医疗保健领域人工智能（AI）的演进与应用正以前所未有的速度加速推进。当前AI对医疗的影响，以及对其未来成就的预期，存在显著分歧：部分持怀疑态度者认为其影响微乎其微，而另一些已在实践中依赖AI的从业者则坚信它将彻底变革医疗服务的未来。英国政府雄心勃勃的“变革计划”高度依赖AI作为医疗交付工具，将医疗AI纳入140亿英镑投资计划，旨在“超速推动”英国迈向以AI为核心的未来。
AI能否成为英国国家医疗服务体系的压力阀？
毫无疑问，我们正见证AI在医疗系统中提升护理质量、减轻医护人员负担、增强患者安全、提高生产力并支持教育培训的广泛潜力。机器学习AI模型已成功缓解系统压力，且将持续演进。一项针对急诊科分诊AI应用的广泛研究——《医院急诊科分诊中人工智能的使用：范围综述》——始终证明其在分诊效率、资源分配、住院预测、危重病症识别以及缓解超负荷和工作量方面的显著改进。
以地方案例为例，自2021年起，卡尔德代尔和哈德斯菲尔德国民医疗服务体系基金会信托已运用预测分析评估成人重症监护室占用率，准确率高达90%。盖伊和圣托马斯医院开发的平台可识别糖尿病高危患者（其在手术等待期间可能恶化），建议优先处理此类患者，而非能耐受更长等待时间的患者。
在初级医疗领域，许多全科诊所依赖基于网站的“聊天机器人”和在线分诊，以减少电话咨询负担并引导患者进行必要时的自助护理。然而，一项研究——《数字优先咨询对全科医疗工作量的影响：建模研究》——显示，患者使用新功能反而导致全科医生工作量增加25%。
令人担忧的是，英国皇家放射学院的分析显示，2024年英格兰有创纪录的97.6万次扫描结果等待时间突破NHS一个月目标，较2023年增长28%。尽管AI在放射学影像分析、胎儿超声、病理学和乳腺X光检查中已展现巨大潜力（例如DeepMind的乳腺癌检测工具在2020年1月报告中，相比人类对比者将假阳性率降低1.2%-5.7%、假阴性率降低2.7%-9.4%），这是否意味着对诊断成像中AI的依赖存在抵触？更可能的原因是获取渠道不足——因为该领域采用AI的益处包括：通过分诊使放射科医生聚焦复杂病例、提高细微异常的敏感性和特异性、将报告时间缩短至秒级、实现跨站点标准化护理，且避免认知疲劳。
近期一项大型研究还表明，AI算法可精准预测患者手术结果和适宜的麻醉方案，并在手术中实时监测患者。该技术帮助麻醉师做出更明智的术前和术中决策，提升效率与安全性并降低成本。
AI正被应用于减轻临床医生的行政负担。它已成功用于总结护理记录、起草信函、响应请求以及将指南转化为易用格式，还可审查社会护理计划、识别风险并提出支持建议。
另有观点指出，AI可能通过分析数千份事件报告，比人工审查更快、更敏锐地识别模式，从而支持患者安全事件响应框架。政府正推动环境语音技术（AVTs）以加速诊所预约、消除相关行政任务，使临床医生有更多时间专注患者。
为患者提供替代性分诊渠道、信息来源及无需人工干预的诊断技术，实质上将服务民主化并分散至医院和全科诊所之外。多款智能手机应用现已获得黑色素瘤筛查的CE/UKCA认证，但实际测试中其准确性差异显著且时有不佳。近期一项审查发现，测试应用的真阳性率在7%-73%之间波动，真阴性率在37%-94%之间，凸显其检测能力的极大不稳定性。
除表面准确性外，关键系统限制降低了消费级AI的安全性。许多研究在受控条件下使用高质量临床医生拍摄的图像，而非典型家庭使用的低质量患者照片，这往往夸大报告性能。算法还常忽略临床医生依赖的病史、年龄和风险因素等背景信息。此外，训练数据集偏向浅肤色人群导致对深肤色人群准确性下降等问题已被证实。
相反，专为临床医生（而非患者）设计的皮肤癌检测AI已取得成功。在美国，DermaSensor的AI驱动光谱技术通过FDA认证算法无创评估病变特征，即时提供结果。其对全部224例皮肤癌的敏感性达96%，假阴性率低至3%，漏诊率从18%降至9%。
计划到2026年，高街眼镜店将能依靠AI识别早期痴呆症迹象。该技术使验光师通过检视患者视网膜，结合AI分析数百万图像及患者特征数据，识别早期痴呆特征。
医疗领域向AI主导或AI辅助的未来转型势不可挡，临床医生必须主动拥抱这一演变。尽管变革常遇阻力，数据显示约25%的英国临床医生在过去12个月中已用AI支持实践，且79%认为其在自身领域“有用或极为有用”。
手外科顾问大卫·博丹斯基指出，AI正快速改进，目前已能通过欧洲神经学会协会委员会考试和美国骨科外科委员会考试。但普遍共识是：当信息简化为选择题或多选格式时AI表现优异，而在与患者互动时则不然。这意味着AI系统可作为强大助手提供建议并标注书面笔记错误，但仍难以原生、无过滤地理解患者的担忧与临床背景以做出正确诊断和定制化治疗。人类能运用直觉与经验，而AI不能。尽管尚不能替代医生，AI正日益融入日常诊疗。
风险
保险公司、临床医生和患者共同担忧的问题是：实施或依赖AI进行诊断治疗的风险，以及出错时的责任归属。
英国医学委员会指出，许多医生认为最终责任仍在于作为“人类环节”的自己。但这可能过于简单化，忽略了从开发者、程序员、制造商、操作员到监管机构等多方协同交付AI治疗的复杂性。责任最终归属远未明确。
目前，临床医生无需就依赖AI获取患者明确同意。但对蒙哥马利诉拉纳克郡健康委员会案（2015年3月11日）的解读可能表明，医生实际有义务告知患者AI已被或将被用于治疗。AI并非完美，依赖其结论作为治疗工具可能构成患者的“重大风险”。同样，未来临床医生若未能采用AI或将其作为可行替代方案，可能被认定未达到患者应享有的护理标准。
监管
确保AI和医疗器械安全的关键因素（也是延缓其推广的原因）是严格遵守法规，并明确故障时的责任与风险敞口。
在英国，若AI软件制造商旨在将其用于疾病诊断、预防、监测、预测、预后、治疗或缓解等医疗目的，则被归类为医疗器械。此类设备受药品和医疗器械管理局（MHRA）依据《2002年英国医疗器械法规》（经《2019年医疗器械（修正等）（欧盟退出）法规》修订）监管，投放大不列颠市场需贴UKCA标志。CE标志在大不列颠地区有效期至2030年6月30日，且根据欧盟医疗器械法规（MDR）或体外诊断医疗器械法规（IVDR），投放北爱尔兰市场也需此标志。制造商必须向MHRA注册，确定并分配AI设备的正确风险等级，并确保由适当评估机构完成合规评估。此外，NHS采购流程通常要求提供符合《数字技术评估标准》（DTAC）的证据，或适用时提供英国国家健康与护理卓越研究院（NICE）相关指南。
目前，英国在实施适当AI监管方面落后于欧盟。欧盟已推出《2024年欧盟AI法案》，这是首部综合性法规，预计将树立全球治理标准。该法案将AI分为“不可接受”“高”“有限”和“最小”风险等级，并规定相应义务。英国议会进展较慢。由霍姆斯勋爵赞助的《英国AI监管法案》（私人议员法案）正等待上议院二读（议会审查程序于今年3月在上议院启动）。该法案旨在：设立中央AI管理局协调跨部门监管与审计；嵌入安全、透明、公平、问责及合规要求；强制设立部门专属AI“监管沙盒”以促进安全创新；要求任命AI责任官；确保清晰标注AI使用并记录训练数据。
数据
临床医生采用AI后的最终责任问题尚未解决，其扩张必然引发患者保密性与数据保护隐患。共享和使用机密敏感患者信息需遵守《通用数据保护条例》（GDPR）义务。关键原则是：患者个人数据必须严格限于AI的临床目的，而非无关任务。鉴于AI神经网络的机器学习与训练特性，用户难以确保数据处理严格符合该患者预期用途。信息专员办公室（ICO）指南确认，将医疗数据用于AI新用途（如重新规划研究）需具备合法依据或患者同意。
NHS尤其实施严格的数据治理规则，《国家数据退出计划》允许患者阻止其机密信息用于大多数次要用途（包括研究）。目前约360万患者已选择退出。
评论
AI预计将在英国医疗保健领域深度整合。初级医疗中，虚拟健康助手将处理常规咨询，使全科医生专注复杂病例；二级医疗将应用AI于高级分诊、诊断、治疗计划及手术。高街健康服务提供商将减轻初级和二级医疗负担。研究领域将见证药物设计重大突破，新型治疗方案上市进程将加速。医疗领域的行政任务普遍将交由AI自动化处理。在规范开发与监管下，这一系列优势将为患者提供更优质高效的服务，减少临床医生职业倦怠，并最小化错误与索赔。
现在正是临床医生、保险公司、律师及所有医疗利益相关方理解AI对其领域影响并为未来做好准备的关键时刻。
正如理查德·萨斯坎德教授所观察的：“关于AI的短期预测大多夸大其影响，但长期主张却严重低估其效应”。
【全文结束】
