我从 2008 年开始学医，在中山大学拿到学士、北京大学拿到博士，算是一路走过了临床和科研。 后来去了香港科技大学做博士后，还在诺贝实验室当过助理研究员，把医学和计算机工程结合起来。 这 7 年，我一直在做一件事，把医学和人工智能真正落地。
1. 对患者：能更早发现问题
胃癌最让人痛苦的一点，就是“发现得太晚”。
很多病人到医院时已经是中晚期，错过了最佳治疗时机。
医生再专业，也难免会有疲劳和疏漏。AI不一样，它看图像不会累，还能在“可疑的小病灶”上反复标记。
这意味着：普通人能更早发现，哪怕在没有症状的时候。
比如浙江一项试点数据显示：AI 初筛胃癌的检出率能达到约 24.5%，其中将近 40% 是完全无症状的早期病例。
对患者来说，这就是生死差别。
2. 对医生：不是替代，而是解放
很多人担心医生被淘汰。
但在我看来，AI更像是帮医生减负。
举个例子：浙江省肿瘤医院和阿里达摩院联合开发的 DAMO GRAPE 模型，现在已经在全国 20 多家医院进行验证。
AI先把大批图像筛一遍，挑出高风险的，医生只需要重点盯这些病例。
换句话说，AI干的是“苦力活”，医生保留的是“判断权”。
这有点像Excel之于会计：工具变强了，但最终责任和价值依然在人。
3. 对医疗体系：资源下沉更可能
大家都知道，大医院人满为患，小地方医生短缺。
如果AI能稳定落地，那些基层医院也能拥有“接近专家水平”的工具。
我听一个朋友说，在浙江丽水的体检中心，AI已经被嵌入到常规健康检查里了。很多中老年人拿到体检报告时，惊讶地发现多了一栏“胃癌风险提示”，这是AI自动算出来的。
这种“下沉感”，比单纯说“AI很厉害”更能说明问题。
4. 对行业：新机会，也有新挑战
-
机会：医疗AI公司会不断涌现，医院也会更愿意引入这类技术。
-
挑战：如果AI判断错了，责任算谁的？监管、标准体系都需要重新建立。
- 探索：福建那边还有研究尝试“舌像 + 问诊信息”的多模态AI，用更低成本的方式做风险筛查。虽然准确率还不完美，但这种思路可能会让早筛走向更广的人群。
推荐阅读：
医学科研中的AI提示工程：5大核心规则助力临床研究效率提升10倍
