作者：北京大學公共衛生學院教授、博導 劉 民

清華大學萬科公共衛生與健康學院教授、博導 梁萬年

【摘要】“醫學+AI”的意義不止于技術賦能醫療服務，更在于其對衛生健康治理體系的深度重塑。通過對海量健康數據的系統整合與智能分析，人工智能技術能夠顯著提升疾病預測、風險識別和決策支持能力，從而在不依賴等比例資源投入前提下，提高衛生健康系統的運行效率與治理效能。為將“醫學+AI”的技術紅利系統轉化為公共價值，需堅持技術創新與制度創新并重，強化風險治理，確保人工智能沿著有益、安全、公平的方向發展，使其成為建設健康中國和增進全民健康福祉的長期支撐。

【關鍵詞】醫學人工智能 健康中國 智慧醫療

【中圖分類號】R19 【文獻標識碼】A

當前，新一輪科技革命和產業變革深入發展，以人工智能（AI）為代表的新一代信息技術加速演進。《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》提出：“全面實施‘人工智能+’行動”，“加強人工智能同產業發展、文化建設、民生保障、社會治理相結合，搶占人工智能產業應用制高點，全方位賦能千行百業。”①“醫學+AI”正從技術探索走向衛生健康事業的“主戰場”，這不僅是技術工具的迭代升級，而且是關乎健康中國建設、社會治理現代化的重要命題。《“健康中國2030”規劃綱要》提出，到2030年，“健康科技創新整體實力位居世界前列”②。隨著“醫學+AI”持續賦能健康中國建設，我國將加速建成更加公平可及、系統連續、優質高效的健康服務體系。

“醫學+AI”從技術應用走向健康治理

人民健康是民族昌盛和國家強盛的重要標志，也是國家治理體系中最具基礎性和普惠性的公共議題之一。隨著經濟社會發展水平不斷提升，我國居民健康需求已由“有沒有”加快轉向“好不好”“優不優”，對醫療服務的質量、安全性、連續性與公平性提出更高要求。與此同時，人口老齡化進程持續加快，慢性非傳染性疾病負擔不斷加重，公共衛生風險呈現多源疊加、跨界擴散的新特征。傳統依賴人力投入和機構擴張的衛生發展模式難以持續，衛生健康體系在資源配置效率、服務協同性與風險應對能力等方面，面臨結構性約束。在此背景下，健康中國戰略不是單一領域的民生政策，而是成為衡量國家治理體系和治理能力現代化水平的重要標尺。以人工智能為代表的新一代信息技術加速深入衛生健康領域，其在大規模數據處理、復雜系統建模和智能輔助決策方面的獨特優勢，為破解長期困擾衛生健康治理的結構性難題提供新的可能。近年來，“人工智能+醫療健康”持續被納入政策體系，“醫學+AI”由早期的技術探索逐步邁入制度化、規模化推進的新階段。

“醫學+AI”的意義不止于技術賦能醫療服務，更在于其對衛生健康治理體系的深度重塑。人工智能技術的引入，使健康治理具備從經驗驅動向數據驅動轉變的現實基礎，使分散于不同機構和層級的健康信息得以整合分析，從而推動治理方式由碎片化向系統化協同演進。同時，基于風險預測和動態監測的技術能力，人工智能為健康治理由被動應對向主動干預、由事后處置向關口前移提供重要支撐。這一轉型路徑，與健康中國戰略倡導的“預防為主、共建共享、全民健康”理念，在價值取向和實踐邏輯上高度一致。正是在這一意義上，“醫學+AI”已不再是衛生健康領域的可選技術方案，而是關乎健康公平、服務效率和治理能力的時代必答題。如何在推動技術應用的同時，統籌制度設計、倫理規范和公共價值，成為政策制定與實踐面臨的重點問題。

習近平總書記強調：“面對新一代人工智能技術快速演進的新形勢，要充分發揮新型舉國體制優勢，堅持自立自強，突出應用導向，推動我國人工智能朝著有益、安全、公平方向健康有序發展。”③“醫學+AI”不僅是提高診療效率的技術手段，而且是優化資源配置、減輕醫務人員負擔、提升健康服務公平性與可持續性的關鍵支點。總體而言，“醫學+AI”是人工智能技術在衛生健康領域的系統性嵌入過程，涵蓋疾病預防、診斷治療、康復和健康管理等全鏈條場景。通過發揮智能感知、風險預警和精準決策等優勢，推動衛生健康服務由同質化向高質量轉變、由不均衡向更加公平可及轉變、由被動響應向智慧治理轉變。④“醫學+AI”既是技術進步的集中體現，又是健康中國建設過程中實現健康治理理念、治理方式和治理能力整體躍升的重要抓手。

“醫學+AI”帶來廣闊發展前景

從長遠視角看，“醫學+AI”在公共衛生和健康治理中的作用，并非局限于提升某一環節的效率，而在于推動衛生健康治理由分散應對走向系統協同、由事后處置走向前瞻預警、由經驗管理走向智能決策。

推動衛生健康事業由“要素投入型”向“能力提升型”轉變。長期以來，我國衛生健康事業的發展在很大程度上依賴于人力、資金和機構規模的持續投入，這一模式在一段時間里有效支撐基本醫療衛生服務體系的快速建立，但其邊際效益正逐步遞減。在人口老齡化加速、疾病譜持續轉型和健康需求日益多樣的背景下，單純依靠要素擴張，難以支撐健康中國建設對質量、效率與公平的更高要求。“醫學+AI”的引入，為推動衛生健康發展模式由“要素驅動”向“能力驅動”轉型提供重要契機。通過對海量健康數據的系統整合與智能分析，顯著提升疾病預測、風險識別和決策支持能力，從而在不依賴等比例資源投入前提下，提高衛生健康系統的運行效率與治理效能。健康中國建設追求的并非醫療資源的無限擴張，而是通過治理能力提升，實現健康服務的可持續供給與公平可及。

支撐“預防為主”戰略轉型，推動健康管理關口前移與疾病全鏈條管理。“預防為主”是健康中國戰略的重要原則，但在長期實踐中，受制于信息獲取能力不足、風險識別手段有限，以及研究證據轉化效率偏低等難題，衛生健康事業仍然呈現出以疾病治療為中心的結構性傾向。人工智能在疾病預測、風險評估和人群健康管理中的系統應用，為突破這一瓶頸提供現實條件。通過對人群健康體檢數據、疾病診療數據、長期隨訪數據，以及可穿戴設備和環境監測等多源多模態數據的持續分析，可以在個體和群體層面，提前識別健康風險，實現疾病早篩、早診和早干預，使健康管理逐步由事后應對轉向事前防控。這一能力的形成，與人工智能對隊列研究和人群研究方法的深度重構密切相關。人工智能技術驅動的研究體系不僅提升風險評估的科學性和精細化水平，而且顯著增強預防策略制定的針對性和可操作性。從更宏觀的視角看，以數據和智能分析為支撐的預測性管理模式，使“預防為主”從政策理念轉化為可持續運行的制度能力，有助于降低整體疾病負擔和醫療支出，推動健康管理從風險識別向疾病的全鏈條管理延伸。這不僅為實現“少生病、晚生病、不生大病”的戰略目標奠定技術基礎，也為推動公共衛生體系現代化和健康中國建設提供新的實現路徑。

優化醫療資源配置方式，夯實健康公平目標實現的技術基礎。針對制約健康公平的區域差異、城鄉差距等問題，依托行政調配或人才補償式流動的治理模式，往往面臨運行成本高、轉化周期長和可持續性受限等現實瓶頸。“醫學+AI”將高水平醫學知識、診療經驗與科研成果進行數字化、模型化重構，為破解醫療資源配置難題提供全新技術范式。這一變革的深層意義在于，推動醫療資源配置由依賴物理性要素投入，轉向以數據、算法和平臺為重心的能力型配置模式，為醫療服務能力持續下沉和均衡發展提供重要支撐。

在醫療服務供給層面，人工智能通過將頂級專家經驗和規范化診療路徑，轉化為可嵌入基層場景的智能支持能力，使優質醫療服務不再完全依附于特定專家或機構，而是以可復制、可擴展的形式實現跨區域流動。在基層臨床實踐中，AI輔助系統深度參與疾病初篩、風險分層、診療路徑提示和轉診決策等關鍵環節，推動醫療服務由“人力派駐式下沉”向“能力賦能型下沉”轉變，顯著增強基層醫療體系的功能完整性與診斷一致性。⑤這一技術路徑與分級診療制度和縣域醫共體建設形成協同，將顯著提升系統整體運行效率和就醫可及性，也從機制層面為健康中國建設注入新的技術動能。

重塑醫學科學研究范式和方法體系，提升我國醫學科技創新力和國際競爭力。在醫學科研與臨床轉化層面，人工智能通過對高通量組學、影像組學及真實世界數據的深度分析，能夠識別復雜的非線性關聯與潛在因果結構，加速疾病亞型識別、生物標志物發現和治療靶點篩選，從而顯著縮短醫學知識從生成到應用的轉化周期，加速推動精準醫學在我國的臨床轉化，提升藥物研發和循證醫學的整體效率。人工智能正在重塑醫學科學研究的方法體系，從研究設計、數據采集到隨訪管理和多模態數據分析，推動隊列研究和人群研究由傳統的人工驅動模式向智能化、系統化轉型。相較于以往主要聚焦單一臨床場景的應用，我國正探索將人工智能嵌入流行病學與長期人群研究全過程，通過疾病分布建模、研究設計優化和樣本篩選等方式，顯著提升研究的代表性和科學嚴謹性。這一轉向不僅為公共衛生決策和疾病防控提供更堅實的證據基礎，而且在更高層面提升我國醫學科技創新能力和國際競爭力。

推動衛生健康治理體系現代化，增強系統韌性與協同性。衛生健康問題具有高度的系統性和復雜性，涉及醫療服務、公共衛生、醫保支付、養老照護等多個領域，單一部門或單一技術手段難以獨立應對。碎片化的信息體系和條塊分割的治理模式，在重大健康風險和突發公共衛生事件面前暴露出響應遲緩、協同不足等結構性短板。推動衛生健康治理體系現代化，亟需構建以整體感知、協同決策和動態調控為特征的新型治理能力。在這一過程中，人工智能在跨部門數據整合、系統建模和復雜情景推演方面展現出獨特優勢，為提升衛生健康治理的前瞻性、精細化和系統韌性，提供關鍵技術支撐。尤其在公共衛生治理層面，及時、準確的信息獲取與研判是科學決策的基礎。“醫學+AI”通過對醫療服務、檢驗檢測、環境監測，以及人口流動等多源數據的綜合分析，顯著提升對異常信號和潛在風險的識別能力，使疾病監測和風險預警由被動反應逐步轉向主動識別和提前干預。

基于數據驅動的系統建模和情景模擬，使公共衛生決策從經驗判斷走向量化分析和方案比較。在突發公共衛生事件中，人工智能能夠對不同干預措施及其可能影響進行模擬評估，為在資源約束條件下實現最優干預效果提供決策支持，從而有效提升治理體系在不確定環境下的應變能力和整體韌性。這種由數據和智能決策支撐的治理方式，正在重塑公共衛生風險識別、資源配置和應急處置的運行邏輯。從制度層面看，近年來，國家圍繞數據要素配置、人工智能應用和醫療體系協同發展，持續完善頂層設計，從數據治理、技術創新到縣域醫療協同，為人工智能深度參與公共衛生治理和健康研究提供制度基礎。這種多層次、系統化的政策布局，推動我國逐步構建起以數據和智能分析為支撐的數字化公共衛生研究與治理體系，為“醫學+AI”在更大范圍賦能健康中國建設創造有利條件。

削弱技術賦能效果的潛在挑戰

在“醫學+AI”為健康中國建設提供深刻變革潛力的同時，需清醒認識到，人工智能在衛生健康領域的深度嵌入，不可避免地伴隨一些矛盾與治理難題。這些問題并非零散的技術障礙，而是技術邏輯、醫學專業規范與衛生健康治理體系之間復雜互動的結果。若缺乏系統性回應，這些問題可能削弱技術賦能效果，并對健康公平、醫療秩序，以及公眾信任產生潛在沖擊。

數據治理與醫學專業判斷的協調問題。數據治理問題是制約醫學人工智能發展的重要因素。人工智能系統高度依賴大規模、高質量健康數據，通過算法模型發現傳統經驗難以捕捉的復雜關聯。然而，醫學實踐本質上是一門高度情境化的學科，診療決策需要綜合患者個體差異、臨床經驗以及倫理考量。在實際應用中，數據驅動邏輯與醫學專業判斷之間存在自然沖突，算法在特定任務上顯示出的高準確性，可能引導臨床決策過度依賴模型輸出，削弱醫務人員的主體判斷。同時，多數醫學AI模型仍具有“黑箱”特征，其決策路徑難以被充分理解或追溯，這與醫學領域對可審計性和責任界定的基本要求，存在內在不匹配。從制度和治理視角看，需明確人工智能在醫療決策中的輔助定位，將其界定為“增強型工具”，而非“替代性主體”，以確保專業判斷的關鍵作用。建立數據治理標準、模型評估流程和反饋機制，是保證“醫學+AI”能夠長期安全、有效、可持續發揮作用的基礎。

法律責任與動態監管的適配性挑戰。“醫學+AI”在臨床實踐中涉及開發者、醫療機構、醫務人員及患者等多方主體，其應用角色日益多樣化。然而，現行法律體系對責任劃分、風險承擔及權益保護的規定仍不夠清晰。尤其是當AI作為輔助決策工具參與臨床決策時，算法“黑箱”特性和持續迭代能力使責任認定復雜化，一旦出現醫療糾紛，責任劃分不明確可能引發制度性風險。傳統以醫務人員或醫療機構為中心的法律框架，難以覆蓋算法開發方與數據平臺運營方的責任范疇，這直接影響醫療機構對AI技術的采納意愿，并可能抑制其臨床應用潛力。對此，需建立分級分類監管體系，明確不同風險等級AI產品的上市前審批和上市后監測要求，推行“預先變更控制計劃”，并配套醫療AI責任保險及風險分擔機制，從制度層面降低應用阻力，保障臨床診療安全與技術創新的平衡。

算法偏差和健康公平之間的倫理與政策挑戰。算法偏差、數據代表性不足及技術可及性差異，可能無意間放大健康不平等，與健康中國追求全民健康和公平可及的目標存在潛在沖突。如果訓練數據未充分覆蓋各類群體和區域，AI系統在特定群體中的診療效果可能下降，甚至產生不利影響。醫學人工智能的發展不僅要關注技術可行性和效率，而且需將公平性、倫理與公共價值內嵌于技術設計和應用規范中。制度性應對措施包括：將公平性考核納入AI產品評估標準，要求分群體性能報告；在采購、財政補貼及政策激勵中，優先支持面向困難群體的技術應用，確保技術推廣與健康公平同步實現。

復合型人才不足與醫療衛生機構能力制約。“醫學+AI”的研發與運維需既具備臨床知識，又具備數據與算法素養的復合型人才。當前，我國相關人才供給仍然不足，高校教育體系與職業培訓尚未形成系統的交叉培養機制。同時，醫療衛生機構在技術運維、模型本地化適配和安全監控方面能力薄弱，缺乏完整的AI治理架構，技術引入、運行評估和風險管理體系不健全，“重采購、輕使用、輕評估”的現象依然存在，限制技術落地和可持續發展。為應對這一問題，需在教育和培訓體系中實施長期戰略，形成從技術使用、評估到風險管理的閉環，保證技術應用安全、規范和可持續。

財政可持續性與支付機制的平衡問題。“醫學+AI”在研發與初期部署階段投入高昂，日常維護需要持續資金投入，而其產生的社會化健康效益長期且分散，短期市場回報難以覆蓋成本。如果缺乏穩定的財政支持與支付機制，會導致醫療衛生機構，尤其是基層醫療機構難以持續運行相關系統。需通過示范項目財政補貼，將成熟AI方案納入政府采購及醫保支付試點，探索按效果付費或按人年管理付費等制度安排，為基層醫療機構長期運營提供穩定的財政與制度保障，確保“醫學+AI”在提升全民健康水平、優化醫療服務結構和促進公平可及方面，發揮持久作用。

“醫學+AI”引領衛生健康事業高質量發展的路徑

當前，科研成果與臨床應用之間存在轉化鏈條不暢、激勵機制不足等現實障礙，部分技術應用仍停留在“工具疊加”層面，未能有效嵌入醫療服務體系和公共衛生治理結構之中。在此背景下，如何通過科技創新破解結構性約束，成為衛生健康事業高質量發展的關鍵議題。實踐表明，技術能力的快速提升并未自動帶來治理效能的同步改善，部分地區和機構仍存在“技術可得但能力不足”“應用分散但系統整合不足”等現實問題。從根本上看，這并非技術成熟度不足，而是技術嵌入治理體系的路徑尚不清晰。新技術往往以項目制或試點形式引入，缺乏與既有決策流程、服務規范和績效體系的深度銜接。在此背景下，若僅停留于技術潛力或發展趨勢的討論，則難以回應衛生健康事業高質量發展對治理能力系統提升的現實要求。

從技術工具到制度能力的轉化機制。“醫學+AI”要真正引領衛生健康事業高質量發展，關鍵不在于技術本身的先進程度，而在于其能否轉化為制度能力。這一轉化過程依賴于明確的制度接口，即通過規則、流程和責任配置，使技術成果在醫療服務和公共衛生治理中具有穩定、可預期的運行方式。在醫療服務領域，人工智能應被明確界定為專業判斷的輔助工具，其功能需通過制度化流程嵌入診療決策、質量控制和流程管理之中，以提升服務一致性與安全性，而非替代醫務人員的專業主體地位。在公共衛生領域，則應將相關技術納入風險評估、監測預警和干預反饋的常規治理鏈條，使數據分析結果能夠直接服務于政策調整和資源配置，避免技術成果停留在分析層面，而難以轉化為治理行動。

從試點運行走向常態化應用。構建“醫學+AI”引領高質量發展的系統路徑，需突破以試點為主的應用模式，推動技術應用的制度化和常態化。首先，在國家和區域層面建立統一的技術應用框架，對不同類型醫學人工智能系統的適用場景、準入條件和運行要求作出明確規定，從制度上降低醫療機構和基層單位的應用不確定性。其次，通過財政支持、政府采購和績效考核等政策工具，引導醫療機構將相關技術納入日常管理體系，而非作為階段性創新任務。與此同時，建立持續性的運行評估機制，對技術在實際應用中的臨床效果、治理成本和風險表現進行動態監測，根據評估結果及時調整應用策略，增強制度運行的適應性與韌性。

多方主體協同的權責清晰化安排。隨著“醫學+AI”在衛生健康領域的廣泛應用，治理結構中責任劃分的重要性進一步凸顯。若缺乏清晰的權責劃分，技術應用在提升效率的同時，可能產生新的風險。因此，有必要在系統路徑設計中同步明確多方主體的職責邊界。政府部門重點承擔規則制定、監督評估和公共利益保障責任，醫療衛生機構負責技術在具體場景中的合規使用、人員培訓與風險管理，技術開發與服務提供方則需對產品性能、安全性和持續維護承擔相應責任。通過清晰的責任配置和協同機制，可以在推動技術應用的同時，降低制度摩擦，增強治理體系的穩定性。“醫學+AI”引領衛生健康事業高質量發展，并非依賴技術自發擴散，而取決于其是否通過明確的系統路徑嵌入既有治理體系，并在實施機制和責任配置的支撐下形成可持續運行的制度能力。這一系統路徑，強調現實可操作性與治理一致性，為技術創新服務于健康中國建設目標提供制度基礎。

“醫學+AI”并非單純的技術革新，而是推動衛生健康事業發展邏輯、治理方式和制度結構深刻變革的重要力量。在健康中國戰略深入實施、人民健康需求持續升級的背景下，人工智能為破解醫療資源配置不均、基層能力不足和公共衛生治理復雜化等結構性問題，提供新的治理工具。同時需清醒認識到，醫學人工智能的廣泛應用并非自然演進過程，而是高度依賴制度供給與治理能力的系統工程。數據治理、法律監管、倫理規范、人才支撐和財政機制等制度安排，決定著技術能否真正轉化為公共價值。唯有堅持技術創新與制度創新并重，強化風險治理、完善制度設計，才能確保人工智能沿著有益、安全、公平的方向發展，使其切實成為建設健康中國和增進全民健康福祉的長期支撐。

（清華大學萬科公共衛生與健康學院博士研究生閆溫馨，對本文亦有貢獻）

【注釋】

①《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》，《人民日報》，2025年10月29日。

②《“健康中國2030”規劃綱要》，中國政府網，2016年10月25日。

③《習近平在中共中央政治局第二十次集體學習時強調 堅持自立自強 突出應用導向 推動人工智能健康有序發展》，《人民日報》，2025年4月27日。

④《人工智能賦能衛生健康服務——2025年紅樹林健康大會專家共識》，2025年10月。

⑤閆溫馨、胡健等：《人工智能大語言模型在基層醫療衛生服務中的應用與挑戰》，《中國全科醫學》，2025年第1期。

責編/趙橙涔 美編/王夢雅

聲明：本文為人民論壇雜志社原創內容，任何單位或個人轉載請回復本微信號獲得授權，轉載時務必標明來源及作者，否則追究法律責任。