人工智能技术在医疗领域的应用正重塑临床诊疗模式，使传统“医-患”双边关系转变为“医生-医疗人工智能-患者”三方互动的新型关系。《美国医学会杂志》（JAMA）发表的《Ethical Obligations to Inform Patients About Use of AI Tools》，文章直面医疗AI伦理的核心争议：医生是否有义务告知患者AI工具的使用，以及如何履行这一义务。该议题直接关联患者自主权原则，是AI时代对“患者需求至上”医学承诺的再确认。

尽管AI在提升诊断准确性和优化治疗方案方面潜力显著，但临床实践中缺乏明确的告知规范，导致患者常在不知情下接受基于AI的诊疗建议。这种信息不对称不仅侵蚀医患信任，更实质影响患者的自主决策权。研究显示，基础大语言模型与医生在医学伦理共识上仅存在“轻微至一般”的一致性，凸显建立明确AI使用告知伦理框架的紧迫性。

【患者自主性与知情同意的演进】

患者自主性是医学伦理的核心。AI工具的介入扩展了知情同意的内涵：

1.信息基础扩展：患者需知晓AI参与程度、作用机制及潜在限制。

2.决策过程透明：患者应理解AI结论如何影响医疗判断，包括医生是否审核AI建议。

3.数据使用授权：患者应了解个人信息在AI系统中的使用范围与保护措施。

AI医疗环境下面临形式化同意与捆绑性选择等挑战，许多患者被迫在“全部接受”与“完全拒绝”间抉择，削弱了知情同意的伦理实质。

【医患信任与可靠性鸿沟】

AI引入对医患信任产生双重效应：一方面，AI缺乏情绪支持和共情；另一方面，其“黑箱”特性导致医生和患者均难以验证可靠性。信任关键从“患者对医生的信任”转变为“通过医生代理对AI系统的信任”，增加了医生的解释负担。若医生无法合理解释与AI建议的差异，可能引发患者对医生专业能力的质疑。

【数据隐私与公正性】

AI工具依赖大规模患者数据，引发隐私与伦理问题。患者数据可能在未充分授权下用于商业开发或算法训练。此外，算法偏见可能导致对特定群体的诊断不公，患者有权知晓AI工具的局限性及潜在影响。

【临床实践中的告知障碍】

伦理上告知义务必要，但实践面临挑战：

1.专业认知不对称：AI复杂性使医生难用通俗语言解释。

2.时间限制：门诊时间有限，难以充分解释。

3.机构支持不足：缺乏统一告知标准与培训资源。

不同AI工具需差异化告知标准，如辅助诊断系统与自主决策系统对知情权影响不同，告知深度应有区别。

【知情同意流程的优化策略】

为应对挑战，需重构知情同意流程：

1. 分层级告知机制：根据AI风险等级建立差异化告知要求。

2. 可视化决策辅助：用图表等工具直观展示AI作用。

3. 动态同意机制：在AI使用范围变化或系统更新时重新获同意。

需避免“同意疲劳”，贯彻“合理限度、最小必要”理念。

【责任认定框架的重建】

AI使医疗责任认定复杂化，需构建“法律-技术-伦理”三维框架：

1. 法律层面：按AI自主决策等级划分责任主体，界定医疗机构、医生、开发者责任。

2. 技术层面：推行算法审计，要求可追溯决策日志，定期临床验证。

3. 伦理层面：建立多元人工智能医疗伦理委员会。

司法程序中，对AI医疗纠纷可适用“举证责任倒置”，由医疗机构和开发者承担主要举证责任。

【分级告知制度的建立】

按AI工具类型和风险水平建立分级告知：

1. 基础告知：低风险工具（如行政自动化）可在一般同意书中包含条款。

2. 标准告知：中等风险工具（如诊断辅助）需独立同意流程。

3. 强化告知：高风险工具（如自主决策）需书面说明、专门咨询和多渠道确认。

分级机制平衡患者知情权与临床工作负担。

【人文关怀与医患沟通的保障】

AI代更需强调医学人文内核：

1. 双轨合模式：用AI提效的同时，分配时间深入沟通。

2. 沟通技能培训：培养医生解释AI决策、讨论不确定性的能力。

3. 患者教育：提升患者数字健康素养，帮助理解AI报告。

通过“双向解释机制”，使患者理解AI的辅助角色。

【伦理治理与系统保障体系建设】

构建全面伦理治理体系：

1. 全周期数据治理：实施分级授权，动态知情同意。

2. 透明度增强工具：开发患者友好解释界面。

3. 多元化监督：行政监管、企业自治、社会参与共治。

医疗机构应举办AI监督培训，培养医生识别算法偏差等能力。

JAMA该文探讨的告知义务反映医学伦理在AI时代的发展需求，源于患者自主性原则及应对新型伦理挑战的必然。未来应坚持以人为本、智能向善，通过技术赋能与规则约束的平衡，筑牢数字医疗信任基础。技术应增强而非取代医患关系，拓展而非限制患者自主性。

告知义务不仅是法律合规要求，更是维系医患信任、尊重患者自主权的伦理承诺。通过健全告知框架、明确责任体系和以人为本的服务文化，可引导AI医疗向善发展，最大化患者福祉。