最近几个月，段涛的诊室里多了一个“人”。

病人坐下以后，医生照常问诊。与此同时，Med-Go读取病史，提取关键信息，遇到复杂病例，还会给出诊疗建议。

段涛是同济大学附属东方医院妇产科主任，也是医院医学人工智能创新中心主任。8月8日，他在接受媒体采访时用了一个很有意思的词：

“含人量”。

他说，现在医疗决策的“含人量”接近100%，随着AI能力提高，未来这个比例可能逐渐降到10%以内，医生只在关键环节把关。

先说清楚，10%不是今天医疗AI已经达到的水平，也不是政策设定的目标，而是一名临床医生对未来的判断。

但这个判断值得认真对待。

因为机器已经不满足于坐在医生旁边查资料了。

它开始往诊疗流程里面走。

01

今年3月，Med-Go覆盖了上海浦东新区46家社区卫生服务中心，在上海之外，也已进入30余家三甲医院。

在浦东的社区医院里，它会把患者过去的就诊记录、慢病情况、手术史拉到一起，生成健康画像，再给医生提示。

报道提到，在那些看起来病情平稳、只是来复诊开药的患者中，系统已经识别出282例危重信息。

这其实比“AI诊断准确率又提高了多少”更值得看。

因为医生每天真正花时间的，并不全是疑难杂症。

一个成熟的主治医师，可能十几秒就能对一个常见病例形成基本判断，但把主诉、病史、检查结果录进系统，往往要花5到10分钟。

AI最先拿走的，恰恰是这些工作。

问病史，机器可以先问。

病历，机器可以先写。

影像，机器可以先筛。

指南，机器可以先查。

鉴别诊断，它甚至可以一次给出医生容易遗漏的那几个可能。

国家卫健委2024年发布的《卫生健康行业人工智能应用场景参考指引》，已经列出了4大类、13小类、84个AI应用场景，基层全科辅助决策、医学影像辅助诊断、智能预问诊、智能随访、患者用药指导，都在里面。

上海走得更远。

7月30日发布的“十五五”卫生健康规划，把一个数字直接写到了2030年：

“人工智能+卫生健康”应用场景在医疗机构覆盖率达到100%。

所以现在的问题已经不是AI会不会进医院。

而是：

它进来以后，医生还做什么。

02

最先感到压力的，可能不是那些最好的医生。

恰恰是大量处在中间位置的人。

过去医院里有一条很长的知识链条。

年轻医生问主治，主治问副主任，副主任拿不准，再去找主任。

基层医生碰到复杂患者，往上转。

病人看完普通门诊觉得不放心，再去挂专家号。

这条链条背后，说到底是一种知识差。

有人知道得多，有人知道得少。

AI正在迅速把这道差价压低。

浦东一名全科医生在使用Med-Go后甚至判断，系统掌握的医学知识已经超过部分副高职称医生；因为它可以直接提供诊疗思路，年轻医生的培养时间有可能缩短一到两年。

听上去是件好事。

但这里藏着另一个问题：

医生到底是怎么长出来的？

一个住院医第一次接腹痛病人，会漏掉一些问题。

病历交上去，被上级划得满篇都是红线。

第一次看片子，只看到了最明显的病灶。

第一次值夜班，面对一个症状模糊的老人，心里没有底。

这些今天看来低效、重复、甚至有点笨拙的过程，本来就是医生训练的一部分。

做过一千次，才慢慢知道哪些信息重要。

犯过一些错，才知道哪些地方必须多看一眼。

如果AI太早把答案递到年轻医生手里，问题就会变成：他得到了主任的答案，却有没有主任形成这个答案的能力？

这可能会成为医疗AI进入医院后，一个越来越麻烦的教育问题。

机器可以缩短找答案的时间。

但临床经验未必能够下载。

03

还有一笔账，更难算。

医疗决策的“含人量”可以下降，医疗责任的“含人量”怎么办？

至少现在，它们并不是一起下降的。

《互联网诊疗监管细则（试行）》规定得很明确：处方应当由接诊医师本人开具，严禁使用人工智能自动生成处方。

意思很简单：

机器可以提醒你。

机器可以分析。

机器可以告诉你它认为最可能是什么病。

但最后那个按钮，还是医生点。

如果AI提示“低风险”，医生同意了，后来发现是急症，责任怎么算？

反过来，AI连续报警，医生凭经验认为没事，最后偏偏出了问题，又该怎么算？

过去发生医疗纠纷，大家追的是：

这个医生当时为什么这么判断？

以后可能还要多问两句：

AI当时说了什么？

医生为什么相信它，或者为什么没有相信它？

医生于是会面对一种很微妙的处境。

AI帮他做的事情越来越多。

真正由他完成的动作越来越少。

但是出了事情，名字仍然是他的。

“含人量”可能变成10%，但“含责量”未必也是10%。

这才是很多医生真正会犯嘀咕的地方。

04

所以AI进入医院以后，未必简单意味着“医生失业”。

更可能发生的是，医生这个职业内部开始重新定价。

最先便宜下来的，是那些能够被标准化的知识劳动。

记住多少指南，知道多少药名，背出多少鉴别诊断——这些过去要靠十几年训练积累的东西，AI可以瞬间调出来。

真正开始变贵的，是另一部分。

一个老人说“胸口有点不舒服”，到底哪句话值得追问；

五种治疗方案都符合指南，哪一种适合眼前这个人；

癌症晚期患者究竟还要不要继续治疗；

一个检查值不好看，是继续查，还是告诉病人先回家观察。

以及最后那件最麻烦的事：

谁来做决定，谁来承担这个决定。

上海的规划里有一个很耐人寻味的对照。

一边，到2030年AI应用场景在医疗机构覆盖率要达到100%；

另一边，同一份规划仍然提出，千人口执业医师数要达到3.7人。

至少目前，政策并没有把AI理解成简单的“减医生”。

真正被重新分配的，是医生每天的时间和价值。

以后医院里也许依然坐着这么多医生。

只是他们不再需要花那么多时间写病历、查资料、填表格、做重复判断。

原来坐在诊疗桌中央的“医学知识”，正在被AI挪走。

而那些过去常常被放在桌边的东西——经验、沟通、取舍、责任——反而被请到了中间。

05

所以“10%含人量”真正值得讨论的，从来不是10%这个数字。

而是它逼着医疗行业回答一个过去很少需要回答的问题：

如果90%的事情机器都能做，一个医生究竟为什么还必须坐在那里？

过去答案很简单。

因为他懂医学，病人不懂。

以后这个答案可能不够用了。

当患者口袋里的AI也读过指南、论文和病例，当基层医生面前的系统也能调用几十个专科智能体，“知道得多”本身会越来越便宜。

医生真正留下来的价值，可能恰恰是那些最不像算法的东西：

知道什么时候不能相信标准答案；

看见一个具体的人，而不只是一个病例；

在没有完美答案的时候，仍然敢做选择。

还有最后一点——

机器可以给出建议，但总得有人愿意留下自己的名字。

也许有一天，医疗决策真的只剩10%的“含人量”。

那10%，反而可能是医学里最贵的部分。

参考资料

1. 《中国新闻周刊》：《“含人量”10%，医生革自己的命？》，2026年8月8日。
2. 上海市人民政府：《上海市卫生健康发展“十五五”规划》，2026年7月。
3. 国家卫生健康委等：《卫生健康行业人工智能应用场景参考指引》，2024年11月。
4. 国家卫生健康委、国家中医药局：《互联网诊疗监管细则（试行）》。
5. 国家卫生健康委：关于基层人工智能辅助诊疗应用有关提案、建议的答复，2025年。