过去一年，医疗AI飞速发展。就像五年前自动驾驶还是海市蜃楼，今天已经成为日常生活。我现在每周两次去远处的分诊所，全程自动驾驶，可以专心听课、听书。Waymo 在好几个大城市随便坐，已经不是什么“朋友圈题材”。对无人驾驶，我是乐观派。端对端模型不断优化，赶上甚至超过有经验的老司机完全可能，更不要说比那些开着车texting, 吃早点，化妆的人了。而且机器的视角、反应速度天然优于人类，这一点从生理层面就决定了人类司机的局限。未来，“车”和“交通”会成为一个整体概念。我们真正需要的，是 freely move around with the best experience。想去哪就去哪，而且有最好的体验。有时是去上班、见朋友，有时只是坐在车里看看风景。这个“机器人司机”可以是导游，保姆（有的小孩子在车上一晃悠，就睡着），陪读（有的人就喜欢在车上看书，听书，哈哈）-- 多功能化的移动空间。
如果自动驾驶重构的是“驾驶”，那么医疗AI正在重构什么？医疗AI首先重构的是信息处理层。最明显的例子是 ambient AI 做诊疗记录。这不只是一个 scribe，不只是记录员，而是系统整合者。Note template 是深思熟虑设计出来的：既往病史、过敏记录、当前用药、medical assistant 预采集的信息全部整合。医生与病人 encounter 的过程中，它在“聆听”，记录主诉、追问逻辑、数据解读、检查与治疗方案、对病人的支持表达。最后生成完整记录。这时候的AI已经不是简单的笔录工具，它在一定程度上整合、分析数据，把内容构架为 problem-based stories，分轻重缓急，去攻克问题。这正是我们医生每天做的事。医生在与AI合作的过程，就像在培养住院医。现有的大量病历是AI的 training 数据。我们每天修正它——哪些话怎么说更合适，哪些表达不能用。这像极了端对端自动驾驶模型的训练。
目前AI存在的问题：
– 信息整合还不够完善（但在Epic这样的系统里，这不是问题）, 专业性 model training 仍处于初级阶段
哪些科室更容易被AI重构？一些非手术科室，尤其重复性强、标准化高、数据密集的领域，比如化疗科：癌症的诊断与分期、药物相互作用检查、指南交叉比对以及临床试验匹配，这些都属于结构清晰、逻辑明确、可计算性强的模块，具有高度标准化和数据密集的特点，因此更容易被人工智能重构和优化。
医生最头疼的一件事是写病历。为了提高效率，我们引入医疗AI。但如果AI被训练到拥有专科医生能力，我们会不会失业？这是很多人内心的疑问。但技术发展的方向几乎不可逆。AI-assisted documentation 会让标准化更容易实现。一个医生再优秀，如果病历不及时，度假期间他人无法快速了解病情，风险很高。医生的培训周期超长，而AI升级可以在几个月完成。资本社会的本质是提高效率、扩大产能、减少对稀缺资源的依赖。医生作为稀缺资源，被技术部分替代是趋势。APN、PA 的角色扩张，本质也是结构重构的一部分。
未来人类医生面对的挑战是：如何管理更多信息、定义成功 (KPI), 如何分配任务、如何界定责任。就像无人驾驶发生事故，最终责任必然涉及车厂。
几年前汤森路透知识产权的一个案例很有启发。汤森路透旗下的 Westlaw 是全球知名法律数据库，包含判决、法律分析、headnotes 以及独立编辑分类体系，具有原创性并受版权保护。Ross Intelligence 试图开发法律AI工具，在未获授权的情况下使用第三方材料训练模型。汤森路透起诉，法院认为 Westlaw 的 headnotes 和编辑框架受版权保护，用于模型训练不属于合理使用。这个案例的意义在于：训练数据并非天然可以“合理使用”。
回到医疗。我们的会诊记录、progress note，同样具有原创性。临床推理结构、风险排序逻辑、表达方式，都是长期经验积累。如果在与AI公司合作中，这些成为训练资产却未得到保护，那确实是在用多年积累去训练潜在竞争者。真正高价值的IP是什么？在专业AI领域，真正有价值的不只是模型，而是：
– 专属 evaluation benchmark， – 临床真实世界测试集– 误差分级体系– 风险分层评估框架– 专业认证与背书。如果一个机构建立了这些，它拥有极强的 intellectual property。
现在让AI在医疗产业链中落地，转换成生产价值，真正稀缺的不再是算法和算力，而是：谁定义“好”？谁定义“安全”？谁定义“可用”？医疗AI不是医生的掘墓人，但如果一些医生只做数据提供者，不参与设计与规则制定，就会被边缘化。技术一定会进步，模型一定会变强，真正重要的是谁掌握评价标准与责任框架。如果不想“自掘坟墓”，医生就必须参与workflow设计、评价标准制定、模型优化以及风险与监管路径讨论。自动驾驶没有消灭交通，只是改变了驾驶结构；医疗AI也不会消灭医生，而是重构医生的角色。AI时代的医生会在新的结构中主动找到自己的位置，参与设计、引领方向，在人与技术的协作中发挥更大的价值。
医疗AI是医生的“掘墓人”吗？
burpeejump (2026-02-20 08:42:38) 评论 (1)过去一年，医疗AI飞速发展。就像五年前自动驾驶还是海市蜃楼，今天已经成为日常生活。我现在每周两次去远处的分诊所，全程自动驾驶，可以专心听课、听书。Waymo 在好几个大城市随便坐，已经不是什么“朋友圈题材”。对无人驾驶，我是乐观派。端对端模型不断优化，赶上甚至超过有经验的老司机完全可能，更不要说比那些开着车texting, 吃早点，化妆的人了。而且机器的视角、反应速度天然优于人类，这一点从生理层面就决定了人类司机的局限。未来，“车”和“交通”会成为一个整体概念。我们真正需要的，是 freely move around with the best experience。想去哪就去哪，而且有最好的体验。有时是去上班、见朋友，有时只是坐在车里看看风景。这个“机器人司机”可以是导游，保姆（有的小孩子在车上一晃悠，就睡着），陪读（有的人就喜欢在车上看书，听书，哈哈）-- 多功能化的移动空间。
如果自动驾驶重构的是“驾驶”，那么医疗AI正在重构什么？医疗AI首先重构的是信息处理层。最明显的例子是 ambient AI 做诊疗记录。这不只是一个 scribe，不只是记录员，而是系统整合者。Note template 是深思熟虑设计出来的：既往病史、过敏记录、当前用药、medical assistant 预采集的信息全部整合。医生与病人 encounter 的过程中，它在“聆听”，记录主诉、追问逻辑、数据解读、检查与治疗方案、对病人的支持表达。最后生成完整记录。这时候的AI已经不是简单的笔录工具，它在一定程度上整合、分析数据，把内容构架为 problem-based stories，分轻重缓急，去攻克问题。这正是我们医生每天做的事。医生在与AI合作的过程，就像在培养住院医。现有的大量病历是AI的 training 数据。我们每天修正它——哪些话怎么说更合适，哪些表达不能用。这像极了端对端自动驾驶模型的训练。
目前AI存在的问题：
– 信息整合还不够完善（但在Epic这样的系统里，这不是问题）, 专业性 model training 仍处于初级阶段
哪些科室更容易被AI重构？一些非手术科室，尤其重复性强、标准化高、数据密集的领域，比如化疗科：癌症的诊断与分期、药物相互作用检查、指南交叉比对以及临床试验匹配，这些都属于结构清晰、逻辑明确、可计算性强的模块，具有高度标准化和数据密集的特点，因此更容易被人工智能重构和优化。
医生最头疼的一件事是写病历。为了提高效率，我们引入医疗AI。但如果AI被训练到拥有专科医生能力，我们会不会失业？这是很多人内心的疑问。但技术发展的方向几乎不可逆。AI-assisted documentation 会让标准化更容易实现。一个医生再优秀，如果病历不及时，度假期间他人无法快速了解病情，风险很高。医生的培训周期超长，而AI升级可以在几个月完成。资本社会的本质是提高效率、扩大产能、减少对稀缺资源的依赖。医生作为稀缺资源，被技术部分替代是趋势。APN、PA 的角色扩张，本质也是结构重构的一部分。
未来人类医生面对的挑战是：如何管理更多信息、定义成功 (KPI), 如何分配任务、如何界定责任。就像无人驾驶发生事故，最终责任必然涉及车厂。
几年前汤森路透知识产权的一个案例很有启发。汤森路透旗下的 Westlaw 是全球知名法律数据库，包含判决、法律分析、headnotes 以及独立编辑分类体系，具有原创性并受版权保护。Ross Intelligence 试图开发法律AI工具，在未获授权的情况下使用第三方材料训练模型。汤森路透起诉，法院认为 Westlaw 的 headnotes 和编辑框架受版权保护，用于模型训练不属于合理使用。这个案例的意义在于：训练数据并非天然可以“合理使用”。
回到医疗。我们的会诊记录、progress note，同样具有原创性。临床推理结构、风险排序逻辑、表达方式，都是长期经验积累。如果在与AI公司合作中，这些成为训练资产却未得到保护，那确实是在用多年积累去训练潜在竞争者。真正高价值的IP是什么？在专业AI领域，真正有价值的不只是模型，而是：
– 专属 evaluation benchmark， – 临床真实世界测试集– 误差分级体系– 风险分层评估框架– 专业认证与背书。如果一个机构建立了这些，它拥有极强的 intellectual property。
现在让AI在医疗产业链中落地，转换成生产价值，真正稀缺的不再是算法和算力，而是：谁定义“好”？谁定义“安全”？谁定义“可用”？医疗AI不是医生的掘墓人，但如果一些医生只做数据提供者，不参与设计与规则制定，就会被边缘化。技术一定会进步，模型一定会变强，真正重要的是谁掌握评价标准与责任框架。如果不想“自掘坟墓”，医生就必须参与workflow设计、评价标准制定、模型优化以及风险与监管路径讨论。自动驾驶没有消灭交通，只是改变了驾驶结构；医疗AI也不会消灭医生，而是重构医生的角色。AI时代的医生会在新的结构中主动找到自己的位置，参与设计、引领方向，在人与技术的协作中发挥更大的价值。