上周跟一个放射科的朋友吃饭，他说了件事让我愣了半天。
他们科室现在用的系统里嵌了一个AI模块，做胸部CT的辅助判读。以前一个放射科医生一上午看四五十份CT片子，眼睛都是花的。现在AI先把每一份片子扫一遍，把有可疑结节的位置标出来，医生再复核。
"效率大概翻了一倍。"他说。
然后他补了一句让我更愣的："而且有几个磨玻璃结节，AI标出来了，我第一眼看的时候真的漏了。"
一个从业十五年的放射科主治医师。自己承认AI帮他捡回了漏诊。
这个事儿我觉得比任何行业报告都更有说服力。
AI辅助诊断这件事说了好几年了，但大部分人觉得它还很远。其实早就不远了。2025年到现在，国内拿到三类医疗器械注册证的AI影像产品已经超过六十个。肺结节、眼底病变、骨折、脑出血——这些场景的AI判读准确率在特定条件下已经超过了资深医生。
我说"特定条件下"不是客气话。AI在一个明确的任务上确实很强，比如在CT片里找肺结节。但一个真正的临床场景远远不止"找结节"这么简单。医生要看的是一整套片子，要结合病人的年龄、病史、症状、实验室指标，做出一个综合判断。这个综合判断的能力，AI目前还做不到。
所以现阶段的AI诊断更像是一个"第二读者"。它帮医生筛一遍，提醒医生哪些地方要多看一眼。医生仍然做最终决策。
但趋势是明确的。一年前大家还在争论AI能不能辅助诊断。一年后的今天，争论已经变成了AI辅助诊断的误诊率到底能压到多低。
基层医院的翻身机会
AI对医疗的意义，我觉得最大的受益者不是三甲医院。
三甲医院的放射科本来就有十几二十年经验的专家坐镇。AI对他们来说是锦上添花。但对县医院、社区卫生中心来说，AI可能是雪中送炭。
一个县医院的放射科可能只有两三个医生，每天要面对所有种类的影像——X光、CT、核磁。人的精力是有限的，不可能什么片子都精读得细致。但如果有一台装了AI辅助系统的机器，至少能把疑似异常的影像筛出来，不遗漏。漏诊是基层医疗最让人担心的问题之一，AI在这方面能帮上大忙。
远程医疗也是一样。以前说远程会诊，就是把大医院的专家请到线上来看片子。但专家也忙，不可能随时在线。现在有的平台已经在尝试"AI初审+专家复核"的模式。AI先把远程传过来的影像做个初步分析，标出可疑区域，生成一份结构化报告。专家收到的时候不用从头看到尾，直接看AI标记的关键帧就行。效率比纯人工高了不是一星半点。
数据的暗面
不过聊AI医疗不能只聊好的那面。
我问那个放射科朋友，你们科室的AI系统是怎么更新模型的。他愣了一下说，没想过这个问题。
这就是隐患。AI模型需要持续用新数据训练才能保持精度，但各家医院的数据是孤岛。A医院的AI系统用的是A医院的历史数据训练的，在A医院用着很准，拿到B医院可能就不行了——因为设备型号不同、成像参数不同、甚至患者人群的疾病谱都不同。
还有一个绕不过去的坎是数据安全。医疗影像涉及到患者的隐私，医院对数据的保护是极其严格的。但AI的训练又需要海量数据。怎么在不触碰隐私的前提下让AI学到足够多的病例？这是整个行业都在摸索的问题。
联邦学习、隐私计算、数据脱敏——技术上有一些解法，但离真正落地还有距离。
坦率地讲，我一方面对AI改变医疗这件事充满期待。但另一方面，我也很清楚，医疗是一个容错率极低的行业。一个推荐算法推送错了视频，用户划走就完了。一个诊断算法漏了一个早期肿瘤，后果是一个人的生命。这个容错率的差距，决定了AI医疗的进步必须是一步一个脚印，慢就是快。
鸿益顺这些年一直关注着医疗行业的每一个变化，从政策调整到技术革新。AI辅助诊断不会是替代医生的那双手，但它会成为让那双手更稳的一件工具。这一点，我挺确定的。
