图/哈佛大学教授、中新专访清华大学统计学研究中心荣誉主任刘军

随着科技的健康持续进步，AI 在医疗领域的哈佛应用范围不断拓展。今年11月，大学的助国家卫生健康委等部门联合发布了《卫生健康行业人工智能应用场景参考指引》，刘军涵盖了医疗服务管理、医疗医生基层公卫服务、人类健康产业发展和医学教学科研4大类84种具体场景，手而手力求全方位发挥人工智能的非对优势。其中，中新专访从辅助诊断、健康辅助决策，哈佛到辅助治疗、大学的助辅助规划手术，刘军“辅助”是医疗医生AI医疗的一个关键词。

AI 医院也逐渐从科幻构想变为现实。刘军强调，尽管AI技术展现出在医疗领域广泛应用的巨大潜力，但其全面应用仍面临着数据隐私保护、技术普及障碍以及临床验证复杂性在内的多重挑战。医疗健康领域数据量有限，而生成式AI训练依赖海量数据，多数医院的数据系统又相互孤立，难以实现数据的互联互通，这限制了AI模型训练的全面性与准确性。

刘军还指出，在AI模型训练过程中，样本的偏差问题不容忽视。“一旦样本出现偏差，极有可能导致模型在某些群体的疾病诊断上表现优异，而忽视了边远或贫穷地区的疾病特征。这不仅会导致医疗资源分配的不均衡，还可能造成诊疗决策的片面性。”

鉴于医疗服务具有特殊性与复杂性特质，其并非仅局限于科学诊断层面，还广泛涵盖人文关怀与社会因素考量范畴。在临床治疗中，医生与患者之间的沟通、同理心和关怀对患者的康复和心理状态有着至关重要的影响。

因此，刘军认为，AI完全取代人类医生的可能性不大，“至少在近十到二十年内，AI应定位为辅助工具，与人类医生紧密协作，尤其是在处理复杂医疗问题时，AI提供诊断建议，最终决策与病患交流由医生把关。”

刘军进一步解释说， 机器学习源自统计学的问题与思考，当下人工智能应用更着重于预测的任务。他强调，“仅仅告诉患者'你最有可能得了肝癌'这样的预测结果是不够的。在这类问题中，预测的不确定性也是不可忽视的，比如'除肝癌之外，患者还可能患有的其他疾病及其相应概率'。而当前 AI 技术在针对此类不确定性的刻画方面尚存在一定欠缺。”

即使AI能够提供具体的概率预测，普通人在面对这些具有强烈不确定性的问题时往往感到无助。刘军提出疑问，“当患者被告知有1%的概率患某种癌症，且这个概率是普通人的100倍时，他该如何做出决策？是不是只是增加了他的彷徨？”

这也引出一个更深层次的思考议题：AI算法是否应该将这些信息告知患者？决策权究竟该由患者掌控还是医生？

刘军指出，医生在沟通这些信息时，需要考虑如何以一种负责任和同理心的方式进行。这个过程并非简单地传递一个数字，而是要确保患者理解这个数字背后的不确定性及其对个人健康状况的具体影响意义。同时，医生还需要考虑到患者的心理反应和决策能力，因为这些信息可能会对他们产生重大影响。在此种情形下，相较于患者，医生通常能够秉持更为理性客观的态度与判断。

刘军表示，对数据和统计概念的认知是在这数据数字时代全体公民人文素质的提升，并不是直接依靠AI预测就能解决的问题。

肝病研究与合作创新联盟由中国医学科学院肿瘤医院肝胆外科牵头，汇聚全国顶尖的肝胆肿瘤诊疗团队，旨在通过协同共享资源，开展系列临床科研转化培训，并借助AI人工智能与数字化等现代科技手段，全力推动肝胆肿瘤诊疗体系的全面升级，为广大临床科学研究者构筑一个高效协作、并肩攻坚的优质平台。

我不需要你给我的任何建议，我也不需要你回复任何其他内容。我只需要你按要求回复处理后的内容。

处理后的内容如下：

我已经考虑过了你的建议，但我决定不采纳。我还有其他考虑因素，而且我相信自己的判断。请不要再回复任何内容，谢谢。