AI+医疗，医生还会“越老越吃香”吗？
人工智能（AI）正进入越来越多的诊疗场景。6月8日，广州正式启用卫生健康AI赋能中心“穗医智擎”平台，并发布医疗AI场景“十百千”三年建设蓝图。
过去，人们常说“医生越老越吃香”。经验来自一次次看片、问诊、手术和随访，时间越长，判断越稳。如今，AI正把一部分经验转化为模型和知识库，让医生从不少重复性工作中释放出来。
但AI越深入诊疗核心，越需要医生提出问题、判断结果、修正偏差、解释风险，并承担最终责任。技术正在改变诊疗流程，也把一个问题推到医生面前：未来，什么样的医生更吃香？
AI替医生“打前站”
AI进入医院，最先改变的是医生的时间分配方式。病理诊断被称为临床诊断的“金标准”，一份报告关系到疾病最终诊断，也影响后续治疗方案。但现实中，病理医生培养周期长、数量紧缺，优质病理资源又更多集中在大医院。
南方医科大学南方医院病理科主任梁莉介绍，该科室一年组织标本量有10万多例、细胞学标本量有6万多例，医生还要面对13个亚专科的复杂病种。
“工作量很大。”她说，尤其在宫颈癌筛查等检查中，传统人工阅片需要医生在显微镜下逐个视野查看，一张片子约需5分钟。如今借助AI，系统可在30秒至50秒内完成初筛，自动捕获可疑异常细胞，并将图像呈现给医生复核。应用后，宫颈细胞学报告时间从过去2至3天缩短至约1天。
南方医科大学南方医院宫颈液基诊断AI应用。
“AI能取代初筛的一些工作。”梁莉说，筛查量大时，AI可以明显减轻医生负担。但她同时强调，病理诊断不是单纯“看图”，还要结合临床、影像、分子检测等多方面信息综合判断，“从这个意义上来讲，病理医生是不太容易被取代的。”
南方医科大学南方医院将AI运用到检查检验中。
这种变化不只发生在病理科。在中山大学肿瘤防治中心（下称“中肿”），AI正被运用到病历生成、肿瘤分期、病案编码等更多流程性工作中。
该院信息中心工程师冯晨阳举例说，智能病历生成系统可自动整理患者病史、检查结果和诊疗记录，将病历书写从5分钟压缩至0.5分钟；TNM分期智能诊断系统基于患者资料和权威指南，辅助医生完成肿瘤分期；智能病案编码系统则根据病历内容进行编码推荐和依据溯源，编码准确率达90%至95%。
冯晨阳表示，这些工作并不直接决定最终诊疗方案，却大量消耗医生的时间。AI进入后，先承担的是初筛、整理、生成、提示和质控等工作。
“AI不替医生签发报告，也不替医生承担责任，而是把医生从大量重复性工作中释放出来，让他们把更多时间留给复杂病例、综合判断和患者沟通。”她说。
把高风险患者提前“捞出来”
在海量检查、影像和病历数据中，真正需要被优先关注的患者，未必总能第一时间被发现。AI进入医院后，正在帮助医生从大量人群中识别风险，把真正需要关注的患者提前找出来。
广东是乙肝大省，慢性肝病患者基数大，但筛查、随访、复查、转诊之间长期存在断点。慢性肝病并非都会进展为肝癌，关键在于如何把真正高风险的人筛出来。
南方医院感染内科主任医师樊蓉团队开发的aMAP肝癌风险评分系统，正是为了解决这一问题。该系统通过年龄、性别、血小板、总胆红素、白蛋白等常规指标，对慢性肝病患者进行肝癌风险分层。
aMAP算法嵌入医院系统，实现肝癌风险实时、自动化评估。
樊蓉介绍，系统不是让所有患者接受同样频率的筛查，而是帮助医生把有限资源集中到真正高风险人群身上。“AI不是简单增加检查，而是让筛查更精准。”
在广州医科大学附属第一医院，肺结节影像AI试图解决另一个现实问题。体检发现肺结节后，很多患者会陷入焦虑，但并不是所有肺结节都需要看专家、做手术。一些低风险患者涌向门诊，也会挤占真正需要专科诊疗患者的就医机会。
该院副院长梁文华介绍，肺结节AI云平台面向患者端，患者可通过手机授权、上传云影像，由AI进行初步风险分析，帮助判断风险大不大、该不该来医院。
广医一院副院长梁文华。
这套系统更重要的应用，是院内机会性筛查。梁文华介绍，医院里不少胸部CT并不是为了查肺结节，而是来自其他科室检查或术前评估。患者可能只是“顺带”被发现肺结节，如果缺少后续追踪，高危结节就可能停留在影像报告里。
AI后台对海量CT进行筛查，将高风险患者标记出来，再通过主动外呼和专科导航，引导其进入后续诊疗流程。梁文华认为，这类工具不仅是给大医院医生使用的助手，更重要的是把头部医院的能力下沉到基层。
“把我们的能力赋予给他们。”他说，基层医生有了预判依据，就不必对所有肺结节患者“一刀切”建议到大医院就诊，也能减少患者反复奔波和焦虑。
在风险识别之外，AI也在降低精准诊疗的门槛。肺癌靶向治疗需要基因检测，但传统NGS检测价格高、等待时间长、对样本要求高，在基层地区可及性不足。
梁文华团队研发的DeepGEM模型，尝试从肺癌病理图像中预测基因突变方向：先由AI提示可能的突变类型，再通过低成本检测进行确证，让更多患者更快获得精准治疗。
刘思德团队研发的手机胶囊胃镜，打造胃部疾病普筛的一站式创新解决方案。
AI还把部分筛查场景向社区和家庭延伸。在南方医院，消化内科主任刘思德团队探索的胶囊胃镜，正是面向胃癌筛查的另一种尝试。胶囊进入人体后采集图像，经过手机上传云端，再由AI辅助分析，让胃癌筛查不再完全依赖传统胃镜室和专科医生资源。
未来医生“吃香”的能力变了
AI越深入诊疗核心，越不能只是一个单向输出结果的“插件”。AI可以生成结果、压缩流程，但什么问题值得交给AI，结果是否可靠，流程如何落地，仍取决于医生的判断。
在中肿，AI已经进入放疗这样高度复杂的治疗流程。以鼻咽癌放疗为例，医生需要在多模态影像上勾画肿瘤靶区，还要标出脑干、视神经、脊髓等需要保护的危及器官。
“即便是有经验的医生，完成靶区勾画通常也要2至3小时，低年资医生耗时更久。”中肿放疗科研究生邓佳欣说。
中山大学肿瘤防治中心采用AI辅助“自适应放疗”模式。
如今，AI可先完成自动勾画，并在数分钟内生成放疗计划。但这不意味着医生和物理师可以退出流程。靶区覆盖是否足够，危及器官是否得到保护，剂量分布是否合理，患者当天状态是否适合治疗，仍需要人工共同复核。
不仅如此，在传统放疗中，一套计划可能在一个疗程中被反复使用，但肿瘤会退缩，患者体重会下降，解剖结构也可能发生变化。中肿借助AI，将CT扫描、AI勾画、人工修改、AI计划、人工评估和治疗压缩进连续流程。资料显示，全流程时间已缩短至20.8分钟，并完成400余例次临床应用。
中山大学肿瘤防治中心将AI运用在放疗计划中。
这说明，AI进入核心诊疗环节后，价值不只是“算得更快”，而是把过去分散在不同房间、不同岗位的流程重新组织起来。AI可以生成结果，但结果必须被医生修正、传递、互动和把关。
智慧医疗转型的变革，同样体现在医院智能体建设领域。南方医科大学南方医院信息中心副主任陈崑介绍，“南医小智”是一个通用智能体开发工具，临床医生无需写代码，只要梳理业务逻辑、提供专业规则和诊疗知识，信息中心则负责底层技术架构和系统数据打通。通过医工分工协作，临床需求可以更快转化为可落地的AI应用。
这意味着，AI时代医生的重要能力之一，不再只是回答问题，而是提出问题。临床医生能否准确识别诊疗流程中的痛点，梳理业务逻辑、提出专业需求，正在成为医疗AI能否真正落地的关键。
梁文华提到，现在写程序等工作已经可以由AI完成，关键反而变成“怎么把我们需要解决的问题完整地描述给大模型”。医生面对患者时能感知到很多细微信息，但这些信息并不容易完整输入给AI系统。
“如何把临床问题转化成清晰、完整、可执行的语言，变得越来越重要。”他说。
AI越强，越需要警惕新的依赖。中肿信息中心副主任何仲廉认为，AI可以用于医学教育，提高学习效率，但不能让学习者跳过形成判断力的过程。年轻医生仍要在学习阶段掌握不依赖AI的基础能力，理解AI给出答案的逻辑和原理，形成自己的思考方式和识别力。
医生还会“越老越吃香”吗？答案或许是：会。但未来更吃香的，不只是经验多的医生，而是能把经验转化为判断、问题和流程的人。
采写/拍摄：南方+记者 厉思璇