夜雨聆风在拉萨看心脏病，是一种什么体验？
今年4月，拉萨市人民医院接诊了一位藏族老人。心脏不适，去北京太远，去成都也不方便。最后在本地做了超声检查。
给我讲这个故事的是拉萨市人民医院超声科主任梁建彪。他说了一个细节，让我愣了好几秒。
「借助安贞AI大模型，在拉萨就像拥有了北京专家的'大脑'。」
「这些大模型见过的病例，远远超过一名医生终生所见到的病例。」
这句话让我突然意识到一件事：我们一直以为AI医疗还很遥远，但其实它已经悄悄上岗了。
说真的，我之前对「AI医疗」的理解，还停留在科幻片里那种机器人做手术的画面。
我觉得那至少是十年后的事。
直到我看到一份报告——北京协和医院的专科专病智能体矩阵，已经下沉到全国30余省份的县域及乡镇医疗机构。这不是试点，不是实验，是实打实的日常诊疗。
110余个智能体，覆盖罕见病、心肺影像、肿瘤放疗、妇科盆底等领域。其中协和太初罕见病辅助诊疗全流程智能体的遗传变异分析精准度达到99%，协作效率较人工提升33%，已经推广至419家医院。
数字很枯燥，但我看到梁建彪那句话的时候，突然觉得这些数字有温度了。
一个藏区老人不用再坐两天飞机，就能得到北京专家水平的诊断。这不是科幻，这是正在发生的事。
你可能会问：AI医生到底能做什么？靠不靠谱？
我查了查，发现它们不是来抢饭碗的，是来当助手的。
先说读CT这件事。
北京天坛医院放射科主任刘亚欧介绍了「小君医生2.0」。这个系统覆盖头CT近百种疾病，报告生成时间缩短至1分钟以内，诊断准确率接近80%。
注意这个数字：80%。文章里写得很清楚，部分复杂病例的识别能力「超过住院医甚至高年资医生水平」。
这个系统目前已在全国14个省市40余家医疗机构应用。形成的工作流程是：「AI写初稿、医生审核定稿」。
不是AI单独干活，是人机协作。
我特意查了查，天坛医院这套系统的定位很清晰：它是来帮放射科医生解决「报告积压」和「漏诊风险高」这两个核心问题的。一个CT室每天可能要处理上百份片子，医生精力有限，疲劳的时候确实容易漏掉一些细节。AI先扫一遍，把可疑的地方标出来，医生再重点看这些区域。效率高了，漏诊率也降了。
再说看慢病这个场景。
北京大学第一医院副院长杨莉介绍了慢性肾脏病共病数字医生助手。
这个系统有意思的地方在于它的「双引擎」架构：
规则引擎负责「不出错」——通过危机值预警、关键指标识别、不合理处方拦截保障患者安全。大模型引擎负责「更懂人」——模拟肾脏病、高血压、糖尿病等多学科专家会诊给出个体化建议。
总结一下，AI负责兜底和提效，医生负责最终判断。
这个助手目前已在北京西城区社区机构落地，覆盖3省份超百万人。应用后有个数据很有意思：社区医生肾脏病筛查诊断掌握率达到100%。
以前社区医生可能漏诊的病，现在能筛查出来了。
我想了想这个数字的含义：社区医生以前可能没怎么接触过肾脏病专科训练，遇到相关症状不一定能想到是肾脏问题。现在AI会主动提示，漏诊率自然就降下来了。这不是AI比医生聪明，而是AI不会疲劳、不会遗漏。
眼科筛查这件事也很有意思。
北京同仁医院院长袁进说了一套系统，可以「一眼双筛」——既查致盲性眼病，又预警高血压、糖尿病等全身慢病。
目前已在30个省份、140个地市落地，累计服务超过3000万人次。
袁进还说了一句话让我印象深刻：「我们做到了'墙里开花墙外香'。」
致盲性眼病和重大慢病筛诊智能体已在东南亚、海湾国家等地应用，前不久还收到了南美洲国家的采购需求。
中国AI医疗正在出口。
这个信息让我挺意外的。我一直以为中国在AI医疗上是「追赶者」，没想到在某些细分领域已经是「输出者」了。同仁医院的眼科AI系统能做到「一眼双筛」，靠的是大量中国患者的眼底数据训练出来的。中国人多、病患多、数据多，这个优势在AI医疗领域确实很明显。
你可能觉得这些都是北京、上海大三甲医院的事，跟你没关系。
我一开始也是这么想的。
直到我看到这组数据：
安贞医院心血管疾病超声诊断及决策智能体，已在31个省区市的1000余家医疗机构落地应用，其中包括西藏、新疆、宁夏、青海等西部边远地区，惠及130万出生人口。
协和罕见病智能体，已推广至419家医院，覆盖全国30余省份的县域及乡镇医疗机构。
天坛医院「小君医生2.0」，已在全国14个省市40余家医疗机构应用。
注意几个关键词：
「县域及乡镇」——不是只在大城市。
「西藏、新疆、宁夏、青海」——不是只在北京上海。
「1000余家医疗机构」——不是实验室里的demo。
我特意查了一下，这些机构的落地不是今年才开始的，但很多人并不知道它们已经在了。
就像梁建彪说的那句话：在拉萨，借助安贞AI大模型，在拉萨就像拥有了北京专家的「大脑」。
这句话对拉萨人来说是真的。但对大多数住在城市里的人来说，可能还不知道自己家附近的社区医院已经有了类似的系统。
比如很多县城医院，现在其实已经接入了协和、天坛等大医院的AI会诊系统。只是很多人还不知道这件事，依然觉得小地方看病不靠谱，非要去大城市排队。
你可能会问：为什么是现在？
我查了查，发现这件事的背后有一个关键推手。
2025年5月，北京市启动了首批医疗领域国家人工智能应用中试基地建设。这个基地做什么的呢？简单说就是给AI医疗产品提供一个「中试验证」的环境。
袁进说了一句话：「过去眼科AI产品从论文到上市平均需要5至8年，缺的就是标准化中试环境。」
而依托中试基地建立的「三标两审」质控体系，多款产品完成中试验证并推向市场，研发成本降低40%，上市周期缩短。
这就是为什么你感觉AI医疗突然「冒出来」了——不是技术突然成熟了，而是审批和落地的流程变快了。
还有一个数据值得注意：中国联通京医大模型公司宣布启动「高质量数据集亿元支持计划」，设立超1亿元专项支持资金，面向医疗机构、科研院所及AI企业征集临床诊疗、医学影像等六大类医疗数据。
有钱进来了，基础设施建起来了，AI医疗的爆发期可能真的要来了。
我知道你在想什么：AI看片子、看CT，出了事谁负责？
这个问题我问了自己一路。
查完之后发现，目前的AI医疗系统都采用「人机协作」模式：AI出初稿，医生做最终判断。但责任界定的问题确实还没有完全解决。
行业内的观点是：AI在提升效率的同时，数据出域风险、责任界定模糊等问题仍待明确。目前更多是「锦上添花」，要成为医生离不开的「同事」，还有很长的路要走。
不过我想说另一个角度。
与其担心AI会不会出错，不如想想如果没有AI会怎样。
梁建彪说了一个数据：安贞AI大模型见过的病例，远远超过一名医生终生所见到的病例。
这不是夸张。协和太初罕见病辅助诊疗智能体，已经覆盖了419家医院的罕见病诊断案例。对于罕见病来说，病例数量直接决定诊断准确率。人类医生一辈子可能只能遇到几十例，但AI见过几千例、几万例。
有时候，问题不是AI靠不靠谱，而是没有AI的话，我们本来就不够靠谱。
我想起一个比喻：AI医疗就像飞机的自动驾驶系统。它不是用来取代飞行员的，而是用来在巡航阶段减轻飞行员的负担、在紧急情况下给飞行员提供决策支持的。飞行员仍然是最终负责人，但有了自动驾驶，飞行确实更安全了。
说了这么多，你可能会问：所以呢？我能做什么？
第一，去你家社区医院的时候问一下：有没有AI辅助诊断系统？
我查了查，北京西城区、上海部分社区医院已经有了慢病AI助手。如果你有高血压、糖尿病等慢性病，问问医生有没有AI辅助工具可以帮你更好地管理疾病。
第二，定期体检，别偷懒。
北京同仁医院的「一眼双筛」系统，眼科检查的同时可以预警高血压、糖尿病。你做个眼科检查，AI可能顺便发现你全身的问题。
我查了一下这个系统的逻辑：眼底血管是全身唯一可以直接观察的血管，很多全身性疾病在眼底都有早期表现。AI通过分析眼底照片，可以发现高血压、糖尿病的早期迹象。这比你每年等发病了再去治，要省事多了。
第三，如果你或家人有疑难杂症，别急着去北京上海。
先问问当地医院有没有接入协和、301、天坛等医院的AI会诊系统。很多情况下，北京专家能看的片子、做的诊断，你家县城医院现在也能做了。
我不是说所有病都不用去大医院了，而是说有些病可以在当地解决，没必要折腾。节省的不只是路费，还有时间精力，以及那些本该花在治疗上的注意力。
第四，关注但别迷信。
AI医疗现在确实在快速发展，但还没有到「AI取代医生」的程度。查出来有问题，还是要去医院找真人医生看。但有了AI，你的检查可能会更准确、诊断可能会更快。
写这篇文章的时候，我一直在想一个问题：
我们总是觉得AI要取代什么、要颠覆什么。但这次，它做的事不一样。
它在帮一个藏区老人不用坐两天飞机就看到北京专家。
它在帮一个乡镇医生发现他可能会漏诊的病。
它在帮一个没有条件的地区，享有和有条件地区一样的医疗资源。
这些事情，没有AI做不成吗？也能做成，但要很久、要很贵、要很多人。有了AI，这件事变得更快、更便宜、更普及。
所以你说AI靠不靠谱？
我觉得，当它能让一个拉萨老人不用折腾就看好心脏病的时候，它已经很靠谱了。
至于未来会怎样？
我不知道。但我知道一件事：家门口的AI医生，可能比你想象的更靠谱。下次去社区医院，别忘了问问它。
作者：军哥的AI手记
本文首发于2026年6月16日
*本文数据来源：人民日报海外版2026年6月16日报道《哪些"AI医生"已上岗？》*
