从“用 AI ”到“造 AI ”：智慧医疗如何重塑广州医生工作日常？

如果说早期的智慧医疗更多停留在病历生成、智能导诊等辅助场景，那么如今，它正从诊室走向手术室，从后台走向临床一线。6 月 8 日，广州正式启用卫生健康 AI 赋能中心 " 穗医智擎 " 平台，并发布医疗 AI 场景 " 十百千 " 三年建设蓝图。

近日，羊城晚报记者走访南方医科大学南方医院、广州医科大学附属第一医院、中山大学肿瘤防治中心发现，在广州，AI 已能够从病理切片中预测肺癌基因突变，在海量 CT 影像中筛查高风险肺结节，参与放疗靶区勾画和治疗方案制定，甚至辅助完成手术导航和机器人诊疗。过去需要专家凭借多年经验完成的工作，正在迎来人工智能的深度介入。

从 " 用 AI" 到 " 造 AI"

过去，医院里的 AI 工具大多由信息部门统一开发，临床医生是使用者；如今，越来越多医生有了机会与平台来亲手打造属于自己的 AI 助手。

在南方医科大学南方医院，" 南医小智 " 是全院统一的智能体开发平台，为医护人员自主开展智能体开发提供便捷入口。医护人员无需掌握编程技术，只需上传科室业务规则和知识库，以通俗语言明确业务需求，即可生成智能体框架，经简单调试后便可投入实际应用。" 这相当于每位医生都能快速定制自己的智能小助手。" 南方医院信息中心副主任陈崑介绍，在这个过程中，一些科室研发的智能体从 " 自用工具 " 成长为了 " 全院助手 "。例如，检验科开发的抗凝血评估功能智能体，就能够自动识别患者报告中的异常指标，结合专科知识库输出专业评估建议，有效助力临床精准诊疗。

中山大学肿瘤防治中心也在进行类似探索。医院搭建了 " 千人千面智能体平台 "，医生同样无需掌握编程技术，输入需求、选择模型、关联患者数据，便可创建专属智能体。截至目前，医院已建立 168 个智能体，覆盖多学科会诊（MDT）、护理 SBAR 交班、患者宣教、医嘱审核等多个场景。

例如，由临床医生自主设计的医嘱管理智能体，能够根据患者病情和临床指南自动核查医嘱内容。发现贫血风险时主动提醒补充相关检查。另一类广受欢迎的患者教育智能体，则能根据患者病情自动生成个性化宣教内容，经医生审核后直接发送至患者手机。" 以前信息科开发一个功能可能需要几个月，现在医生自己就能完成。" 中肿信息中心工程师冯晨阳说。在她看来，医生与 AI 的关系正从被动使用工具，变为主动创造工具。会定义需求、研发大模型，或许正在成为新一代医生的新能力。

AI 进入诊疗 " 深水区 "

在广州，AI 已介入诊疗核心流程。

长期以来，胃癌筛查面临两大难题。一方面，对于不少高龄老人和基础疾病患者而言，传统胃镜检查及麻醉存在一定风险；另一方面，胃镜检查高度依赖专科医生和医疗资源，难以满足大规模筛查需求。如今，南方医科大学南方医院研发的一套融合人工智能技术的手机胶囊胃镜系统，正在尝试破解这些难题。

全国政协委员、南方消化疾病研究所所长刘思德算了一笔账：培养一名能够独立开展胃镜检查的专科医生，往往需要十余年时间；一次传统胃镜检查，通常还需要消化内镜医生、麻醉医生及护理团队共同参与。如今，患者只需吞下一颗胶囊，胶囊拍摄的胃部影像便可实时上传云端，由 AI 系统自动识别病灶、完成初步阅片，再交由医生审核确认。医生则从大量重复性的阅片工作中解放出来，将更多精力投入诊断和治疗决策。他表示，AI 手机胶囊胃镜可以突破传统胃镜检查对医疗资源和专业人员数量的限制，让大规模胃癌早筛成为可能。

在其他疾病领域，人工智能同样开始承担 " 发现风险 " 的角色。近年来，肺结节检出率不断上升。许多人拿到体检报告后，面对 " 结节 "" 磨玻璃影 " 等专业术语，总会陷入焦虑。如何从海量肺结节中准确识别真正高风险人群，成为医生面临的一项挑战。

在广州医科大学附属第一医院，一套肺结节智能分析平台正在尝试解决这一问题。患者上传 CT 影像后，系统可以自动识别结节位置、评估风险等级，为患者提供参考。系统还能在海量 CT 影像中主动筛查高风险病例，将可能被遗漏的患者重新纳入随访管理。过去依靠人工逐份查看难以实现的全量筛查，现在能够在后台自动完成，让真正需要进一步诊治的患者被及时发现，减轻了医生在海量影像筛查中的工作负担。

另外，肺癌患者确诊后需要进行基因检测，以判断是否适合靶向治疗。但一次检测费用动辄上万元，部分基层医院还不具备相关条件。广州医科大学附属第一医院研究团队发现，不同基因突变类型的肺癌，在病理切片上存在细微差异。医院联合多家机构研发了病理 AI 模型 DeepGEM，让它学习大量病理切片数据，从普通病理图像中预测 EGFR、KRAS 等关键基因突变，截至目前，准确率达到 90% 以上。

" 过去需要花费上万元、等待一两周的检测，现在 AI 几分钟就能给出预测结果。" 广州医科大学附属第一医院副院长梁文华说，未来部分患者有望通过更低成本、更快捷的方式获得精准治疗机会，基层医院也能拥有更多开展精准诊疗的能力。

类似的变化也发生在病理诊断领域。病理诊断被称为临床诊断的 " 金标准 "，但长期面临病理医生紧缺、工作量巨大的现实压力。以宫颈癌筛查为例，一张切片往往包含数十万个细胞，病理医生需要长时间在显微镜下逐个寻找异常细胞。

在南方医科大学南方医院病理科，AI 正成为病理医生的 " 第二双眼睛 "。医院联合企业研发了宫颈细胞学 AI 辅助诊断系统和消化系统活检病理 AI 辅助诊断系统，形成 "AI 初筛、医生复核 " 的工作模式。其中，宫颈细胞学 AI 系统能够识别 15 类病变细胞，将单例阅片时间从 5 分钟缩短至 30 至 50 秒；消化系统活检病理 AI 系统则能够识别 27 类病变类型，并通过热力图显示病灶区域。过去需要数天完成的部分病理报告，如今可缩短至 1 至 2 天出具。" 病理医生最担心的是漏诊。" 南方医院病理科主任梁莉表示，AI 最大的价值并非代替病理医生作出最终诊断，而是在海量图像中帮助医生更快发现问题，提高诊断效率和一致性。

在中山大学肿瘤防治中心放疗中心，记者看到了一套鼻咽癌自动勾画系统。电脑屏幕上，一张张 CT 断层图像快速切换。过去，医生需要在这些图像中逐层勾画肿瘤边界，同时标记出需要重点保护的健康器官。对于鼻咽癌这类头颈部肿瘤患者来说，一名有经验的医生完成全部勾画基本需要两三个小时。" 不是只画肿瘤就行了，还要把需要保护的器官全部画出来。" 现场演示人员向记者解释。

而现在，AI 完成这一过程只需要几秒钟。随着系统启动，原发灶、淋巴结转移区域以及各类危及器官迅速被不同颜色标注出来，医生需要做的工作则从逐层勾画变成逐层审核。勾画只是放疗的第一步。按照传统流程，医生完成靶区勾画后，还需要由物理师设计放疗计划，确定射线路径、照射角度和剂量分布，再经过评估、验证等多个环节。整个过程涉及多个科室协作，患者往往需要等待数天。

对于肿瘤患者而言，等待本身也是一种挑战。放疗期间，肿瘤可能继续变化；部分患者在治疗过程中体重明显下降，身体解剖结构发生改变，原本制定好的放疗方案也可能需要重新调整。基于自动勾画、自动计划设计等技术，中肿团队正在探索 " 一站式放疗 " 模式。过去需要 3 至 5 天才能完成的新放疗方案，如今最快 20 分钟即可完成。扫描、勾画、计划设计、方案评估、治疗实施，被压缩进同一个治疗流程中。患者躺在治疗床上无需移动，就能完成整个过程。

AI 也开始进入手术室。

在广州医科大学附属第一医院胸外科，医生佩戴裸眼 3D 导航设备开展肺结节微创手术。系统会提前导入患者 CT 数据，完成三维重建。手术过程中，医生不仅能够看到镜下画面，还能实时对照病灶与周围血管、支气管的位置关系。

以前，面对一些位置隐蔽、体积较小的肺结节，医生需要依靠经验在肺组织中反复寻找定位。" 每翻动一次器官，都会对组织产生额外刺激。" 梁文华介绍，反复探查不仅增加手术时间，也可能增加组织损伤风险。如今借助三维导航系统，医生能够更快锁定病灶位置，减少不必要的翻动和切除范围，让手术更加精准。

从发现疾病，到判断风险；从制定方案，到实施治疗；从诊室到放疗室，再到手术台，AI 正一步步走入诊疗链条最核心的环节。

AI 会取代医生吗？

AI 越来越聪明，医生会不会被取代？

在中山大学肿瘤防治中心放疗中心，为记者演示鼻咽癌自动勾画系统的邓佳欣对此并不担心。作为一名在读研究生，他未来的职业方向是放疗物理师。但如今，AI 已经能够在数秒内完成靶区勾画，在几分钟内生成放疗计划，这些原本都属于放疗物理师的重要工作内容。" 自动勾画、自动计划确实提高了效率，但最终还是需要专业人员审核。" 邓佳欣说，无论是判断方案是否合理，还是处理复杂病例，都离不开人的经验和专业知识。"AI 画得再快，也需要人来判断画得对不对。" 他说。

AI 越来越深入医疗场景，正在改变医生的工作方式，却并没有改变医疗的本质。" 飞机早就有自动驾驶系统了，但驾驶舱里依然需要飞行员。" 梁文华打了一个比方。在他看来，AI 能够帮助医生完成大量重复性工作，也能够发现一些人眼容易忽略的信息，但医疗从来不是简单的数据计算。

" 我们能输入给 AI 的信息始终是有限的。" 梁文华说，医生在诊室里观察到的神态、情绪、表达方式，甚至一些细微变化，都可能成为判断病情的重要依据，而这些并不容易被完全转化为数据。

相比替代医生，AI 更大的价值或许在于把医生从重复劳动中解放出来。过去花费数小时勾画靶区、反复整理病历、查阅指南的时间，如今通过 AI 附属可以被压缩到几分钟。节省出来的时间与精力，可以让医生们投入到更复杂的临床决策、更深入的医患沟通以及更多的人文关怀中。

文、图｜记者 刘颖颖 通讯员 穗卫健宣

部分图片由受访者提供