2026年第54届山东医疗器械博览会上，各类医疗AI产品竞相亮相，令人目不暇接。从肺结节筛查到眼底病变识别，从手术机器人到康复机器人，医疗AI正以前所未有的速度渗透进临床的每一个角落。伴随这一浪潮，一个根本性问题始终悬而未决：中国医疗AI，究竟应该往何处去？

有一种声音认为，AI的目标是“取代医生”——让机器做人的工作，最终实现“无人医疗”。另一种声音则主张，AI只需做好“辅助”，帮医生分担重复性劳动即可。这两种观点都有道理，但都未能触及问题的核心。

CUAI观点认为：中国医疗AI的发展目标，既不是取代医生，也不是做一般医生就能做的事，而是要做医生艰难做的事、医生做不到的事，以更好的技术辅助医生，减少患者痛苦，给予人类更多的关爱与向善。

这不是一句空洞的口号，而是一套可以指导研发、审批准入、临床应用的价值坐标。

一、何为“医生艰难做、做不到的事”？

医学实践中，存在大量“医生想做但做不好”“医生该做但做不到”的事。这些“艰难”与“做不到”，恰恰是医疗AI应当聚焦的战场。

（一）医生艰难做的事

其一，极早期病灶的发现。 早期肺癌、早期胃癌、早期肝癌——这些疾病的预后很大程度上取决于发现的早晚。但极早期病灶往往微小、隐蔽，在影像上若隐若现，即使经验丰富的医生也可能漏诊。一位影像科医生每天要看上百份片子，在疲劳状态下，漏诊风险显著上升。而AI可以不知疲倦地逐像素筛查，将那些容易被忽略的“蛛丝马迹”标注出来，提醒医生重点关注。

这不是AI在“取代”医生，而是在做医生想做但受限于生理极限难以完美做到的事——让更多早期患者获得救治机会。

其二，海量信息的整合分析。 现代医学的数据量已远超人类处理能力。一份完整的病历可能包含数十页检查报告、上百项化验指标、数年内的影像资料。即使十分优秀的医生，也难以在短时间内整合所有这些信息，做出最优判断。AI可以快速读取、交叉比对、识别关联，将最有价值的信息提炼出来，呈递给医生。

这不是AI在“取代”医生，而是在做医生想做但受限于认知带宽无法高效完成的事——让每一个决策都基于完整信息。

其三，精细化操作的辅助。 手术机器人并不是要“取代”外科医生，而是帮助医生突破人手的生理局限——消除颤抖、实现微米级操作、提供三维高清视野。一位外科医生说：“以前有些位置的手术，手够不到，或者够到了但看不清，现在机器人帮我做到了。”

这正是“做医生艰难做的事”的典型范例——不是替代，而是赋能；不是剥夺，而是扩展。

（二）医生做不到的事

其一，7×24小时的不间断监测。 ICU里的患者需要持续监测生命体征，但护士不可能24小时目不转睛地盯着监护仪。AI可以实时分析海量监护数据，在异常发生的瞬间发出预警，甚至在医生护士赶到之前，自动调整呼吸机参数、输液速度。

这是人做不到的——不是“艰难”，而是根本不可能。AI在这里不是“取代”任何人，而是在填补人类生理极限留下的空白。

其二，超大范围的疾病筛查。 中国有数亿慢性病患者，需要定期随访、筛查并发症。如果全部依赖医生，即使把所有医生都派去筛查，也远远不够。AI辅助筛查系统可以让基层医生具备三甲医院的诊断能力，让偏远地区的患者也能获得高质量的筛查服务。

这也是人做不到的——不是能力问题，而是数量问题。AI在这里不是“取代”医生，而是让有限的优质医疗资源实现“乘数效应”。

其三，个体化治疗的精准模拟。 每个患者都是独一无二的，同样的治疗方案在不同人身上效果可能截然不同。AI可以基于患者的基因组、蛋白组、影像组数据，模拟不同治疗方案的可能效果，帮助医生为患者“量身定制”合适的方案。

这还是人做不到的——不是经验问题，而是计算问题。AI在这里不是“替代”医生的判断，而是为医生的判断提供前所未有的决策支持。

二、为何不是“取代”也不是“一般辅助”？

明确了“做什么”之后，还需要澄清“不做什么”。CUAI观点主张：医疗AI不应追求“取代医生”，也不应满足于“做一般医生就能做的事”。

（一）为何不“取代”？

医学的本质决定了AI无法取代医生。如前文所述，医学是科学，更是人学；是技术的应用，更是关系的构建；是对抗疾病的战争，更是抚慰心灵的艺术。

医生做的不只是诊断和治疗，还有倾听、共情、信任、陪伴。当患者面对疾病恐惧时，需要一双温暖的手；当家属面临艰难抉择时，需要一个可以依靠的肩膀；当治疗失败时，需要一份真诚的哀悼和安慰。这些，AI给不了。

因此，“取代论”是对医学本质的误解，也是对患者需求的漠视。医疗AI的目标不是让医生“下岗”，而是让医生从繁琐重复的劳动中解放出来，有更多时间和精力去做那些“只有人才能做的事”。

（二）为何不满足于“一般辅助”？

如果AI只满足于做“一般医生就能做的事”——比如识别典型病灶、书写标准病历、开具常规处方——那么它的价值将大打折扣。

首先，这些事医生已经做得很好，AI的“辅助”可能是锦上添花，而非雪中送炭。在医疗资源紧张的环境下，我们需要的是解决“医生做不好、做不到”的痛点，而不是在医生已经擅长的领域“刷存在感”。

其次，如果AI只做“一般事”，它的研发方向就可能被“替代论”暗中牵引——既然能做一般医生的事，那稍加改进是不是就能做优秀医生的事？再进一步，是不是就能取代医生？这种思维惯性，会让医疗AI一步步偏离“辅助”的正道，滑向“取代”的歧途。

因此，CUAI观点主张：医疗AI应当锚定“医生艰难做、做不到”的战场，在这个战场上，AI与医生不是竞争关系，而是互补关系——AI做AI擅长的事，医生做医生擅长的事，共同服务于患者的福祉。

三、“以善心待人”：医疗AI的价值灵魂

技术可以高效、精准，但如果没有“善心”，技术也可能异化为伤害的工具。CUAI观点强调：医疗AI不仅要“做医生艰难做的事”，还要“以善心待人”——这意味着三层内涵。

（一）减少患者痛苦

医疗的本质是“有时去治愈，常常去帮助，总是去安慰”。医疗AI应当服务于这一目标。

减少身体痛苦。通过更精准的早期诊断，让患者避免晚期治疗的巨大痛苦；通过更精细的手术操作，让患者创伤更小、恢复更快；通过更优化的治疗方案，让患者副作用更少、生活质量更高。

减少心理痛苦。当AI能够快速准确地完成检查分析，患者就不用漫长等待、反复奔波；当AI能够提供清晰的解释说明，患者就不用面对“黑箱”般的诊疗过程；当AI能够辅助医生做出更合理的决策，患者就不用承受“过度治疗”或“治疗不足”的煎熬。

减少经济痛苦。当AI筛查让更多患者得到早期治疗，整体医疗费用就会下降；当AI辅助让诊疗效率提升，患者的直接和间接成本就会降低；当AI应用让优质医疗资源下沉，偏远地区患者就不用为看病倾家荡产。

（二）给予人类关爱

“以善心待人”的另一层含义，是让医疗AI成为传递关爱的媒介，而非隔绝关爱的屏障。

关爱体现在“看见”。当AI帮助医生发现那些容易被忽略的微小病灶，医生就有机会更早地介入、更早地帮助患者。这种“看见”，本身就是一种关爱。

关爱体现在“理解”。当AI整合分析患者的多维度信息，帮助医生更全面地理解患者的病情和处境，医生就能更有针对性地提供帮助。这种“理解”，是关爱的前提。

关爱体现在“解放”。当AI承担了繁琐重复的劳动，医生就有更多时间与患者面对面交流，倾听他们的故事，解答他们的疑惑，抚慰他们的恐惧。这种“解放”，让关爱成为可能。

（三）向善的价值引领

“以善心待人”的更高层次，是让医疗AI成为“促AI向善”的典范——用向善的技术，服务向善的目标，培养向善的人才。

这意味着，医疗AI的研发必须以患者的利益为准则，而非商业利益最大化；医疗AI的应用必须以公平可及为追求，而非加剧医疗资源分配不均；医疗AI的评价必须以临床实际效果为核心，而非技术指标的炫技。

这意味着，医疗AI的设计者必须接受医学人文教育，理解“医者仁心”的内涵，让对生命的敬畏融入每一行代码；医疗AI的使用者必须保持审慎和反思，不盲从算法，不推卸责任，始终以患者的最佳利益为依归；医疗AI的监管者必须坚守底线，划定红线，确保技术始终服务于人的福祉。

四、CUAI四维审视：如何保障医疗AI“向善而行”

（一）立法“促”——以制度保障“艰难事”的优先方向

理论核心：法律是AI向善的底线保障。

在医疗AI领域，立法“促”需要从制度层面引导研发资源向“医生艰难做、做不到”的领域倾斜：

准入导向。在医疗AI的产品注册审评中，对解决临床痛点、填补能力空白的创新产品给予优先通道。对于仅做“一般事”、同质化严重的产品，提高准入门槛，避免低水平重复和资源浪费。

支付激励。在医保支付和定价机制中，对真正解决临床难题、显著改善患者预后的AI产品给予合理溢价，形成“做艰难事有价值”的市场信号。

伦理审查。建立医疗AI伦理审查机制，重点评估产品是否以患者利益为中心，是否可能导致过度医疗、资源错配等负面后果，是否体现了“以善心待人”的价值取向。

（二）公众监督“促”——让患者评价“是否感受到善意”

理论核心：阳光是有效的防腐剂。

公众监督可以确保医疗AI始终锚定“向善”的目标：

体验反馈。建立患者对AI辅助诊疗的体验反馈渠道。患者可以评价：AI的建议让我更安心还是更焦虑？医生的解释更清楚了还是更模糊了？整个诊疗过程更温暖了还是更冰冷了？这些反馈应纳入产品的持续评估。

透明度要求。医疗AI的定位——“做艰难事”还是“做一般事”——应在产品说明中明确标注。对于声称“辅助医生”的产品，需说明其辅助的具体价值；对于号称“提升效率”的产品，需证明效率提升确实转化为患者获益。

社会对话。推动医疗AI企业与患者组织、医学人文专家、伦理学者开展常态化对话，让“以善心待人”从抽象理念转化为可感知、可评价的具体标准。

（三）基层实践“促”——让临床需求定义“艰难事”

理论核心：AI算法设计者不能坐在空调间里闭门造车。

什么是真正的“艰难事”？答案不在论文里，不在实验室里，而在临床一线：

需求挖掘。算法设计者需要深入医院，与主任医师、主治医师、护士、患者深入交流，发现那些“想做但做不好”“该做但做不到”的痛点。只有亲历临床的复杂，才能理解什么是真正的“艰难”。

问题定义。在临床发现的基础上，与技术可行性、商业可持续性进行综合权衡，精准定义“AI能做什么”与“AI该做什么”。不是所有“艰难事”都适合AI做，但凡是适合AI做的“艰难事”，都值得全力以赴。

效果验证。AI产品上线后，必须在真实临床环境中验证其是否真正解决了“艰难事”，是否真正减少了患者痛苦，是否真正传递了关爱。验证结果应成为产品迭代的核心依据。

（四）价值教育“促”——培养“向善”的设计者

理论核心：AI算法背后站着设计者，设计者的价值观决定着AI的走向。

“以善心待人”最终要靠人来落实：

医学人文教育。对AI算法设计者进行系统的医学人文教育，让他们理解“医者仁心”的内涵，理解医学不仅是科学更是人学，理解技术最终服务于人的福祉。让设计者认识到，自己开发的每一款产品，最终都指向一个个鲜活的生命。

价值内化。将“做医生艰难做的事”“以善心待人”等理念融入医疗AI人才培养的全过程，让这些价值观成为设计者的“本能”。在项目立项、方案设计、效果评估等各个环节，都引入价值维度的考量。

榜样引领。发掘和宣传践行“向善AI”理念的优秀企业和产品，让行业看到：真正解决临床难题、真正惠及患者的AI，不仅有社会价值，也有市场价值；不仅值得做，而且能做成功。

五、四维协同：让中国医疗AI走正道、行致远

中国医疗AI正站在关键的十字路口。往左，可能滑向“取代论”的迷思，陷入技术乌托邦的空想；往右，可能满足于“一般事”的安逸，错失解决真问题的机遇。唯有锚定“做医生艰难做的事，以善心待人”的正道，中国医疗AI才能行稳致远。

立法筑基，从制度上引导资源向“艰难事”集中；
公众监督，让“善意”成为可评价、可反馈的标准；
基层实践，让临床需求定义AI的研发方向；
价值教育，培养“向善”的下一代设计者。

四者协同，方能确保中国医疗AI不仅“技术领先”，更能“价值引领”；不仅“能用好用”，更能“温暖人心”。

CUAI语

AI不会自动精准——它需要被校准；
AI不会自动公平——它需要被纠偏；
AI不会自动向善——它需要被引导。

医疗AI之道，不在取代，不在寻常；
而在医生艰难处、做不到处，挺身而上。
极早病灶，AI先去发现；
海量数据，AI先行整合；
精细操作，AI辅助完成；
持续监测，AI不眠不休。
让医生从琐碎中解放，
去倾听、去共情、去陪伴、去安慰。
立法引导向难处，监督确保善意存，
实践深耕接地气，教育铸魂守仁心——
四维并举，方有中国医疗AI之正道。

以善心待人，以技术助人——
这是CUAI的期待，也是中国医疗AI的方向。