医生和AI联手看病，出了问题谁负责？

人工智能正在加速融入临床医疗场景，但其广泛应用也带来了患者安全的新隐患和责任认定的模糊地带。传统医疗责任体系清晰：医生须提供达标诊疗，机构须保障流程安全，厂商须确保设备无缺陷，监管方负责监督，法院判定损害责任。然而，新一代医疗AI正打破这一边界——从当前辅助型工具（如脓毒症预警）逐步发展为能独立诊断、制定治疗方案甚至管理患者的高阶系统。这类系统多采用‘黑箱’深度学习技术，其决策逻辑难以追溯，导致缺陷难识别、人机联合决策时责任难划分，现有医疗责任法律框架无法覆盖这种交叉情形。由此可能产生‘责任真空’：受害者难以追责，医院因惧怕法律风险而回避有用AI，厂商也可能推卸上市后安全监测义务。为此，文章提出基于三大核心属性的七级能力分级框架：一是自主性（系统独立推理能力），如脓毒症模型属低自主，而深度学习诊断系统可跨数千变量推理，医生无法复现；二是自动化（系统独立执行任务的能力），如从外科医生遥控的机器人到自动向药房发送化疗处方的系统；三是运行范围（系统被允许发挥作用的临床场景），例如眼科专科使用视网膜影像AI复核诊断，远比基层诊所用同一工具自主决定是否转诊更安全。七级框架具体包括：0级（信息型，仅存储展示数据）、1级（辅助型，如心电异常标记）、2级（决策支持型，整合多源数据生成诊疗建议，但需医生最终拍板）、3级（监督式自动化，系统主导决策，医生仅设限与应急干预，如智能胰岛素泵）、4级（AI触发人工监护，系统全程管理重症治疗并自动启动应急响应，医生仅作最后兜底）。该分级有助于监管机构明确审批要求、医疗机构落实培训与知情同意、法院合理判定过失，并促使厂商承担持续安全责任。文中强调，必须避免医生在时间压力下盲目依赖AI建议，也需警惕将控制权让渡给科技巨头——唯有建立清晰、分层、可操作的责任体系，医疗AI才能真正造福患者。