摘 要:人工智能在医疗卫生领域的应用，已从试点探索走向规模化落地，在提升服务可及性、精准性与效率方面展现出显著潜力。随着互联网医院、在线健康问诊、虚拟医生、智能可穿戴设备及医药电商等新业态加速发展，智能医疗供给面临的隐私侵蚀、算法不透明、权责不清等现实挑战不断显现。在优化供给的过程中，需构建既能包容创新、又能守住安全底线的智能化治理路径，建立覆盖供给全生命周期的动态合规机制，以技术嵌入方式实现安全与效率协同，重塑多主体供给生态下的责任与信任机制，切实提升智能医疗供给的安全可信水平。
关键词：智能医疗 医疗服务 供给优化 智能治理
【中图分类号】R-05；TP18 【文献标识码】A
随着健康中国战略的纵深推进，“全民健康”与“全面健康”等理念日益深入人心，居民健康需求发生深刻变革，呈现出高品质、多样化与个性化的发展态势，客观上要求医疗服务供给在可及性、精准性与效率上同步提升。人工智能、大数据与可穿戴设备等技术深度融合，回应居民健康需求变化，使医疗服务场景从在线问诊、慢病随访拓展至远程会诊、个性化健康管理和智能康复等全链条。“十五五”规划纲要提出：“有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用。”[1]国家卫生健康委等部门在《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》提出，到2030年基层诊疗智能辅助应用基本实现全覆盖，推动实现二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用[2]。人工智能在医疗卫生领域的应用已从试点探索走向规模化落地，在提升服务可及性、精准性与效率方面展现出显著潜力。
智能医疗发展呈良好态势
通过对海量健康数据的系统整合与智能分析，人工智能技术能够显著提升疾病预测、风险识别和决策支持能力，从而在不依赖等比例资源投入前提下，提高卫生健康系统的运行效率与治理效能。[3]在辅助诊疗领域，医学影像智能辅助诊断系统已广泛部署于基层医疗机构，基于深度学习算法，人工智能阅片技术通过大量医学图像数据训练，具备识别、分析、诊断病灶的能力，大大提升诊断效率，部分医院肺结节等常见病的人工智能辅助诊断覆盖率超过80%，有效缓解影像科医生短缺压力[4]。近年来，互联网医院快速发展，国家卫生健康委公布的数据显示，截至2025年9月，我国互联网医院已达3756所，2024年的诊疗人次达1.3亿[5]。远程医疗协作网已覆盖全国所有市县，切实推动优质医疗资源下沉。在健康管理场景中，可穿戴设备与人工智能算法的结合使慢病患者的院外监测与预警成为现实，高血压、糖尿病等常见慢病的数字化管理依从性显著提升。
智能医疗已深入外科手术的关键环节，手术机器人把智能医疗的“精准”从诊断延伸到操作执行层面。例如，达芬奇手术系统在全球范围内实现手术机器人的规模化应用，累计治疗患者规模可观，年手术量和装机覆盖处于领先地位。国产手术机器人也在加速落地。骨科领域，天玑骨科手术机器人已开展大量手术，覆盖全国多家医疗机构，临床应用规模持续扩大。腔镜与远程手术方向，图迈腔镜手术机器人以三级、四级复杂手术为主，远程手术已覆盖多个国家，实施成功率保持较高水平。智能医疗的发展给药物研发带来重大突破。传统药物研发长期受制于周期长、投入大、成功率低等因素，人工智能的介入正在改变这一局面。人工智能药物研发平台通过深度学习从海量生物与化学数据中挖掘规律，以计算替代大量试错性实验，实现药物研发全流程提速，将药物研发从依赖经验积累与反复试错的漫长过程，转变为可计算、可优化的工程化流程，与辅助诊断、手术治疗、互联网医院和健康管理共同构成智能医疗对医疗服务体系的系统性重塑。
智能医疗供给面临新挑战
智能医疗服务规模化发展处于“技术创新”与“健康安全”双重交织的复杂矛盾之中，面临隐私入侵、算法不透明和权责不清等一系列新挑战。
合规监管的静态化与数据驱动的供给扩张脱节。医疗服务供给以数据为驱动，通过汇聚电子病历、可穿戴设备、基因信息、行为轨迹等多源健康数据，提升服务的可及性与精准性。然而，数据采集的持续性与用途的交叉性，使用户难以知悉其健康信息被用于何种训练或分析，部分平台利用模糊的用户协议条款获取用户健康数据的永久使用权限，导致隐私边界不断收缩。一旦数据纳入模型训练，便难以删除或撤回，用户对自身数据的控制权被实质性架空。隐私与安全在数据跨主体、跨场景流动的过程中，已演变为持续性、隐蔽性等威胁。医疗系统具有持续迭代、模型频繁更新、数据不断回流的动态特征，而现行合规审查多以阶段性、静态方式运行，如产品上市前的算法备案、数据安全评估等。系统上线后，算法升级、数据引入、功能拓展几乎不受同等力度约束，供给优化所要求的实时响应与合规审查的静态控制模式形成结构性脱节。系统在初始时点满足合规要求，但随着运行环境变化与模型演化，风险在运行中悄然累积，事后监管难以追溯与干预。
算法供给的不透明性与安全系统性不足。智能辅助诊断、智能分诊、个性化推荐等应用高度依赖“黑箱”模型，其推理过程缺乏可解释性，医生与患者难以理解判断依据，决策偏差大，缺乏有效缓释机制。同时，训练数据中隐含的性别、地域、收入等偏差被模型固化，可能导致供给不平等的结构性放大，本应精准的智能服务反而加剧健康鸿沟。平台企业往往将响应速度、匹配精度和用户黏性等作为供给优化的关键指标，安全与伦理被置于次要位置。用户知情同意、算法性能评估、人工复核节点等重要安全措施，常被视为影响效率的障碍而被简化或规避，其结果是以牺牲安全冗余为代价换取短期供给效率提升。隐性风险长期积累，形成“重效率、轻安全”的系统性失衡，而市场激励机制与绩效考核体系强化这一失衡逻辑，使得安全投入在供给优化的成本结构中持续被边缘化。
多主体供给生态下的责任空转与权责不清晰。医疗服务供给涉及设备厂商、算法开发者、云服务商、医疗机构、第三方健康平台等多种主体。供给链条越长，责任越易被稀释，形成协同生态缺失与权责不清并存的困局。现行医疗责任体系以“人”为中心，强调医疗机构、医务人员的专业责任，法律上依赖医疗行为与诊疗关系来界定责任主体。智能医疗中，算法设计、数据标注、模型训练、系统部署、云端运维等非临床主体，同样对最终输出具有实质性影响力。当前，监管框架对责任的划分仍停留在由医院或医生单一方负责的层面，未能细化到设备厂商、算法开发者、云服务商等角色。当误诊、数据泄露或健康损害发生时，责任难以认定，各主体之间往往相互推诿，用户难以找到明确的问责对象，易形成“人人有责却无人负责”的悬空局面。
切实提升智能医疗供给安全可信水平
智能医疗情境下的医疗服务供给优化，不应以牺牲安全为代价。治理的方向不是简单叠加规则，而是将安全逻辑嵌入供给优化体系的技术架构、运行流程与组织环境之中。通过制度创新与智能技术手段的深度融合，切实提升智能医疗供给的安全可信水平。
构建覆盖供给全生命周期的动态合规机制。考虑到智能医疗服务供给系统具有持续演进的特点，合规管理不宜停留在单一环节，需转向全过程、持续性的监控。具体而言，从数据采集、模型训练到系统部署及后续更新，建立贯穿全流程的合规记录机制，使模型调整、数据接入及输出变化等关键环节均具备可追溯性和可审计性。加快可穿戴设备等领域的数据安全专门立法，界定厂商在采集、存储、传输、跨境流动各环节的安全义务。可借鉴智能家电新国标的分级评价，尽快推出可穿戴设备安全等级认证，要求企业在产品上明确标注数据安全等级，让消费者清晰选购。医疗智能终端需执行更严格的网络安全注册审查，从源头把住数据安全关。管理上区分场景：辅助诊断、自动分诊、远程手术建议等高敏感场景，重点要求透明、可解释和人工复核；健康管理推荐、慢病行为预测可以更偏个性化；就医导诊、用药提醒等低风险应用，可事后备案。在卫生健康等重点领域继续开展个人信息保护专项行动，加大可穿戴设备和医疗智能终端抽查，用大数据和人工智能分析线索，提高执法预见性和精准度，从被动应对转向主动防控。
以技术嵌入方式实现安全与效率协同。统筹实现安全与效率，关键是不能把安全治理当“事后补丁”，需直接嵌进医疗系统各环节。通过智能化手段，将治理要求转化为可执行的技术规则。将知情同意规则编码为数据访问控制策略，将算法审计嵌入开发运维一体化流程。系统设计时需明确规定数据能用到哪里、结果可靠到什么程度、偏差多久查一次，通过技术规则落实，如把知情同意变成数据访问控制，把算法审计放进开发运维流程。制定数据访问控制的技术标准，针对不同敏感级别的健康数据，设定差异化的加密强度、脱敏规则和访问权限边界，并将上述规则以代码形式嵌入系统底层架构。出台人工智能辅助决策系统的可靠性验证技术指南，明确系统在临床部署前必须通过的准确率、稳定性、鲁棒性等技术测试项目及合格阈值，从源头保障技术安全。企业开发运维中要内置安全审计模块，算法版本变更、数据更新、结果校正自动留痕和报警，把合规从事后补救变成事中控制。监管方则可用大数据和智能比对，非侵入式采集运行数据做风险画像，及早发现异常，提高监管的精准度和预见性。
重塑多主体供给生态下的责任与信任机制。建立医疗服务供给的责任三角模型：人类设定规则、机器执行操作、系统记录行为。该模型可以实现自动化决策有明确的人类主体责任者，系统承担行为记录的证明义务。在企业主体责任层面，督促智能终端厂商和医疗服务企业依法建立健全个人信息保护内部管理制度，明确安全负责人，制定数据分类分级管理、数据访问权限管理、应急预案等制度。对于存储患者诊疗信息等敏感数据的系统，必须采取加密、去标识化等安全技术措施，严禁数据在未防护状态下暴露于互联网。在制度机制层面，建议建立覆盖医疗服务供给全链条的国家级责任追溯与监管平台，实现跨主体、跨场景的责任闭环管理；出台医疗服务供给安全治理的专项法规，明确算法备案、风险评估、事故调查等法定程序与责任边界；构建全国统一的医疗服务供给安全标准体系，涵盖数据治理、算法审计、系统验证等关键环节，为地方监管与企业合规提供统一依据。坚持发展与规范并重、创新与安全统筹，加快完善法律法规、强化监管执法、明确企业责任、提升公众意识。
【本文系国家自然科学基金面上项目“基于机器学习的智能医疗风险评估模型与控制策略研究”（项目编号：72271102）的阶段性成果；华中科技大学管理学院博士研究生王亚丽，对本文亦有贡献】
注释
[1]《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，《人民日报》，2026年3月14日，第1版。
[2]《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，中国政府网，2025年10月20日。
[3]刘民、梁万年：《“医学+AI”赋能健康中国建设》，《人民论坛》，2026年第4期，第68页—73页。
[4]《推动人工智能更好服务人民健康》，《人民日报》，2025年4月18日，第19版。
[5]《互联网医院，离建好用好还有多远》，《人民日报》，2026年5月15日，第19版。
责编：张宏莉／美编：石 玉
声明：本文为人民论坛杂志社原创内容，任何单位或个人转载请回复本微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。