清华医学院长：AI不会取代，但会改变医生南方周末

作为医生，黄天荫最关注的始终是医疗安全性，最担心系统给出错误的信息或误导性的结论，对患者造成潜在风险。

AI系统的运行需要稳定的网络、电力和信息系统支持。如果这些基础条件不足，再好的技术也很难真正落地。中国医疗数据异质性高、编码体系不统一、记录规范差异大，AI模型往往难以在不同机构之间推广应用。

AI不应该被神化，更不能在缺乏安全评估和责任机制的情况下直接进入临床决策。

▲ 2025年4月，清华大学宣布成立人工智能医院。右一为黄天荫教授。（受访者供图）

2026年1月以来，关于AI系统是否应引入医疗机构的日常诊疗，在医疗圈和科学界不断掀起讨论。事实上，越来越多的医疗机构已经对AI敞开怀抱。

清华大学医学院院长、讲席教授黄天荫也关注到了近期一些争议。作为知名的眼科专家，他长期活跃在临床与科研一线工作，并取得多项荣誉。他相继当选新加坡国家科学院院士、美国国家医学院外籍院士、澳大利亚健康与医学科学院外籍院士，以及英国皇家学会院士。

除学术研究外，黄天荫也深度参与医学教育与医疗体系建设。他曾参与杜克-新加坡国立大学医学院的建设与管理。2022年，黄天荫受邀来到中国，负责清华大学医学体系建设。

作为新组建的清华大学医学院首任院长，他推动医学与工程、人工智能及临床服务的深度融合，整合基础医学、临床医学、生物医学工程、药学院和健康管理等五个学院，并统筹包括北京清华长庚医院在内的三家附属医院，构建一体化发展的医学体系。2023年，他因在这一领域的贡献获得北京市政府授予的“长城友谊奖”。

尽管承担着繁重的管理与科研任务，黄天荫仍坚持每周一天出诊。对他而言，持续面对患者，是保持临床敏感性、理解医疗真实需求的重要方式。

近年来，他也持续推动人工智能在基层医疗中的应用，带领团队开展示范项目与真实场景实践，探索AI如何真正嵌入日常医疗流程。

2026年2月11日，黄天荫及其团队关于医疗人工智能评价的研究发表于《自然·医学》（Nature Medicine）。该文章指出，目前医疗AI的评估大多集中在算法准确率等技术指标上，缺乏基于真实世界患者结局和基层服务能力改善的系统证据。

AI如何在实际医疗场景中提升基层能力，并最终改善健康结果？以下为南方周末与黄天荫的对话。

AI医疗和基层医疗试点

南方周末：为什么你会把AI应用的重点放在基层医疗，而不是大型医院？

黄天荫：基层医疗的问题是全球性的，尤其在发展中国家。我们的医疗体系过去是以医院和专科医生为中心，但现在情况发生了变化。

第一，人口老龄化非常快，慢病成为主要负担；第二，城乡医疗资源不均衡，大城市医疗资源承压，不能只满足所在城市需求，还得顾上二、三线城市和乡村上来的病患；第三，全科医生等医学人才不足。

所以我们必须寻找新的技术手段。人工智能不是替代医生，而是作为一个能力放大器，帮助基层医生更快获取信息、做出判断、提高效率。

南方周末：你们团队目前有哪些具体实践？

黄天荫：一是人才培养，在医学教育中加入人工智能课程，培养未来的复合型医生。

二是建设示范区。2025年4月，清华大学宣布成立人工智能医院，通过AI医院系统“紫荆AI医院”对北京和广西的8家医院进行第一批次系统公开测试。

例如在北京天通苑社区，患者进入后先通过AI系统完成基本信息收集和初步评估，再由全科医生接诊，系统会给出风险提示和转诊建议。

在眼科领域，我们也做了筛查应用，比如通过眼底影像预测青光眼或糖尿病视网膜病变风险，帮助基层医生判断是否需要转诊。项目准备了一年多，目前运行了几个月，仍在不断调整。

南方周末：医生的接受度如何？

黄天荫：最初很多医生并不接受，觉得增加了操作步骤，甚至要重复录入数据。在试点医院，医生不仅要填写常规的HIS系统数据，还要在我们的AI智能系统里录入信息。有些患者也觉得“太新”，不愿意挂AI门诊。但使用后，一些医生发现系统确实能提示他们没有注意到的风险线索，同时能帮助他们做一些常规重复的工作，提高工作效率，这对简单病例尤其有帮助。

南方周末：AI门诊具体是什么样的？

黄天荫：AI门诊，实际上是围绕患者端、医生端和医院管理端三个系统来运行的。

对患者来说，它更像一个“智能入口”。患者可以通过AI进行初步健康咨询、预问诊和分诊，系统会收集症状信息，形成初步评估，并帮助整理既往健康资料和连续健康数据。这样，患者真正进入门诊时，医生已经对其基本情况有了较为完整的了解。

在就诊过程中，患者的问诊信息、检查结果和病历也会同步进入系统，形成持续更新的健康档案，并进行风险分析和预警。对于慢病患者，还可以提供随访和长期管理支持。

AI主要承担的是辅助和减负功能，帮助医生更快完成信息处理和临床判断，而不是替代医生作决定。这是AI的最大价值，让医生在同样时间内服务更多患者，提升基层医疗的整体能力。

南方周末：AI系统的成本最终应该由谁承担？基层机构是否有动力去使用？

黄天荫：目前我们的相关探索主要还是由高校和研究团队投入为主，包括教师团队的科研资源和技术支持。

在实际应用中，我们也比较谨慎地与技术公司合作。技术公司更多是市场导向，而基层医疗的目标是提高公共卫生服务能力。因此，从长期来看，应该由政府、医疗体系和技术机构共同参与，建立稳定的投入和应用机制。

现在市场上的很多AI+医疗产品仍处于发展阶段，还没有形成一个真正成熟、稳定、能够覆盖基层实际需求的完整系统。对于基层机构来说，如果系统不能真正融入工作流程、提高效率，就很难形成使用动力。

南方周末：试点实施中你最担心什么？

黄天荫：作为医生，我最关注的始终是医疗安全性。我们最担心系统给出错误的信息或误导性的结论，对患者造成潜在风险。

但按照中国现行的监管要求，每一个最终诊断和医疗决策都需要由医生签字背书，所以AI只能作为辅助工具，而不能独立作出结论，患者安全是有保障的。

AI能做什么、不能做什么？

南方周末：据你观察，AI在基层医疗中最适合处理哪些类型的问题？在哪些情况下，医生的判断仍是不可替代的？

黄天荫：目前来看，AI最适合的是标准化程度较高、病情相对简单的患者，比如常见病、慢病随访或初步筛查。

在这些场景中，诊疗路径比较明确，AI给出的判断通常与医生的结论高度一致。对于基层来说，这类应用可以帮助提高效率，让医生把更多精力放在复杂病例上。

对于复诊或情况较为复杂的患者，目前AI更多还是起辅助作用。系统可以提供参考信息，但最终判断仍然需要由医生完成。

更重要的是，医疗决策不仅是医学判断，还涉及很多个体化因素。例如患者是否愿意接受手术、是否能够承担费用、是否具备随访条件、是否需要转诊到三甲医院、是否适合进一步治疗等决策，甚至包括对治疗风险的心理接受程度。这些个体化因素，只有临床医生通过沟通才能综合评估，再作出判断。

南方周末：基层条件最薄弱的地区往往也是最需要支持的地方，但同时数据、设备和网络条件更差。AI怎样才能避免只服务资源更好的地区？

黄天荫：这个问题确实非常关键。从整体来看，中国的通信网络和信息基础设施水平已经达到较高程度，例如5G网络覆盖和数字化能力，在很多国家中都处于领先位置，这为AI医疗的应用提供了良好的基础环境。但同时，地区之间仍然存在差异。如果基础设施建设不均衡，AI可能优先进入资源条件较好的地区，反而扩大医疗服务差距。

因此，要让AI真正服务基层和欠发达地区，关键仍然是政府层面的持续投入，把数字基础设施作为公共服务的一部分，与医疗服务能力建设同步推进。

从技术角度看，一部分问题是可以通过设计来解决的。例如，一些大型模型对算力要求很高，更适合部署在大型医院或云端平台。但同时，也可以开发轻量化的应用，在本地设备上运行，服务基层机构，降低对算力和网络的依赖。

AI系统的运行需要稳定的网络、电力和信息系统支持。如果这些基础条件不足，再好的技术也很难真正落地。

南方周末：中国的AI+医疗有哪些不足或薄弱的地方？

黄天荫：首先是资源地区分布不均，人工智能技术和算力资源主要集中在北上广等发达地区。

第二是复合型人才不足，未来需要培养一种新的医生类型——我称之为“临床-AI科学家（clinician-AI scientist）”。

这类医生不仅具备医学背景，还接受过工程、数据科学、人工智能和实施科学方面的系统训练，能够把技术方案真正转化为临床应用。

第三是数据标准和安全共享机制仍不完善。中国医疗数据异质性高、编码体系不统一、记录规范差异大，AI模型往往难以在不同机构之间推广应用。因此，需要建立国家层面的数据标准和数据治理政策，并在确保安全与隐私的前提下，推动医疗数据在医院、地区之间的规范共享。

同时，医疗数据整理本身仍存在大量人工工作，例如多模态数据（影像、基因、行为、环境等）的清洗与整合成本较高。如果缺乏高质量、可用的数据基础，AI模型就难以真正服务更大规模的人群。

关键在于整体风险能否降低

南方周末：目前AI在临床应用中仍存在准确性的问题。

黄天荫：是的，AI确实还存在一定局限，有时判断结果并不完全准确，患者和医生对它的信任也需要时间建立。但从技术发展规律来看，算法的能力很大程度上依赖真实世界数据的积累。随着应用场景增加、数据不断丰富，系统的判断能力会持续提升。

一开始，我们开设AI门诊，患者也不愿意挂号，但慢慢地有些患者开始来尝试了。我们推动AI门诊和AI医院的一个重要目标，就是把真实患者数据与专家经验结合起来，在真实环境中不断优化模型。未来的系统一定会越来越准确，也会越来越安全。

南方周末：怎么理解现在大家对AI进入医疗实践的担忧和质疑？为什么不能等技术更加成熟，甚至接近“完美”之后再投入实际应用？

黄天荫：目前确实有一些质疑，这些担忧主要来自两个方面：一方面是对技术可靠性的担心，另一方面也涉及责任划分和使用习惯的问题。但如果完全等待技术“完美”之后再使用，就很难获得真实环境中的反馈和经验。

医疗领域的很多技术进步，本质上都是在严格监管和医生把关的前提下，通过实践不断改进的过程。AI也是一样，关键在于明确它的定位——作为辅助工具，而不是替代医生的决策。