精选
No.14.AI诊疗下基层，能解决看病难吗？
华玮琦
在大型医院里看病时，你是否有过“看病五分钟，排队一小时”的无奈经历？
相关研究显示，国内三甲医院门诊患者候诊时间普遍仍在半小时以上，进一步检查更需再等候四十多分钟。[[1]]一边是三甲医院人满为患，另一边基层社区医院却少有人问津，这一现象正是当下我国分级诊疗现实困境的一个缩影。
基层医疗卫生机构理应是我国覆盖范围最广、服务量最大的卫生健康服务主体。但现实中仍普遍面临医务人员数量短缺、专科诊疗能力有限、疾病识别精准性不高等问题。[[2]]这导致很多普通病、慢性病患者不信任基层诊疗水平，宁愿挤到大医院看小病，造成优质医疗资源大量浪费。加上我国人口老龄化加剧、未来医疗人力供给不足，如果分级诊疗的痛点得不到改善，医疗资源紧张的矛盾还会进一步加剧，甚至严重威胁患者的生命安全。在此背景下，AI诊疗进基层，为破解这一难题带来新思路。
一、AI为基层医疗补齐能力短板
AI首先可以缓解医务人员数量短缺的压力。AI语音识别与处理技术能够自动录入电子病历、整理健康档案；AI辅助诊断系统还能够根据医疗系统中既有的患者信息，生成包含患者病史、潜在诊断及可行治疗方案在内的综合摘要。[[3]]借助AI技术能够极大缓解基层医护人员的工作负担，从而变相缓解人力缺口。
在诊疗水平提升方面，AI技术同样大有作为。研究表明，相较传统分诊方法，AI不仅能够在多病症中（头晕、肺纤维化、COVID-19、腹痛、出血等）实现远超一般医护人员的分诊准确性，并在分诊效率方面也同样展现出了明显优势。[[4]]分诊作为一项注重快速评估、分类并决定就诊优先级别的医疗活动，本身就对于医护人员有着较高的要求。而通过AI技术的辅助，即便是部分基层经验不足的医护人员，亦能够实现较高水平的分诊活动。
在更为专业的医疗影像诊断领域，AI的表现也十分惊人。研究表明，AI算法在复杂模式识别中的诊断表现常可与人类专家相媲美甚至超越，尤其在皮肤癌和糖尿病视网膜病变的早期检测以及胸部X射线肺炎检测等方面尤为突出。[[5]]这意味着，未来众多患者无须再过度依赖大型医院的专家资源：随着AI技术在基层医疗机构中的逐步普及，即便在社区医院中，也有望实现对医学影像的精准分析，并据此为患者制定适宜的治疗方案。
此外，AI技术在基层的推广，还有助于缩小城乡医疗差距。过去，偏远乡镇受资金、人才制约，当地居民往往要远赴城市看病，就医成本居高不下。如今依托AI的远程交互与后端优质医疗资源，便能为这类患者提供便捷可靠的诊疗服务，补齐偏远地区的基层医疗短板。[[6]]
二、AI看病，也暗藏不少风险
尽管AI诊疗技术在医疗行业中的广泛应用对缓解我国医疗资源的错配和稀缺问题上有着巨大的潜力，但并非全无隐患，技术落地仍绕不开多重潜在风险。
首先，AI给出的诊疗意见仍然会出现“幻觉”，这就对其生成内容的可解释性提出了要求。然而，许多AI大模型仍缺乏有效的可解释性机制，这无疑会引发患者对其不信任。同时，可解释性的稀缺也对问责问题提出了挑战。[[7]]
其次，对于医护人员而言，过度依赖于AI技术很可能导致其判断出现偏差，增加其技能退化的风险。研究发现，当AI建议正确时，临床医生的诊断准确率的确能够提升，但当AI建议错误时，准确率也同样会受到实质性损害。最为关键的问题在于，这种准确率的提升削弱了医护人员对AI生成结论的怀疑。其研究结果进一步指出，即使经过20小时AI素养培训并允许自愿咨询，医生在面对错误的AI建议时仍表现出显著的自动化偏差。[[8]]
最后，AI诊疗需要规模庞大的医患数据作为训练的基础，这对如何有效保护医护人员及患者的隐私权和知情权提出了重大的挑战。一项针对86篇关于AI诊疗方面论文的调研显示，仅1项调查了患者对AI病史采集和分诊的看法，仅2项考虑了医护人员的观点。[[9]]这表明设计者可能在一开始就未能充分考虑用户的实际需求和关切。
三、把握机遇，理性用好AI医疗工具
AI技术能够为我国当下的基层医疗机构注入强大的动力，进而缓解医疗资源的稀缺与错配难题。然而，这一过程中同样蕴藏着诸多的挑战。如何平衡好其中的机遇与风险，对我国现代化的医疗体系建设有着重大的现实意义。
（作者：华玮琦，上海交通大学科学史与科学文化研究院博士生；审核：李侠，上海交通大学科学史与科学文化研究院教授）
[[1]] Xiaoyi Wang, Rujia Zhang, Zhihong Gao, Mengxuan Xia, Songjia Zhang, Lizheng Ge, Yuyang Zhu, Haojie Jin, Shenglian Pan, Manman Zheng, Chun Chen, Xiangyang Zhang, Patient-Centered Outpatient Process Optimization System Based on Intelligent Guidance in a Large Tertiary Hospital in China: Implementation Report[J].JMIR Medical Informatics,Volume 13,2025,,ISSN 2291-9694,https://doi.org/10.2196/60219.
[[2]] 闫温馨,胡健,曾华堂,等.人工智能大语言模型在基层医疗卫生服务中的应用与挑战[J].中国全科医学,2025,28(1):1-6.DOI:10.12114/j.issn.1007-9572.2024.0277.
[[3]] 袁波,代华,伍佳,等.人工智能在全科医学领域的应用[J].中华全科医学,2021,19(9):1433-1436+1572.DOI:10.16766/j.cnki.issn.1674-4152.002079.
[[4]] Abualruz, Hasan, et al. The Role of Artificial Intelligence in Enhancing Triage Decisions in Healthcare Settings: A Systematic Review[J].Applied Nursing Research, vol. 86, Dec. 2025, p. 152024. Crossref, https://doi.org/10.1016/j.apnr.2025.152024.
[[5]] Sabri O, Al-Shargabi B, Abuarqoub A. The Role of Artificial Intelligence in Improving Diagnostic Accuracy in Medical Imaging: A Review[J].Computers, Materials and Continua. 2025 Sept 23;85(2):2443-2486. doi: 10.32604/cmc.2025.066987
[[6]] 李希,刘珏.人工智能赋能基层医疗卫生服务：进展与挑战[J].中国全科医学,2026,29(4):436-443.
[[7]] Zhou, S., Wang, J., Xu, Z. et al. Uncertainty-aware large language models for explainable disease diagnosis[J]. npj Digit. Med. 8, 690 (2025). https://doi.org/10.1038/s41746-025-02071-6
[[8]] Florian Kücking, Dorothee A. Busch, Mareike Przysucha, Jan-Oliver Kutza, Niels Hannemann, Jens Hüsers, Birgit Babitsch, Ursula Hübner. Impact of AI recommendation correctness on diagnostic accuracy in clinical decision-making[J]. International Journal of Medical Informatics, Volume 207, 2026, 106223, ISSN 1386-5056, https://doi.org/10.1016/j.ijmedinf.2025.106223.
[[9]] Elin Siira, Hanna Johansson, Jens Nygren. Mapping and Summarizing the Research on AI Systems for Automating Medical History Taking and Triage: Scoping Review[J]. Journal of Medical Internet Research,Volume 27,2025,ISSN 1438-8871,https://doi.org/10.2196/53741.
【博主跋】这篇小文章发在《科普中国》2026-10-12，是本系列的第十四篇文章，与邹老师合作愉快，是为记！
2026-10-13于办公室临屏涂鸦
转载本文请联系原作者获取授权，同时请注明本文来自李侠科学网博客。
链接地址：https://wap.sciencenet.cn/blog-829-1556450.html?mobile=1
收藏
