不懂得运用AI的医生，可能会被同行取代。
Keat Chyuan Chin强调医学教育的重要性，他指出KPJ正将“AI协作能力”纳入下一代医生的培养体系，不仅教他们使用AI工具，更要理解AI的局限性。“我们要培养的是‘会用AI的医生’，而非‘依赖AI的医生’。”
Zubin Daruwalla则提到培训的关键：“技术培训不能‘走过场’，要让医生真正掌握高效用法。”他以Epic系统为例，若医生能学会“五点击完成手术安排”，就能节省大量时间，“但很多医院缺乏这样的针对性培训”。
宫盈盈的观点更直接：“AI必须足够智能、足够易用。”医渡科技会持续监控AI智能体的使用数据，优化高频工具的体验，“医生很忙，没耐心学习复杂工具，不好用的AI，自然会被淘汰。”她说。
当AI医疗从实验室走向诊疗室，技术突破与人文关怀的平衡成为行业必须面对的命题。正如Jeremy Khan在结尾所言：“AI的价值不在于它能比医生做得更好，而在于它能让医生做得更好。”（*）