AI 医疗责任界定:AI 给出错误诊疗建议,风险该由谁承担?

依据我国《民法典》，能够承担民事侵权责任的主体仅包含自然人、法人与非法人组织。人工智能算法、大模型、辅助诊断系统不属于法律意义上的责任主体，无法独立成为被告，不能直接承担赔偿责任。这一条划定了所有纠纷判定的底层逻辑。

通俗来说，AI 类似于听诊器、CT 设备这类医疗器械。工具本身不会担责，纠纷裁决核心是溯源：错误产生的根源，究竟是算法本身存在缺陷，还是使用者过度依赖、未尽到人工复核义务。

同时需要区分两类场景，二者判定标准截然不同：

一类是医疗机构内持证医师使用合规 AI 医疗器械开展辅助诊疗；另一类是面向普通大众的消费级 AI 健康咨询工具，无执业医师参与。很多大众容易混淆 "健康咨询" 与 "临床诊断"，这也是大量纠纷产生的源头。通用大模型输出的健康建议，不能等同于正规医院诊疗结论。

在医院场景，AI 作为辅助决策工具，执行 "人在环路"（human-in-the-loop）原则，医生拥有最终诊疗决策权。结合国内司法实践与《民法典》相关规定，责任分为三种典型情形。

情形 1：医生盲目采信 AI 结论，未履行专业复核义务

这是目前医疗纠纷中最常见的情况。AI 给出参考诊断方案，接诊医生未结合患者病史、体征、其他检查结果综合研判，直接照搬 AI 结论，最终造成漏诊、误诊。

参考国内典型判例：2025 年，上海某三甲医院引进 AI 影像诊断系统辅助分析胸部 CT。一名患者检查后，AI 系统在报告中明确标注 "右肺上叶结节，建议进一步检查"，但接诊医生未予重视，仅建议定期复查，未安排增强 CT 或穿刺等进一步检查，病历中亦未记录 AI 提示内容。患者后于外院确诊晚期肺癌。法院最终判定医疗机构承担赔偿责任（赔偿金额约 127 万元），核心理由为：医生未对 AI 提示的风险给予足够重视，未尽到与当时医疗水平相应的诊疗义务。

责任判定：医疗机构承担首要赔偿责任。医生作为最终决策人，负有审慎审查义务；医院需要建立 AI 使用规范、完善操作留痕，内部可对失职医生追责，但不能以此对抗患者。

情形 2：错误根源来自 AI 产品原生缺陷

如果经过第三方技术鉴定证实：误诊源于算法设计漏洞、训练数据存在严重偏倚、模型未充分验证、产品超出注册适用范围等原生问题。例如训练缺少亚洲人群病例，导致特定人群识别持续出错。

此时应适用《民法典》第 1223 条（原《侵权责任法》第 59 条）关于缺陷医疗产品责任的规定。该条规定："因药品、消毒产品、医疗器械的缺陷造成患者损害的，患者可以向生产者请求赔偿，也可以向医疗机构请求赔偿。患者向医疗机构请求赔偿的，医疗机构赔偿后，有权向负有责任的生产者追偿。"

责任判定：医疗机构与 AI 研发企业对患者承担不真正连带责任。患者可直接向医疗机构索赔；若损害系因 AI 产品缺陷所致，医疗机构赔付后有权向 AI 研发企业追偿。前提是该 AI 产品依法取得医疗器械注册证；若企业售卖无证医疗 AI 产品，将承担更重的法律责任。需要指出的是，根据《产品质量法》第 46 条，"缺陷" 是指产品存在 "不合理的危险" 或不符合保障人体健康的国家标准、行业标准。

情形 3：医生充分履行复核义务，仍然难以规避风险

面对罕见病、不典型病例，医师综合所有信息、按照诊疗规范审慎判断，AI 与人类医生均出现判断偏差，属于现代医学客观存在的医疗风险。这种情况一般不认定存在过错，无需承担侵权责任。

OpenAI 于 2026 年 1 月推出的 ChatGPT Health、各类 AI 健康小程序等 C 端产品持续普及，新的责任争议不断涌现。这类产品大多明确标注：仅作健康科普参考，不构成诊疗建议，不能替代执业医师。

普通用户自行使用 AI 工具，未就医：用户自主依据 AI 建议自行用药、延误就诊，产生健康损害，主要风险由使用者自行承担。但如果平台刻意夸大 AI 诊疗能力、刻意隐瞒模型局限性，平台运营方需要承担相应过错责任。

线上互联网医院模式：AI 仅作为前置信息采集工具，最终由执业医师审核并出具诊疗方案。一旦发生诊疗失误，责任主体为互联网医院及执业医师。

这里存在显著监管难点：大量通用大模型没有医疗器械注册资质，却开放健康问答功能，极易让普通人混淆 "咨询" 和 "诊断"，行业合规灰色地带持续存在。

1. AI "黑箱特性"，错误溯源难度极高

传统医疗设备故障容易定位，而生成式医疗大模型存在天然黑箱问题。出现错误诊疗建议时，很难区分：究竟是模型幻觉、输入信息不足、数据偏差，还是使用者人为失误。缺少标准化的算法鉴定体系，导致大量纠纷难以举证。可解释 AI（XAI）技术、链式思维推理（Chain-of-Thought）框架，正是为了解决推理链路无法追溯这一痛点。

2. 持续自学习 AI，带来监管挑战

传统医疗器械定型后参数固定；但不少医疗大模型支持线上持续迭代、增量学习。模型上市注册完成后，后台算法悄然更新，更新后产生的新错误，责任归属暂无清晰法规界定。国家药监局（NMPA）已发布《人工智能医疗器械注册审查指导原则（2022 年及后续修订版）》，对深度学习算法的更新控制提出审查要求，但针对生成式大模型持续学习的全生命周期监管框架仍在完善中。

3. 权责失衡抑制临床使用意愿

不少临床医生存在顾虑：使用 AI 增加纠纷风险，一旦出错需要承担责任，却很难享受技术带来的收益。这种心态造成部分医疗机构对 AI 医疗工具持保守态度。如何平衡技术创新风险与医务人员保护，是政策制定需要考量的重点。

想要理清 AI 医疗责任，不能单纯依靠事后诉讼，需要建立全流程风险防控体系。

技术层面：优先发展可解释 AI、链式思维推理框架，完整留存 AI 输入信息、输出结论、置信度、推理链路，做到全程可追溯；系统主动标注局限性、不确定病例，减少过度自信式的错误输出。

商业合作层面：医院与 AI 厂商签订采购协议时，明确算法缺陷对应的赔偿条款、模型迭代告知义务、不良事件上报机制，提前划分风险。但需注意，采购合同中的责任约定不能对抗患者依据《民法典》第 1223 条直接向医疗机构主张的权利。

医疗机构管理层面：建立标准化制度，明确 AI 仅作辅助，严禁直接采用 AI 结论作为最终诊断；完整留存人机交互记录，定期开展医务人员培训。

监管层面：持续完善 AI 医疗器械全生命周期监管，区分高风险诊疗 AI 与普通健康咨询工具，推动建立第三方算法技术鉴定机制，填补立法空白。