简介：本文从江苏医生使用AI工具查药引发患者拒绝处方的争议切入，深入探讨医疗场景下AI辅助工具的合理使用边界。文章分析了AI在临床决策中的实际价值、潜在风险，提出了专业医疗AI工具应具备的技术标准，并给出了医生规范使用AI辅助工具的实践建议，帮助医疗从业者在提升效率与维护医患信任之间找到平衡点。
近日，江苏某医院一名医生在诊疗过程中使用AI工具查询药品信息，被患者家属发现后，对方明确表示拒绝接受该医生开具的处方。这一事件迅速在网络上引发热议，争议焦点并非医生是否应该使用AI辅助工具，而是该工具本身的专业性和可靠性。
从技术角度看，这一事件暴露了医疗AI应用中的核心矛盾：通用型AI助手与专业医疗场景之间的能力错位。医生在临床决策中确实需要高效的信息检索工具，但医疗场景对信息的准确性、权威性和可追溯性有着极高的要求，这与通用AI产品”快速生成答案”的产品逻辑存在本质冲突。
现代医学知识体系极为庞大，仅药品说明书一项就包含适应症、禁忌症、药物相互作用、特殊人群用药调整等数十个维度的信息。医生在门诊压力下，很难对所有药物的细节信息保持精确记忆。以某常用抗生素为例，其在肾功能不全患者中的剂量调整方案就有十余种不同情况，单靠人工记忆几乎不可能做到完全准确。
AI辅助工具在此类场景中能显著提升信息检索效率。一个经过专业训练的医疗AI可以在数秒内完成对最新文献、药品说明书、临床指南的交叉检索，并将关键信息结构化呈现，帮助医生快速确认用药方案。
在复杂病例中，AI工具还能提供决策支持。例如，当患者存在多种合并症、正在服用多种药物时，AI可以帮助识别潜在的药物相互作用风险，或提示需要额外关注的检验指标。这种辅助能力在基层医疗机构中尤其有价值，因为这些机构的医生往往缺乏专科支持。
通用型AI产品的知识库构建逻辑是”广覆盖”，而非”精准可靠”。这些工具的训练数据来自互联网公开信息，其中可能包含过时的药品信息、非权威来源的医学内容，甚至部分内容存在事实性错误。对于临床决策而言，任何微小的信息偏差都可能导致严重后果。
更关键的是，通用AI产品通常无法持续追踪医学知识更新。医学是一门快速发展的学科，每年都有大量药品说明书更新、临床指南修订、药物撤市通告发布。通用AI的知识更新机制难以匹配这种高频变化。
临床决策强调证据支持。医生开具处方时，不仅需要知道”用什么药”，还需要明确”为什么用”以及”依据是什么”。这既是临床规范的要求，也是处理医疗纠纷时的法律需要。
通用AI工具通常以对话形式直接给出答案，但缺乏对答案来源的标注和解释。患者或家属无法得知这个建议是基于哪份指南、哪条说明书或哪项研究得出的，也无法核验信息的真实性和时效性。这种”黑箱式”的推荐在医疗场景中是难以被接受的。
医疗行为具有高度责任性。当AI工具给出建议时，如果医生采纳并执行，那么最终对患者负责的依然是医生。但通用AI工具的介入模糊了这一责任链条——如果AI给出的信息存在错误，导致用药不当，责任该由谁承担？是使用工具的医生，还是提供信息的AI服务方？
目前，大多数通用AI产品的用户协议中都明确声明”不承担任何医疗责任”。这意味着，医生如果依赖这类工具进行临床决策，实际上承担了全部风险，却无法从工具方获得任何质量保障。
从这一事件出发，我们可以讨论一个更根本的问题：什么样的AI工具才适合进入临床场景？
专业的医疗AI工具必须建立在经过严格审核的医学知识库之上。这个知识库应至少包含：国家药品监督管理局批准的药品说明书、权威临床诊疗指南、正式发表的循证医学研究。每一项信息都应有明确的来源标识和版本记录，并支持追溯查询。
医疗AI的知识库需要与权威信息源建立同步更新机制。当药品说明书修改、指南版本更新、药物召回通告发布时，AI的知识库应在可接受的时间范围内完成同步，并标注信息更新日期，让医生能够判断信息的有效性。
与通用AI”有问必答”的策略不同，医疗AI必须具备”自知之明”。当遇到知识库覆盖不足、信息存在矛盾、或需要紧急医疗决策的场景时，AI应明确告知医生其局限性，并建议寻求专科意见或查阅原始资料，而非强行生成一个看似确定的答案。
医疗AI工具不应是脱离临床流程的”孤立应用”，而应嵌入电子病历系统、处方系统等现有工作流中。这样既能确保AI辅助的连续性，又能通过系统日志记录AI的每次介入，为后续的质量审查和责任追溯提供依据。
医生需要建立清晰的认知：AI是辅助工具而非决策主体。在临床决策链条中，AI负责提供信息检索、风险提示、方案对比等支持性工作，而最终的综合判断和处方决策权必须掌握在医生手中。这种定位应在医患沟通中主动向患者说明，以消除不必要的误解。
此次事件中，患者拒绝处方的核心原因并非医生使用了AI，而是对所用工具的可靠性和医生的专业态度产生了怀疑。这提示我们，医疗从业者在日常沟通中应主动解释AI工具的用途和局限。简单且坦诚的说明往往能取得患者的理解，而”回避”或”隐瞒”反而会引发更大的不信任。
医疗机构在引入AI辅助工具时，应建立规范的技术评估和准入流程。评估维度应包括：知识来源的权威性、更新机制的及时性、安全性能（即”误导性输出”的概率和后果）、以及可追溯性。同时，应制定内部使用规范，明确哪些场景可以使用AI辅助、哪些场景必须遵循传统流程，以及如何处理AI建议与医生判断不一致时的情况。
回到最初的问题：你能接受医生使用AI工具吗？从技术发展的角度，这个问题的答案几乎是必然的——是的。医疗决策的复杂度已经超越了任何个体医生的认知极限，AI辅助从”可选项”正变为”必选项”。
但正如这起事件所展示的，技术应用的关键并非”用不用”，而是”怎么用”以及在什么规则下用。医疗AI的落地需要技术能力、专业规范、管理制度和沟通策略的多重支撑。只有在这些维度上同时推进，AI才能真正成为提升医疗质量、保障患者安全的利器，而非引发信任危机的导火索。
对于广大开发者而言，这一事件同样是重要的启示：当技术在专业领域落地时，核心能力模型的迁移不是简单替换，而是需要针对行业需求的深度重构。通用能力与专业可信之间，需要一座严谨的桥梁。