AI医生进入监管快车道

最近几天，Washington Post 的一篇文章《Inside the Trump-backed push to bring AI doctors into American medicine》火了。

这篇文章不是在讲医院多装一个 chatbot，而是在讲美国政府正在把 AI 推进诊断、处方续配和数字健康审批流程：FDA 加速数字健康产品审批，Utah 测试 AI 处方续配，白宫内部讨论“独立 AI 医生”的监管路径。

真正值得注意的不是“AI 会不会看病”这个口号，而是另一个更硬的问题：当 AI 从建议工具进入医疗动作，谁对结果负责？

医疗为什么会成为 AI 的快车道

医疗系统太堵了。

美国很多地区缺医生，专科医生更缺。慢病续方、首诊分流、病历摘要、保险审核、远程问诊，这些任务既消耗医生时间，又看起来高度流程化。对政府和创业公司来说，AI 的吸引力很直接：24 小时在线，成本低，扩张快。

Washington Post 报道提到，相关动作包括约 5000 万美元的心血管 conversational AI 研究资金、Utah 的 AI 处方续配试点，以及类似自动驾驶汽车监管路径的 AI 医生框架讨论。

但医疗不是普通客服。

AI 给错建议，不是用户体验差一点，而是患者可能延误治疗、误服药物，甚至错过急救窗口。

Utah 与 Doctronic 的合作，是这条线最具体的样本。

Utah 官方在 2026 年 1 月宣布，通过监管沙盒测试 AI 处方续配。这个项目针对慢性病常规药物续配，目标是评估临床安全协议、患者体验和真实世界效果。

Stanford HAI 的分析指出，这个试点涉及约 192 种慢性病药物，早期会有医生验证 AI 的动作，但它可能成为医疗领域规模化部署自主 agent 的早期案例。

续方听起来低风险，但并不简单。剂量、禁忌、肾功能、妊娠状态、药物相互作用、病情变化，都可能让“常规续配”变成高风险决策。

监管沙盒的好处是可控试验。风险是，它也可能被包装成绕开传统医疗监管的通道。

支持 AI 医疗的人常说，大模型已经通过很多医学考试。这是真的，但考试成绩不能直接证明它能做医生。

Oxford 与合作机构发表在 Nature Medicine 的研究更接近真实使用场景。近 1300 名参与者在医疗情境中使用 LLM 或传统方法判断疾病和下一步行动，结果显示，使用 LLM 的人并没有比使用 Google 搜索或自身判断的人做得更好。

OPB/NPR 对这项研究的报道还提到，参与者在与 AI 交流后，正确识别假设病情的比例大约只有三分之一，只有 43% 做出了正确下一步决策。

问题不只是模型知识不够。

普通人不知道该告诉模型什么，模型也不能稳定地引导患者补充关键病史。医疗决策里，缺一条信息就可能改变结论。

AI 医生听起来像普惠叙事：更便宜、更快、更容易获得。

但从产业角度看，医疗入口本身是一块巨大市场。谁掌握患者第一轮问诊，谁就掌握分诊、转诊、处方、保险支付、药品续配和长期健康数据。

这个入口一旦由 AI 接管，平台公司、医疗创业公司、保险公司和医院集团的权力关系都会变化。

如果 AI 的目标是帮患者更快见到合适医生，它可能缓解医疗系统压力。如果目标是减少就诊、压低成本、自动挡住需求，它就可能把风险推给最缺资源的患者。

医疗系统可以接受工具出错，但不能接受责任消失。

如果 AI 续方导致患者不良反应，责任在谁？AI 公司、州监管沙盒、医生、药房、患者，还是批准试点的政府机构？

如果医生只是形式上验证，实际没有时间逐条审查，责任是否会被转嫁给医生？

更稳妥的路径，是把 AI 放在可审计的辅助层：每一次建议都有来源、风险提示、置信边界、责任人和人工复核条件。越靠近诊断和处方，越需要明确谁签字、谁负责、谁能暂停系统。

AI 医生不是不能来。问题是，它不能先来，责任才慢慢补上。

参考来源：

Washington Post, “Inside the Trump-backed push to bring AI doctors into American medicine”
Utah Department of Commerce, “Utah and Doctronic Announce Groundbreaking Partnership for AI Prescription Medication Renewals”
Stanford HAI, “Utah’s Experiment With AI-Driven Prescription Renewals”
STAT, “What do early data from Utah’s Doctronic AI pilot show?”
NIHR Oxford Biomedical Research Centre, “Study warns of risks in AI chatbots giving medical advice”
OPB/NPR, “ChatGPT might give you bad medical advice, studies warn”