夜雨聆风AI是 重构而非工具
当下，围绕“AI医生”的讨论常陷入一种技术工具论的简化框架：将其视为提升诊断准确率、优化工作效率的先进工具，并在此前提下探讨其落地障碍。
然而，这种视角严重低估了真正具有核心诊疗决策能力的AI所引发的深刻变革。其本质绝非一个更高效的“工具”，而是一场对现代医疗体系根基——权力结构、责任链条与知识生产模式——的系统性重构。
正是这种重构属性，而非单纯的技术不成熟，构成了其在中美乃至全球主流医疗体系中遭遇深层抵制的共同根源。
一、 权力结构的重构：从“专家中心”到“算法中心”
传统医疗体系是一个以专业医生为绝对核心的“专家中心化”权力结构。医生的权威来源于其经长期训练获得的、难以被标准化和完全显性化的临床知识与经验。这种知识垄断构成了职业合法性与医疗决策权的基石。
AI，尤其是通过深度学习从海量数据中提炼模式的AI，其运作逻辑直接挑战了这一结构。它试图将部分乃至全部的诊断决策过程，转化为一种基于统计规律的、可复现的“算法中心化”流程。这并非简单的辅助，而是决策权的迁移。
当AI的建议与专家意见相左时，谁拥有更高权威？这动摇了以个人经验与资历为核心的等级体系。
在无论中美，医疗行业都是一个高度专业自治、重视权威的领域，这种对核心权力的潜在稀释与再分配，必然遭遇来自体系内部的深刻不安与抵触。
二、 责任链条的重构：从“清晰人责”到“模糊系统责”
现代医疗法律与伦理体系建立在清晰的个人责任基础之上。医疗事故的追责，旨在定位到具体医生或医疗团队的过失。这是一种与“专家中心”权力结构相匹配的、相对明晰的责任链条。
AI的介入，使得这一链条变得模糊且复杂。一个错误的诊疗建议，其责任源头可能是多重的：训练数据的偏差、算法模型的内在缺陷、部署系统的配置错误，或是使用AI的医生未能合理审阅。这形成了一种分散的、系统性的责任网络。现有的法律框架在应对这种“人机混合”责任时捉襟见肘。
在美国的诉讼文化下，这种模糊性令医院和医生望而却步；在中国的医疗纠纷处理语境下，同样缺乏清晰的认定标准。责任归属的不确定性，成为悬在AI临床落地之上的“达摩克利斯之剑”，使得医疗机构在引入核心诊疗AI时极度审慎。
三、 知识生产模式的重构：从“经验传承与实证研究”到“数据驱动迭代”
传统医学知识的生产，遵循着“临床经验积累-形成假说-严谨的临床试验（RCT）-写入指南”的路径。这是一个相对缓慢、由人类专家主导、强调因果逻辑的过程。医生的价值，很大程度上体现在对这种权威化知识的掌握、解读与情境化应用上。
AI的知识生产则基于截然不同的范式：数据驱动下的相关关系发现与模式识别。它可以从海量真实世界数据中直接发现人类未曾注意到的关联，其知识更新是实时、连续、自动化的。这带来两个颠覆性影响：其一，它可能绕过传统RCT的“金标准”，挑战了既有的知识权威体系；其二，它使得医学知识的生产某种程度上“去中心化”和“黑箱化”，专家不再是唯一的知识创造者与诠释者。
对于中美两国建立在经典医学教育体系和科研评价体系之上的学术共同体而言，接受并信任这样一种异质性的知识生产模式，需要价值观念与制度的根本性调整。
四、 中美体系的共同困境：旧系统无法容纳新范式
理解了上述三重重构，便能看清为何AI医生在中美截然不同的医疗体系下却面临相似的困境：
在美国：以高昂商业保险和私立医院为核心的体系，对医疗事故的法律风险极度敏感（责任重构挑战），且强大的医生协会对维护专业自主权（权力重构挑战）有着深厚传统。同时，FDA等机构对基于AI的医疗设备审批，仍在传统药品器械监管框架内艰难探索，难以完全适配算法持续学习的特性（知识生产重构挑战）。
在中国：以公立医院为主体、强调公益性的体系，内部同样存在稳固的科层制与专家权威（权力重构挑战）。在“维稳”和清晰化解纠纷的压力下，责任模糊是管理者的巨大顾（责任重构挑战）。此外，医保支付体系主要针对明确的、项目化的医疗服务付费，难以衡量并补偿AI带来的系统性效率提升价值，导致医院缺乏经济动力。
两者的核心共性在于：现有的医疗系统，是一个为“人类医生中心”范式而高度优化和稳定的复杂系统。 它所有的制度安排、利益格局、文化观念和基础设施，都是围绕这一范式构建的。AI医生代表的是一种全新的、异质性的“算法增强”或“人机协同”范式。试图将后者生硬地嵌入前者，必然引发系统的“排异应”。
结论
因此，AI医生落地的根本出路，不在于持续打磨技术以“适应”旧系统，而在于构建或孕育能与新范式匹配的“新系统”。
1. 新型医疗服务组织：如完全以数字孪生和AI运营为核心的数字医院、健康管理平台，其管理模式、薪酬体系、责任设计从零开始便为“人机协同”而打造。
2. 颠覆性支付模式：如按价值付费、按人群健康结果付费的保险产品，其成功依赖于最大化利用AI提升全流程效率，从而为新系统创造经济可行性。
3. 前瞻性监管沙盒：在限定范围内，允许新的责任认定规则、行医资格定义和商业模式进行试验，为系统重构积累制度经验。
AI医生所揭示的，是一场医疗体系的“范式转移”。它的困境并非技术，而是范式在遭遇旧体系结构惯性时的必然阵痛。它的未来，不取决于能否成为旧系统里更出色的工具，而取决于能否参与缔造一个属于新范式的新系统。
