CSCO 热议:肿瘤 AI 走进临床,工具越智能,责任越清醒

技术带来效率提升的同时，风险边界也随之凸显。本次年会专家研讨，梳理出肿瘤 AI 落地的三层责任链条，值得每一位临床从业者牢记。

第一，临床医生是诊疗行为的第一责任人。无论 AI 输出何种参考方案，其定位只是辅助工具。如果医生未做临床研判，直接照搬 AI 结果用于诊疗，后续发生不良事件，相关责任需要由使用该方案的医师承担。

第二，若 AI 产生偏差根源于训练数据集缺陷，相应责任追溯至数据及模型生产方。例如：样本选择、数据标注错误等，但该追责成立的前提，是整套模型具备完整可溯源链路。

第三，警惕无合规备案的科研类 AI 原型。部分院内临时试用的科研模型，缺少完整溯源体系，一旦发生医疗纠纷，责任链条直接断裂，风险往往会转嫁到实际使用的一线医生身上。于金明院士在会上特别强调：AI 无法替代临床医生，工具智能化程度越高，越需要人的临床判断作为最终兜底。

大会达成一项关键行业共识：医疗 AI 是否可靠，核心并不取决于算法模型是否先进，而是由训练数据质量决定。目前市面上不少肿瘤 AI 普遍存在三类数据偏倚。

一是地域偏倚，多数模型训练样本来自头部三甲医院，落地基层医疗机构，面对不同地域人群时容易出现决策漂移；

二是病例偏倚，AI 会原样复刻原始病历中存在的记录疏漏、主观偏差，把既往临床的局限性固化为算法缺陷；

三是时间偏倚，部分模型采用陈旧历史病例训练，无法同步更新最新指南、药物证据，给出的建议存在滞后风险。也正因如此，国内专家反复倡导搭建中国本土化专病数据库，用本土真实世界数据训练适配国人的肿瘤 AI 系统。

面对逐渐普及的 AI 辅助工具，与其被动担忧风险，不如掌握可落地的临床操作原则，简单可以总结为：看溯源、重留痕、不甩手。

首先看溯源，调用 AI 给出的诊疗建议时，先要核实结论对应的循证来源、指南版本与证据等级。谨慎使用没有完成医疗器械注册、数据来源模糊的科研原型 AI，切勿直接将其用于常规临床决策。

其次重留痕，若临床工作中参考 AI 输出内容，医生复核、修改方案的思考过程，都应当完整记录在诊疗文书内，完整留痕是执业维权的重要依据。

最后不甩手，AI 只负责完成筛查、信息整理、方案建议等工作，最终诊疗判断、处方制定，必须由临床医生完成闭环，不能把临床决策权交由工具。

还有一个值得思考的新概念：医生日常书写的病历、做出的临床判断，正在沉淀为行业的数字资产。每一份真实临床记录，都在参与训练未来服务我们的 AI 系统。