2026年2月，Nature旗下期刊《Scientific Reports》发表了一项注定要被反复引用的研究。研究者从《新英格兰医学杂志》（NEJM）图像挑战赛中选取了272个复杂临床病例，评估了三个多模态大语言模型的诊断能力，并将其表现与全球超过1600万条医生回答构成的数据库进行对比。
结果令人震撼。表现最好的AI模型诊断准确率达到89.0%，而全球医生群体的多数投票准确率仅为46.7%，AI的准确率高出人类医生超过40个百分点。研究结论毫不含糊：多模态大语言模型在多模态诊断准确率上已达到“超人”层级（superhuman tier）。
但比“谁更准”更值得深思的，是另一个发现：AI与医生的诊断一致性极低，AI并非简单地“模仿”人类医生的思维方式，而是利用根本不同且互补的诊断推理路径。在人类认知经常出错的领域，AI恰恰表现优异；反之亦然。
这不是“辅助工具”的升级，这是认知路径的断裂。
当AI在特定诊断任务上已经显著超越人类，当它的推理路径与人类医生完全不同，一个根本性的问题浮现了：医生的价值坐标是否正在移动？
本文将从四个层面展开分析：首先呈现“AI诊断的‘超人’时刻”；然后从五个不可替代的维度追问“医生价值的坐标移动”；接着探讨“人机协作的实践边界”；最后直面“医疗AI幻觉与诊断信任危机”。核心追问贯穿始终：当AI可以“像医生一样诊断”时，医生还能做什么AI做不了的事？
一、AI诊断的“超人”时刻要回答“医生还剩什么”，首先要回答“AI已经能做什么”。这不是一个抽象的问题，2026年，AI在特定诊断任务上的准确率已经显著超越人类医生群体，且这一差距正在以肉眼可见的速度扩大。从NEJM图像挑战赛到病理大模型，从三甲医院到基层诊所，AI诊断正在从“辅助工具”变成“独立诊断者”。让我们先看一组数据。
1.1 NEJM图像挑战赛：AI准确率89% vs 医生46.7%2026年2月，《Scientific Reports》发表了题为《Multimodal large language models challenge NEJM image challenge》的研究。研究者评估了Claude 3.7、GPT-4o和Doubao三个多模态大语言模型在NEJM图像挑战赛272个复杂临床病例上的表现，并将其与全球医生群体进行对比。
Claude 3.7的诊断准确率达到89.0%（95% CI, 84.9-92.3），GPT-4o为88.6%，Doubao为71.0%。而全球医生群体的多数投票准确率仅为46.7%（95% CI, 40.7-52.7），AI的准确率高出人类医生超过40个百分点。即使在人类医生准确率低于40%的困难病例中，Claude 3.7仍然保持了86.5%的准确率。
研究者进一步分析了AI与医生的诊断一致性，发现两者的一致性极低（Cohen's κ仅为0.08-0.24）。这意味着AI并非简单地“模仿”人类医生的思维方式，而是利用根本不同且互补的诊断推理路径。在人类认知经常出错的领域，AI恰恰表现优异；反之亦然。
这不是“辅助工具”的升级，这是认知路径的断裂。
1.2 病理诊断：RuiPath的“秒级识癌”如果说NEJM研究展示了AI在“看图诊断”上的超人能力，那么瑞金医院与华为联合研发的病理大模型RuiPath，则证明了这一能力正在从实验室走向临床。
2025年2月18日，瑞金医院正式发布了RuiPath。该模型癌种覆盖广度达到中国每年全癌种发病人数90%的常见癌种，回答准确率高达90%以上。传统显微镜下，一张组织切片的诊断需要耗时5到10分钟；而采用AI互动式阅片后，单切片AI计算时间仅为秒级。2026年2月，瑞金医院宣布开源RuiPath。
1.3 AI辅助诊断的规模化落地AI诊断正在以前所未有的速度进入中国医院的日常诊疗。DeepSeek已在全国近90家知名大三甲医院部署。北京大学第三医院以DeepSeek为技术基座发布了“三院灵智”智能体系；四川省人民医院完成了DeepSeek全流程本地化部署。
2025年中国AI医学影像市场规模预计将突破150亿元，到2026年将进一步增长至235.7亿元。截至2024年6月，国家药监局已累计批准92款AI医学影像产品的三类医疗器械注册证。2025年11月，国家卫健委等五部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确提出到2030年基层诊疗智能辅助应用基本实现全覆盖。
1.4 小结NEJM图像挑战赛、RuiPath的秒级识癌、92款三类医疗器械注册证、近90家三甲医院的部署、150亿的市场规模、2030年基层全覆盖，所有这些信号都在指向同一个方向：AI在医疗诊断领域的能力已经跨越了“辅助”的边界。
但AI的“超人”表现并不意味着医生的终结。恰恰相反，它开启了一个更深层的追问：当AI可以诊断时，医生的不可替代价值究竟在哪里？
二、从五个不可替代的维度看医生价值的坐标移动第一部分回答了“AI能做什么”。现在要回答一个更深层的问题：当AI可以诊断时，医生还剩什么？
2.1 最终决策：从“概率”到“判断”2025年11月，中国科学院院士、清华大学人工智能研究院名誉院长张钹在清华大学临床医学科技创新大会上指出：“AI将深刻改变医疗行业，但在可预见的未来，AI还不能完全替代医生。”
张钹提出了AI时代医生的第一个新角色：有判断力的决策者。医生需要在权衡风险、预期、生活质量、经济压力等复杂因素后作出最终选择。AI可以计算概率，但无法替患者回答“值不值得”。张钹特别强调：“医疗不只是诊疗技术的比拼，还是充满人文关怀的互动。”面对患者的恐惧、焦虑、愤怒等情绪，AI难以共情和疏导；面对个体的特殊性和个性化需求，AI难以统筹考量并作出最佳选择。“患者的情感诉求和复杂诊疗场景，是当前算法的盲点，也是人类医生的价值锚点。”
2.2 责任担当：AI为什么不能“自我负责”2026年5月，中国工程院院士、生殖医学专家乔杰在“AI医疗新范式”论坛上给出了一个毫不含糊的定义：“我是不同意叫AI医生的，医生是有定义的，是一个医疗行为要负法律责任的角色。AI一定是助理。”
这一判断与政策方向高度一致。2025年11月，国家卫健委等五部门发布的《实施意见》将AI定位为“辅助诊疗”工具。无论AI的技术成熟度如何，医师拥有诊疗的最终决策权，医疗机构承担诊疗行为引发的法律责任。AI不能“自我负责”，这不是技术问题，而是法律与伦理问题。一个无法承担责任的存在，无论多么智能，都无法成为医疗行为的“主体”。
2.3 具身体验：医生为什么必须“在场”“未来医生”CEO王仕锐在2026未来医疗医药100强大会上指出，AI无法完全替代医生，根源在于两个难以跨越的短板：一是缺少具身处置能力，即无法降临真实世界，缺乏对动态物理征象与复杂现场的实时物理反馈；二是缺少深层共情能力，也就是无法感知并转译病患因恐惧与社会学考量而未曾说出口的生命目标。
法国哲学家梅洛-庞蒂在《知觉现象学》中提出“我就是我的身体”，即认知不是“头脑中的计算”，而是“身体与世界之间的对话”。医生的“临床直觉”正是这种具身认知的体现。英国哲学家波兰尼提出了“默会知识”（Tacit Knowledge），比如资深医生的诊断判断中，有大量无法被编码、无法被写成算法的知识，那些“只可意会不可言传”的临床直觉，正是在无数次的“身体在场”中积累起来的。AI可以学习公开的医学知识，但无法获得那些只有在诊室里、在患者床边才能习得的默会知识。
2.4 医患沟通：患者需要的不仅是答案患者走进诊室，需要的不仅是一个诊断结果，他还需要被倾听、被理解、被安抚。北京大学医学人文学院教授丛亚丽认为，专业AI健康助手应该充分提示用户可能的风险、引导用户回到医疗系统，而不是让人误以为屏幕上的回答可以代替医生。AI可以给出答案，但无法替代一个真实的人坐在对面、看着你的眼睛说：“我理解你的担心。”
2.5 判断边界：当AI的建议是错误的时候2026年4月23日，NEJM AI发表了一项随机临床试验。研究发现，即使医生接受过AI素养培训，自动化偏见（automation bias）仍然显著存在，即当医生面对错误的LLM建议时，他们的诊断推理得分比未受AI干扰的医生低14个百分点。当AI给出高置信度但可疑的诊断建议时，医生需要有勇气和能力“推翻”AI的建议。这不是对技术的不信任，而是对“人的判断”的最后守护。
2.6 小结医生的价值正在从“诊断”转向五个维度：最终决策，AI提供概率，医生作出判断；责任担当，AI无法“自我负责”，医生承担法律责任；具身体验，医生的“身体在场”是AI无法降临的真实世界；医患沟通，患者需要共情、安抚和信任；判断边界，当AI的建议是错误的时候，医生需要有能力“推翻”它。
而这些，恰恰是AI无法触及的领域。
三、人机协作的实践边界：“doctor in the loop”前两部分回答了“AI能做什么”和“医生还剩什么”，现在要回答第三个问题：AI和医生如何一起工作？
3.1 医生介入闭环：AI回答，医生把关2026年6月15日，健康AI应用“蚂蚁阿福”上线了“医生把关”服务，用户在获得AI分析结果后，可选择邀请三甲医院医生复核。这是国内第一个落地的“AI问答+医生把关”协作模式。
测试期数据显示，约15%的用户会选择“医生把关”，而医生复核结果与AI分析的一致率超过90%。这组数据揭示了一个关键事实：AI在绝大多数情况下是准确的，但仍有约10%的情况需要医生介入。AI分析结果与医生的高度一致，恰恰证明了AI可以作为可靠的“第一道防线”；而15%用户选择复核的“谨慎”，则提醒我们患者需要的不仅是效率，更是信任。
石家庄市人民医院皮肤科医生李建英每天把关上百个阿福回答，她表示AI的准确率能达到90-95%。她比喻道：“就像智能驾驶一样，我们可以相信它，但也会盯着它，不能闭着眼睛让它自己开。”
中国医院发展研究院院长许树强认为，“AI+医生”人机协作模式的探索，不是为了取代医生，而是协助医生更好地解决百姓看病就医的需求。这正是典型的“硅基+碳基”协作模式，AI提供高效、快速的分析，医生进行复核、判断和最终决策。
3.2 AI儿科医生的基层实践如果说蚂蚁阿福探索的是消费端的协作模式，那么北京儿童医院的AI儿科医生项目则展示了AI在基层医疗中的系统性赋能。
国家儿童医学中心主任、北京儿童医院院长倪鑫介绍，该系统已推出家庭版、基层版、专家版三个版本。AI儿科医生聚合了超过300名儿科权威专家的诊疗经验，模型性能达到儿科执业医师水平，专家版诊疗方案与院内专家意见的吻合率高达95%。
真正产生社会价值的是基层版。AI儿科医生基层版已在北京、陕西、山东、安徽、江苏、黑龙江、青海等八个省市落地应用，覆盖60余家基层医疗卫生机构。AI提供诊断与治疗建议，医生可直接采纳或提出修改意见，处方权与诊疗责任仍由医生承担。倪鑫表示，已初步实现“打造100万名儿科医生”的愿景，AI让每一位基层儿科医生的能力，被放大了数百倍。
3.3 AI赋能县域医共体：基层影像的“当日出结果”AI对基层医疗的赋能不仅限于儿科。在河北南皮县，当地医共体影像中心与医疗AI企业合作，实现了智能化的影像集中阅片和质控一体化管理。AI辅助系统上线后，基本当日就能出结果，数天的等待缩短到一天之内。
浙江省的人工智能辅助诊断系统已覆盖全省98%的基层医疗卫生机构。广东省封开县建成了全省首个县域人工智能辅助诊疗平台，可实现对70%常见检验项目的AI智能解读。广西预计到2026年，全区50%以上的基层医疗卫生机构将完成人工智能部署。五部门《实施意见》明确提出，到2030年基层诊疗智能辅助应用基本实现全覆盖。
3.4 小结从蚂蚁阿福的“医生把关”到AI儿科医生在8个省份的基层落地，再到覆盖浙江98%基层机构的AI辅助诊断系统，一个清晰的模式正在浮现：AI是“能力倍增器”，不是“替代者”。在消费端，AI负责即时问答，医生负责“二次把关”。在基层，AI补齐了“不会看、不敢看”的短板，医生仍然是诊疗责任的承担者。在县域，AI让影像检查从“等数天”变成“当日出结果”。
正如倪鑫所说：AI提供诊断与治疗建议，医生可直接采纳或提出修改意见，处方权与诊疗责任仍由医生承担。这才是AI与医生之间最本质的关系。
四、医疗AI幻觉与诊断信任危机前三部分呈现了AI诊断的“超人”时刻、医生的不可替代价值和人机协作的积极实践。但还有一面没有被充分讨论：当AI犯错时，会发生什么？
4.1 医疗AI幻觉：当“概率”冒充“事实”AI诊断的本质是“概率计算”，根据训练数据中的统计模式，预测最可能的输出。这种机制决定了它的两个固有特征：第一，它对自己输出的内容没有“理解”，只有“概率”；第二，当训练数据不足或模式出现偏差时，它会自信地输出错误信息。
ACL 2025收录的一篇综述论文（Can We Trust AI Doctors?）将“医疗幻觉”（Medical Hallucination）定义为“模型生成的、事实上不正确、逻辑不一致或缺乏权威临床证据支持的任何输出”。这不是“偶尔的错误”，而是AI的固有属性。一篇发表于2025年的核医学影像综述（DREAM report）也确认，AI生成内容中的幻觉“可能歪曲解剖和功能信息，损害诊断准确性和临床信任”。
4.2 中国患者中的AI幻觉：真实案例“医疗AI幻觉”并非抽象概念。2026年中国媒体上出现了多起触目惊心的案例。
案例一：AI问诊延误，小脑大面积梗死
2026年6月18日，长沙52岁的张云祥（化名）在家中突发头晕。他没有去医院，而是打开某AI平台搜索症状，AI给出了“眩晕症”的判断。他接受了这个判断，没有进一步诊治。三天后，头晕加重，出现走路不稳、精神萎靡等症状，家属将其紧急送医。检查结果令人震惊：左侧小脑半球大面积梗死，伴脑水肿及占位效应，存在脑疝风险。长沙市中心医院神经内科副主任胡珏解释，约25%的急性眩晕背后是后循环卒中。如果患者及时就医，可能来得及溶栓；延误三天后，死亡风险成倍增加。
案例二：AI开药致急性肾衰竭
2026年1月，杭州吴先生因口周疱疹使用AI工具问诊，AI建议服用抗病毒药物“伐昔洛韦”。他购买后按AI建议的“粒数”服用，却不知自己购买的是进口药剂，每粒剂量是国产常规药物的三倍。几天后他感到乏力、恶心，误以为是感冒自行加服感冒药，最终因急性肾衰竭被紧急送医：血肌酐飙升至800umol/L，是正常上限的7倍多。浙江省立同德医院肾病风湿科主任陈钦指出，在所有急性肾损伤病例中，约20%与药物相关。
案例三：AI设备缺陷，错误识别胎儿身体部位
2024年9月，三星旗下三星麦迪逊公司收购的法国AI超声公司Sonio的旗舰产品Sonio Detect获得FDA 510(k)认证，用于辅助分析胎儿超声影像。AI辅助诊断系统在产前筛查中可能存在的误判风险，引发了业界对AI医疗设备安全性的关注。一个错误识别的胎儿部位，可能导致整个家庭的恐慌和错误的医疗决策。
这些案例的共同特征是什么？AI的错误不是“概率低”，而是“概率高但事实错误”。它用自信的语气包装错误，让患者，甚至部分医生，难以辨别真伪。
4.3 算法锚定效应：当AI“带偏”医生AI幻觉不仅直接危害患者，还可能通过影响医生的判断间接造成伤害。
2026年4月23日，NEJM AI发表了一项随机临床试验。研究发现，即使医生接受过AI素养培训，自动化偏见（automation bias）仍然显著存在，当医生面对错误的LLM建议时，他们的诊断推理得分比未受AI干扰的医生低14个百分点。当AI可以给出高置信度的诊断建议时，医生是否倾向于“验证”而非“独立判断”？
AI不是“恶意”的，但它的“特性”是它不会表达不确定性。当一个患者对AI说“我觉得我可能是XX病”时，AI比人类医生更容易被这个“猜测”带偏，然后以高置信度的方式将同样的偏见过滤回给患者。而当医生开始依赖这个“特性”时，诊断质量不是在提升，而是在转移。
4.4 全球医疗AI的重大失败案例AI在医疗中的失败并非2026年才出现。历史上最著名的案例是IBM Watson for Oncology。
2018年，美国健康医疗媒体STAT曝光了IBM内部文件：Watson肿瘤解决方案经常给出“多个不安全、不正确的治疗意见”。在一个极端案例中，Watson对已有出血症状的癌症患者推荐了可能导致严重出血的药物。STAT的调查发现，Watson的推荐基于合成数据（synthetic data）而非真实患者数据，主要由纪念斯隆·凯特琳癌症中心少数医生构建的假设病例训练。结果就是一套在理想化条件下“合理”的算法，在真实世界的复杂临床场景中频频出错。
德克萨斯大学系统2017年的审计显示，该项目已花费6200万美元，但未能交付任何功能性产品。MD安德森癌症中心最终注销了全部投资。
IBM的失败不是孤例。据中央广播电视总台健康报2026年7月报道，部分医疗AI产品“未经充分验证便进入临床，为误诊、漏诊埋下隐患”；部分医务人员过度依赖AI输出结果，“削弱了独立判断能力”。中国医学科学院医学信息研究所医疗卫生法制研究室主任曹艳林指出，AI已深度融入医疗卫生的每一个环节，但“技术狂奔的路上，新型法律风险不容小觑”。
4.5 责任归属：AI犯错，谁负责？当AI辅助诊断导致误诊、漏诊时，谁应该承担责任？
我国现行法规将AI辅助诊断纳入第三类医疗器械管理。但专家明确表示，即便有AI辅助，“医生仍是最后把关人”，如果医生利用AI诊疗出现误诊、漏诊等医疗事故，“最终还是由医生承担责任”。AI不是独立的医疗行为主体，没有处方权，也无法承担法律责任。曹艳林指出，AI“侵权责任界定模糊、监管体系尚不完善，进一步加剧了追责与治理层面的现实困境”。
4.6 小结医疗AI幻觉不是小概率事件。它体现在AI对错误诊断的高置信度输出中，体现在医生被AI“锚定”的判断偏移中，体现在IBM Watson耗资数十亿美元却提供危险治疗建议的失败中，体现在中国患者因AI误诊而延误治疗、因AI开药而肾衰竭的真实案例中。
AI的诊断是“听起来合理”的答案，而不是“经过验证”的事实。当AI的输出可能是幻觉时，医生作为“最后把关人”的角色不是被削弱了，而是被强化了。不是因为医生比AI更“聪明”，而是因为医生是唯一能够承担判断责任的存在。AI可以读片、可以诊断、可以给出治疗方案。但AI不能“自我负责”，它不会因为误诊而被吊销执照，不会因为开错药而面临诉讼。只有医生可以。
五、结语：当AI可以“像医生一样诊断”时我们穿越了四个层面来理解这场变革：AI诊断的“超人”时刻、医生价值的坐标移动、人机协作的实践边界、医疗AI幻觉与诊断信任危机。
在所有变化中，有一个核心事实没有改变，也无法被改变：医生的不可替代价值不在于“比AI更会诊断”，而在于能否在不确定中做出判断，在复杂中寻找方向，在冰冷的算法与鲜活的人事之间建立连接。
正如张钹所说，AI时代，医生能成为“有判断力的决策者、有温度的沟通者、懂技术边界的践行者”。正如乔杰所说，AI只能是助理。正如王仕锐所说，医疗AGI的真正分水岭不是回答能力，而是责任能力，能否对医疗结果负责。
当AI可以“像医生一样诊断”时，医生还能做什么AI做不了的事？
做判断。在不确定中判断，在复杂中判断，在算法的高置信度与患者的真实需求之间，做那个必须承担责任的人。
这个问题本身，就是医疗人在AI时代重新定义自我的起点。