“AI能否完全代替医生看病？医疗AI谁来付费？基层医疗如何借AI提质？”9 月26日，在第92 届中国国际医疗器械博览会上，《AI医生正在发生的医疗健康革命》中文版新书发布会现场，一连串关于医疗AI的核心问题被抛出。这部由南方医科大学副校长王冬领衔翻译的著作，从技术、临床、商业多维度剖析AI医疗发展蓝图，为我国医疗AI领域的实践与探索提供了国际化参考，也让 “医疗健康革命” 的讨论从概念走向具体路径。

捕捉 AI 医疗 “窗口期”，跨学科团队破解语言与专业壁垒

“今年年初DeepSeek大模型引发行业震动时，我们偶然发现了罗纳德・M. 拉兹米博士的这本书 ——它不仅有理论高度，更有临床与商业落地的实操案例，正是国内需要的‘指南性读物’。” 王冬副校长在接受记者采访时介绍，作为卫生政策与管理领域专家，他深知AI对医疗行业的变革意义，而书中对AI在诊断、治疗、医院管理、商业模式的系统阐述，恰好能填补国内相关领域的认知空白。

为确保翻译质量与专业准确性，王冬联合了跨学科团队：南方医科大学外语学院翻译专家陈代球负责语言精准转化，长期深耕大数据咨询领域的隋斌博士则把控商业与技术术语的专业性。“医疗 AI 涉及医学、计算机、管理学等多个领域，比如‘算法鲁棒性’‘可解释性’这类术语，既要有学术严谨性，又要让普通读者易懂，我们光术语校准就反复打磨了3个月。” 陈代球补充道。

从今年初启动翻译到6月完成初稿，再到机械工业出版社快速推进出版，短短半年多时间，这部涵盖14章、分 “应用路线图”“场景落地”“商业案例” 三大部分的著作正式与国内读者见面。中国卫生信息与健康医疗大数据学会副会长程云章评价，“这本书像一座桥梁，把国际前沿的 AI 医疗经验精准传递到国内，为科研人员、政策制定者、产业从业者都提供了重要参考。”

数据、付费、落地成三大难题，影像与管理领域已显成效

“目前医疗AI最大的挑战，不是技术从0到1的突破，而是落地时的‘最后一公里’。” 王冬直指行业核心痛点——数据隐私保护与共享的平衡、商业模式的模糊、疗效评估的标准缺失，这三大问题成为制约AI医疗普及的关键。

他以医院引入AI系统为例：“一台AI影像辅助诊断设备，前期投入可能需要数百万元，这笔费用该由医院承担，还是纳入医保？患者为何要为AI辅助诊断付费？这些问题不解决，再好的技术也难落地。” 书中也提到，即使在AI医疗发展较早的美国，付费模式仍处于 “实验阶段”，各国需根据自身医疗体系探索适配方案。

不过，部分领域的AI应用已显现成效。王冬介绍，目前医 AI的落地成果主要集中在三大场景：一是影像诊断，AI能快速精准识别病灶，比如肺部结节、眼底病变等，既提升诊断效率，又为专家节省时间；二是医院流程管理，AI可自动完成病历书写、质量核对、人力调配，大幅减少医护人员的行政负担；三是基层医疗辅助，基层医生录入患者症状后，AI 能提供诊断建议与处置方案，助力提升基层医疗水平。“比如在偏远地区，AI 可以成为基层医生的‘智囊团’，让当地患者享受到接近三甲医院的诊断服务。”

5 年难现 “AI 替医生看病”，但精细化管理与创新诊疗可期

“未来5年，想让AI完全代替医生做手术、看门诊，肯定不现实，但医疗行业的精细化管理与诊疗创新会迎来大突破。” 王冬结合书中观点与国内实践，描绘了医疗 AI 的短期发展图景。

他以诊疗方案为例，传统AI只能根据已有数据匹配方案，而未来的深度AI将具备 “创新能力”，“就像阿尔法狗从‘记棋谱’到‘创棋谱’，医疗AI也能在海量诊疗方案基础上，为特定患者生成个性化新方案，比如针对复杂癌症患者，结合基因、病史、影像数据，制定更精准的治疗计划。”

程云章在书本的推荐中也认为，AI 还将推动医疗器械向 “智能化” 升级，比如手术机器人的精准度提升、康复设备的个性化训练方案、虚拟护理工具的普及，“未来药物、器械、服务的边界会逐渐模糊，形成‘数智医疗装备’的新生态”。但他也提醒，AI的 “创新性” 需警惕风险，比如 “AI幻觉” 可能导致错误建议，这就需要加强算法可解释性与临床验证，同时培养 “懂医学+懂数据+懂工程” 的跨学科人才。

“这本书的翻译希望给大家一些参考和启发。” 王冬表示，推动 AI医疗知识的普及与落地。“我们希望通过这本书，让更多人理解 AI 不是‘替代医生’，而是‘赋能医疗’，最终让患者享受到更高效、更精准、更可及的医疗服务。”

文、图| 记者 张华