隨著多家醫院接入DeepSeek大模型，AI醫療的安全性問題，再度引發社會關注。全國人大代表甘華田建議，應盡快制定和完善AI醫療相關法律法規，明確AI醫療的法律地位、使用邊界、安全標準和倫理規范。

不同于簡單的導醫服務，如今的AI明顯觸角更深了。在醫學影像識別領域，由于影像數據相對標準化，AI的準確度得到普遍認可；在健康管理領域，AI深入分析體檢報告，預測疾病風險；在手術智能輔助規劃領域，AI明確手術關鍵部位，推薦最佳手術方案，評估手術風險……去年11月，國家衛健委等三部門就發布了《衛生健康行業人工智能應用場景參考指引》，列出了84個典型應用場景。

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

一些現實中的困境，也需要法律層面及時回應。比如，AI畢竟是機器，無法承擔主體責任，那么一旦事故發生，誰來負責？是醫療設備設計者、算法提供者，還是醫療機構、醫務人員？此前，一些官方文件作出了原則性的規定，嚴守安全紅線，比如，湖南省醫保局近日發布通知，嚴禁使用人工智能等自動生成處方。但AI即便只是作為輔助，傳統的責任形式也難以簡單套用，有待更加清晰的規制和指引。甚至有學者認為，隨著生成式人工智能的自主性不斷增強，將來能否成為醫療事故法律責任的主體或許是可以討論的。

再者，海量數據是AI醫療的底層邏輯。一方面，“AI醫生”依賴高質量的數據訓練，受現實因素影響，在不同群體、地域間，一些數據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，甚至是醫療效果。甘華田代表提出的建立算法評價標準和倫理審查制度，無疑是不可或缺的一環。另一方面，從醫學影像數據，到患者診療記錄，再到健康檔案，AI醫療涉及了大量個人信息尤其是敏感個人信息，聯想到過去發生的一些醫療信息泄露事件，在《個人信息保護法》《網絡安全法》等法律的基礎上，根據AI醫療的行業特性，完善相關法律框架，是必要之舉。

冰冷的技術不是目的，有溫度的治療才是正解。面對醫療行業的深刻革命，向“真”向“善”的技術，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）