近两年，AI在医疗领域的进展突飞猛进，不断刷新认知，但 AI医疗到底带来哪些影响？“能与不能”的边界在哪里？对于普通人而言，依然是一个遥不可及的事情。

“人与AI”社会大讨论第三期对焦医疗，邀请分别来自药物研发与临床诊疗领域的两位嘉宾——全球健康药物研发中心（GHDDI）主任、清华大学药学院创始院长丁胜，北京朝阳医院眼科主任医师、眼底病与眼免疫专家陶勇。对谈由《中国慈善家》影响力慈善研究院首席专家曾晶主持，从各自领域的“AI时刻”谈起，追问AI实实在在惠及了谁，普通人因此有何改变。

药物研发是AI最有想象力的领域，丁胜始终保持科学家的审慎，“生命科学的因果链太长，验证还得做湿实验，AI准确性不够时，上游投入越多，下游成本越大”。陶勇在临床应用端看到，过去因人力物力不足无法实现的筛查，首先惠及了患者；他也提醒：“AI是一根很好的拐杖，但不能替代温度。”

两人的共同答案是：AI是酶，不是颠覆者。它加速反应，而提问题、做判断、承担责任，只能是人。

AI带来的是冲击，还是福利

曾晶：2026年，AI以近乎裂变的速度进入过去高度依赖专业人士的领域，今年AI对两位工作的最大冲击在哪里？

丁胜：我从事生命科学研究、做药物研发，因果链很长、变量很多，AI目前还谈不上颠覆，但以它的发展速度，未来出现颠覆性时刻的可能性是存在的。

今年确实有突破：AI很快就能生成一个分子，特别是核酸、蛋白这类基于序列的药物分子，有些已达到甚至超过实验水平。我们研发中心也开始使用系统性的Agentic AI体系，帮助研发人员系统性理解科学问题，相当有效。

拿新药研发为例，系统调用了多个智能体。你问它：能否针对这个疾病生成一款药物分子？它会先判断致病原因，再调用另一个智能体，用AlphaFold这类工具生成靶点的三维结构。靶点像一把锁，药物是钥匙，智能体基于锁的形状生成钥匙，并判断成药性：开锁能力多强、会不会打开别的锁（这意味着毒副作用）、能不能被人体吸收代谢。这几十个变量，现在可以“一键生成”。

智能体已经可以执行连续、复合、长时间的工作，只要是电脑前能完成的事情基本都可以完成。速度快、准确度也比之前高——当然，这同时也相当危险。

陶勇：丁老师站在上游，我站在应用端。眼科这个细分领域，感觉AI已经无处不在，有点像走进一个到处是镜子的山洞——每面镜子都是AI。

回到医学本身，一些少见病、遗传病，像基因突变引起的遗传性视网膜病变，全国48000名眼科大夫没几个人见过几例，不问AI，可能也不知道是什么情况。我们落地了全国首个AI眼病公益筛查项目——巨细胞病毒视网膜炎筛查。这个项目针对的是白血病移植术后的人免疫力低下，可能得致盲性眼底病，比例只有3%—5%，却不知道什么时候会得。全中国能看眼底的大夫只有3000个，每年白血病8.6万人，天天看眼底不可能，这就是矛盾。

我们培训志愿者，用眼底照相机拍照，AI自动分析，把少数可能有问题的患者筛查出来，省事省钱，如果完全铺开，每年有可能减少4000名因此失明的人。

眼底病是今天全球主要的不可逆致盲眼病。像湿性老年性黄斑变性、糖尿病视网膜病变也可以早期发现，还可以随诊监测。“眼底一张照，眼病早知道”通过公益筛查应该会大幅度提升。这个项目会在广西、内蒙、新疆、西藏、云南迅速铺开。

曾晶：丁老师做的其实也是公益——那些患者支付能力弱、研发成本高、获利空间低、长期被忽视的疾病领域。现在AI让研发和医疗的成本都在下降，谁先受益？

丁胜：药物研发成本降低后，同样的投入我可以多研发几款药，多立项几个针对被忽视疾病的项目，这没问题。但核心问题是社会资源怎样分配。新技术出现通常会优先被最有价值、最有利益的领域应用，不会改变既有的资源分配。甚至因为一件事变容易了，原来不会为它投入的人也觉得可以做，大量资源涌入高度趋同的方向，形成内卷。而针对贫困地区被忽视疾病的公益性研发，资源反而可能离得更远。

曾晶：但医药研发上的内卷，会不会最终让患者用上更便宜的药？

丁胜：完全可能。过去二十来年，我们走的就是这条路：西方做源头创新，我们基于临床效果快速跟进，做升级版。著名的癌症免疫治疗靶点PD-1，最难的验证被回答了，上百家企业一哄而上做同个靶点的药，但真正能做出更好药物的空间没那么大。一方面，充分竞争和上规模后价格会降下来；另一方面也会产生巨大浪费。这两件事需要平衡，有没有必要通过这么大的浪费产生价格更低、品质更优的产品，我觉得可能不需要。

陶勇：我觉得首先受益的是患者。患者追求的是医疗同质化，优质医疗资源永远稀缺，靠“师带徒”培养模式，永远会有基层、二级、三甲的高下之分。但AI会形成一条short cut（捷径）：糖尿病视网膜病变用AI一分钟可以分析几百张眼底照片，准确性95%以上，大幅缩短基层医生和年轻医生的学习曲线。

其次是政府资源。随着人口老龄化和经济发展，医疗健康领域投入要增加，如果AI能辅助药物快速研发、减少中间成本，通过早筛让患者尽早得到治疗，可能会减少治疗费用上的投入。

第三，未来的年轻医生会更受益，但以经验驱动、惯性驱动的医生会受到冲击。我听过一句话：“医生从20岁工作到60岁，40年，究竟是有了四十年的经验，还是一个经验用了四十年？”过去发展慢，两者几乎等同；现在不一样了。湿性老年性黄斑变性，我上研究生时还几乎无药可治，后来有近红外激光、光动力学激光，再到生物制剂、抗VEGF药物、单抗、融合蛋白、双抗，还可以提高视力，三五年变一波。一个经验用四十年站不住脚了。

一位医学大家说得好：“如果你再不赶紧搭上时代的便车，还是用传统医学教育模式去教育，就是驱使医学生参加一场已经结束了的比赛。”

曾晶：AI医疗大致在三条路径上同步推进：D端（医生端），辅助诊断、筛查、决策支持；C端，面向普通人的健康助手、问诊、报告解读；B端，给药企和研发机构提升研发速度和成功率。从长远发展潜力看，两位更看好哪条？

丁胜：这是个比较难的问题。三方面都有需求，无非是哪方面在一定时间内能产生落地和商业回报。生命科学领域，AI在很多具体问题上非常有用，我们每天都在使用，但它还没有长链条、完整性的颠覆性解决方案，释放的价值更可能是提效、提速，而不是颠覆性的价值重构。

陶勇：我同意。相当长一段时间内，AI对整个医疗行业的模式还带不来颠覆式的彻底改变，但它可能作为一个“酶”，让反应加速。

我个人的推演：一，加速医生端的二八效应：过去视网膜脱离到晚期增生性玻璃体视网膜病变的特别多，现在有点裂孔、飞蚊、闪光就来打激光了，端口前移，今天需要特别专业治疗的没那么多；二，患者端会推动居家自检、自诊、自治和自健，凡事先跑医院开药的现象会越来越少，AI很大程度上就可以给出全面的答案了；三，医疗端，AI加速研发，新药推陈出新的周期和中间环节投入的浪费更少一些。

如果一定要排序，我认为“酶”在C端的反应加速更快，因为投资机构的逻辑通常是to C比to B更好做。

曾晶：从公益角度，考虑两位所做的公益事业的目标，或者从“AI健康向善”的角度，两位希望是哪一端？

陶勇：我会选to B药企，我个人人生也是做了一个选择，现在在医科大学的研究院逐渐分配更多的精力和时间。to C做公益也有用，多是把加法做快；加快药物、器械研发进程，造福人类健康是乘法、指数级的。

丁胜：我同意。AI向善，如果考虑放大效应，能开发出有效的药物，确实更显著。

AI是很好的拐杖，但不能替代温度

曾晶：如果AI的判断不对或存疑，你们怎么选择？

陶勇：肯定以人的判断为准。医疗行为的主体责任是大夫，谁有处方权谁负责，AI只是辅助。计算机从386到586越来越快，今天的AI该叫“N86”了，但它没有自我意识，不能负责任。

医疗本身很复杂，小医生看“人的病”，大医生看“病的人”。同样是白内障，有人做手术，有人点药：你平时遛遛弯、养养宠物，对精细视觉要求不高，可以晚点做；我天天在显微镜下看细胞，就该早点做。需求不同，方案就不同，AI还不能把这些变量考虑进去。

它是一根很好的拐杖，但不能替代温度。医疗的本质还是Care（照护），不是Treatment（治疗）。AI可以在筛查、诊断、治疗上帮你分析海量的随机对照研究、告诉你最新的药物研发信息，但它眼里只有病，没有人。

曾晶：很多病人拿着AI的结论来找医生：“您看AI是这么说的。”

陶勇：每天都会遇到。其实没有AI之前，大家也会问度娘（百度），只是AI给的答案更多、更完整。没有任何治疗方法适合所有场景下的所有人。

东方智慧里有个词叫“禅”，就是把长时间形成的、僵硬的、陈旧的经验打碎，用一种开放性的体验直接面对世界。我小时候在农村，四条腿的驴牛马骡，鼻子上都拴根绳；到动物园一看，虎豹狮子没绳，当时就受不了，可它就是会有这样的事情。

在如今这样一个科技快速发展、经验失灵的时代，如果还抱着一成不变的老经验，就会失去这个时代。以前我们会生气：专业的不听，偏听隔壁邻居的；现在我们要把自己变成“隔壁邻居”，今天我们的角色不是权威，而是一种分享和陪伴，一起度过难关。

在印度有一本史诗级的《薄伽梵歌》，阿周那是地上的国王、两军交战，发现对面的部队里有他的老师和朋友，下不去手。大神黑天告诉他：慈悲和智慧是要伴随的。医生是向善的、想帮助人间的，这是慈悲；但如果没有好方法、没有智慧驾驭，最终很可能产生戾气，因为我们的答案很可能和AI不太一样。

曾晶：罕见病领域，成本降低后会有更多投入吗？您前面提到“生成得很快，但也相当危险”，怎么理解？

丁胜：目前还没有看到，资源仍是有限的，但在已经有的投入里做更多事是存在的。生命科学的因果链长、变量多、验证成本高。大语言模型数据量大，自动驾驶可以合成数据，验证成本低；但生命科学很多验证要做“湿实验”，不是在电脑里跑一遍就能快速迭代。

以药物研发为例，越向下游投入成本越高：AI几个小时生成一个分子设计，但验证要做细胞实验、动物实验；要变成真正治病救人的药，还要过临床一期、二期、三期，每进一步投入更大。在AI的准确性还不够时，后期验证投入越多，某种意义上反而放大了整体成本。

也正因如此，“提问题”变得非常重要。做科学研究，首先要选择一个问题，问题就是你的目标。先把目标具象化、定义好，再基于已知假定一条通往目标的逻辑链，然后验证它。目标错了，多少投入都浪费掉。

有了AI，假如目标提对了，它给你一套方案，人还是要判断这条路径对不对：一是可行性，二是“有没有更好的路径”，而什么是更好，很多时候基于人的经验和判断力。做了选择和判断，人还要去执行，且要基于执行后的结果修正它，否则可能也是无效的。所以从这个角度来看，AI还没有颠覆生命科学。

曾晶：AI要真正造福基层，障碍在观念、资金还是设备？

陶勇：我个人感觉是模式制约了。AI眼底照相分析软件已经比较成熟，也拿了医疗器械注册证，但开发这个软件的企业今天过得并不好。花多少钱为“使用一次”买单，大家还是问号。过去我们习惯见到大夫、拿了药、做了手术才交钱，软件算一遍就该付费吗？一旦没有钱继续推动企业开发新产品，形不成滚雪球模式，就卡在那儿了。如何为AI付费，让它良性运转、赚钱后投入新研发、形成正循环，这是需要集体探讨的问题。

丁胜：从科研端看，如果工具被验证有效，我们愿意使用甚至付费使用，从上游科学研究的角度看问题不大。真正难的是人能不能善于使用AI。对事情做判断、做选择，很大程度上来自这个人过往的经历和历练。你不会别人告诉你一个答案，就去采纳它。人每次都会听智者的建议吗？不一定。简单讲，人类在很多场景下不是按概率做选择，小概率事件可能会有不一样的回报和体验，人有可能会选择小概率事件，并为此做一系列对应的安排。

拥抱不确定性

曾晶：前段时间数学界围绕AI有很大的讨论：AI已经能验证定理、证明猜想了，数学家的价值在哪里？这个问题也适用于很多专业人士。今天，科学家和医生的核心工作是不是也在变化？

陶勇：有不少医学生、年轻医生很焦虑：本科5年、研究生6年，再加3年规培，14年之后会不会毕业就失业？我是乐观的。如果医生都要失业，别的行业你也没什么可选的。

医学的壁垒还是挺高的：它首先是人学，微笑、拥抱这些温度不是机器能幻化的；它的处理像多元多次方程，手术中突然停电、刀剪在眼睛里，怎么办？AI可能抓瞎。

AI对人已获得的经验可以很好归纳总结，一些新的判断需要人创造：门诊来了位低卫生资源配置地区的患者，好不容易来一次北京，AI给的方案是一个月、三个月、半年复查，根本不可实现，那我宁可丢卒保车，给他打有些损伤性的视网膜激光，减少复发。这是在场景下的判断，而不属于统一模式的套制。

我常鼓励患者：跟时间赛跑，你如果再活二十年，我保证你能再活两百年。人机交互、机能增强是必然的。

没有必要把未来的不确定性当成一种威胁，拥抱不确定性就是机会。我跟年轻医生说：勇敢试错，不能用传统经验判断是否浪费时间，这是一个经验失灵的时代。

丁胜：今天我们的话题是“人和AI”，还是要分开看。不用太想AI能做什么、不能做什么，它的边界和速度都在变化，直接考虑“我能做什么”——怎么驾驭这个能力不断提升的工具。

科技不管多先进，人自我提升的路径没有太大变化，还是要通过经历、犯错失败和自我反思。哲学几千年来都没有变化，那些很深刻的东西早都有了，作为个人要真正掌握它，确实要去经历。中国有句话叫“读万卷书不如行万里路”，行万里路的经历比纯读书更深刻。我用过一个比喻：庖丁解牛，游刃有余。动作是重复的，但他从中“悟”到了东西。悟到了，就能驾驭很强的AI。AI帮我执行，我反而有更多时间提升自己。

曾晶：我也有同感。过去做公益研究，大量文献检索、提炼的工作现在AI都能做，研究最大的价值反而变成了现场考察、调研——去寻找没有呈现在资料表层之下的东西。一个公益项目的过程、其中不可言说的部分，恰恰是文献里没有的，必须到现场看、跟人聊、追问，才能获取。AI给了我们更多时间，用自己的感官去实践和体验，而不是继续跟AI不停的对话。

丁胜：我再补充一点。未来有非常多的不确定性，而人要做判断、做选择、做执行。特别是一件长链条的事情，你一旦选择并执行了某条路径，后面的一切都随之改变，其他路径就不存在了。很多复杂问题没有对错，都是基于自己的视角；AI可以给你完整的信息，但路径有很多条，最终还得基于你的视角和经历去选。

AI可以帮助你做很多事情，未来甚至可以帮助你判断、帮助你选择。但最终一个人还是要问：我是不是在主动地过自己的人生？我能不能对自己的选择和行动负责？这可能比讨论“还有什么事情AI永远做不了”更加重要。

曾晶：您在回望GHDDI过去十年发展时说：“真正重要的是知道什么时候应该去坚持，什么时候停止，并且在事实变化之后愿意修正自己。”AI出现后，选择困难症更厉害了——信息更多、证据更多，怎么办？

丁胜：一方面，我每天都用AI做不同的任务，我就有更多时间做更深入的思考。另一方面，我偶尔也会自我怀疑。“知”是对事情穿透性的理解，当“知”不够的时候，面对AI给的看起来都挺合理的方案，不具备判断谁更好的能力。这时候我会去找智者、找这个领域的专家探讨。所以，AI越来越强，人反而越要聚焦某个具体方向，做深做实，才具备判断力。从哲学上讲，没有一个东西是完美的、是绝对的强，一定是平衡的。人不能觉得被AI赋能后就什么都是专家了，我有眼病方向的问题，肯定要问陶医生。人和人的互动会一直延续，用来弥补我们和AI互动后的判断不足。

陶勇：今天社会不只是医患关系，更是人和人关系的一种大变革。过去人性的温暖关怀是一个普遍的需求，但今天很多人看完病开两瓶眼药水还要回去上班。所以我也在重新思考医生的角色，今天更重要的是从以疾病为中心，变成以健康为中心。以健康为中心，就是宁可架上药生尘，不愿世间人得病。

我自己在做两件事。一是开发了居家自检二合一的试纸条，在家就能测过敏性结膜炎、干眼症，互联网药房直接把药寄到家，减少排队挂号——这类轻症患者的核心需求就是少跑医院少费时间。二是做科普，去年出了几本眼健康科普书，也在自媒体矩阵录了很多内容，希望孩子们养成好的用眼习惯，近视早期防控可以形成复利，减少因为真性近视、眼球变形引起的致盲性眼病的风险。

另外，把有限的精力，留给那些少数的、晚期的、中途失明或即将失明的患者，能省一点省一点，多一些安慰和鼓励。这是我自己对今天医疗变化下的时间再分配。

曾晶：在这个重新分配里，AI对您最大的帮助，是能弄出很多“分身”来？

陶勇：对，我有自己的数字分身——文稿输进去，它就能自动生成一段段视频。

曾晶：也许未来我们要复制的，不是更多能上手术台的陶勇，而是更多像您这样愿意走到社会上做科普、提高大家健康意识的年轻人。

丁胜：我补一个患者视角。人的本性里有一部分是缺乏执行力的——小病拖着不看，明知锻炼有益也不做。AI加上好医生，能给出很多有益健康的建议，但关键在于能否执行。未来AI还能监测生活中许多微小的变量，把这些微小影响积累起来，帮我们形成更强的执行力、更关注自己的健康，这很有意义。

作者：姜璇

摄影：张旭

图片编辑：张旭

值班编辑：张旭