隨著多家醫(yī)院接入DeepSeek大模型，AI醫(yī)療的安全性問題，再度引發(fā)社會關(guān)注。全國人大代表甘華田建議，應(yīng)盡快制定和完善AI醫(yī)療相關(guān)法律法規(guī)，明確AI醫(yī)療的法律地位、使用邊界、安全標(biāo)準(zhǔn)和倫理規(guī)范。

不同于簡單的導(dǎo)醫(yī)服務(wù)，如今的AI明顯觸角更深了。在醫(yī)學(xué)影像識別領(lǐng)域，由于影像數(shù)據(jù)相對標(biāo)準(zhǔn)化，AI的準(zhǔn)確度得到普遍認(rèn)可；在健康管理領(lǐng)域，AI深入分析體檢報告，預(yù)測疾病風(fēng)險；在手術(shù)智能輔助規(guī)劃領(lǐng)域，AI明確手術(shù)關(guān)鍵部位，推薦最佳手術(shù)方案，評估手術(shù)風(fēng)險……去年11月，國家衛(wèi)健委等三部門就發(fā)布了《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》，列出了84個典型應(yīng)用場景。

但哪怕再不熟悉醫(yī)學(xué)的人，也能意識到“AI醫(yī)生”并非萬能。并不是所有和疾病相關(guān)的因素，都能被量化、被機(jī)器所學(xué)習(xí)，專業(yè)判斷和臨床經(jīng)驗，傳統(tǒng)的“望聞問切”，依然不可被替代。更重要的問題在于，醫(yī)療是一個容錯率很低、厭惡不確定性的行業(yè)，但AI醫(yī)療還是新生事物，法律規(guī)制相對分散和滯后。正因如此，全國人大代表劉忠軍也認(rèn)為，在AI嵌入醫(yī)療實踐中要更加扎實慎重，需在技術(shù)更成熟、驗證更充分后引入醫(yī)療流程。

一些現(xiàn)實中的困境，也需要法律層面及時回應(yīng)。比如，AI畢竟是機(jī)器，無法承擔(dān)主體責(zé)任，那么一旦事故發(fā)生，誰來負(fù)責(zé)？是醫(yī)療設(shè)備設(shè)計者、算法提供者，還是醫(yī)療機(jī)構(gòu)、醫(yī)務(wù)人員？此前，一些官方文件作出了原則性的規(guī)定，嚴(yán)守安全紅線，比如，湖南省醫(yī)保局近日發(fā)布通知，嚴(yán)禁使用人工智能等自動生成處方。但AI即便只是作為輔助，傳統(tǒng)的責(zé)任形式也難以簡單套用，有待更加清晰的規(guī)制和指引。甚至有學(xué)者認(rèn)為，隨著生成式人工智能的自主性不斷增強(qiáng)，將來能否成為醫(yī)療事故法律責(zé)任的主體或許是可以討論的。

再者，海量數(shù)據(jù)是AI醫(yī)療的底層邏輯。一方面，“AI醫(yī)生”依賴高質(zhì)量的數(shù)據(jù)訓(xùn)練，受現(xiàn)實因素影響，在不同群體、地域間，一些數(shù)據(jù)的分布比例可能會失衡，如果任由算法左右決策，可能影響資源分配的公平性，甚至是醫(yī)療效果。甘華田代表提出的建立算法評價標(biāo)準(zhǔn)和倫理審查制度，無疑是不可或缺的一環(huán)。另一方面，從醫(yī)學(xué)影像數(shù)據(jù)，到患者診療記錄，再到健康檔案，AI醫(yī)療涉及了大量個人信息尤其是敏感個人信息，聯(lián)想到過去發(fā)生的一些醫(yī)療信息泄露事件，在《個人信息保護(hù)法》《網(wǎng)絡(luò)安全法》等法律的基礎(chǔ)上，根據(jù)AI醫(yī)療的行業(yè)特性，完善相關(guān)法律框架，是必要之舉。

冰冷的技術(shù)不是目的，有溫度的治療才是正解。面對醫(yī)療行業(yè)的深刻革命，向“真”向“善”的技術(shù)，包容審慎的治理，一個都不能少。畢竟，AI與人并非對立，他們有著共同的“敵人”——疾病。

（來源：南方日報）