人工智能重塑医患关系：超大城市医疗AI应用的挑战与治理路径

本综述系统探讨人工智能（AI）在超大城市医疗体系中的应用及其对医患关系的多维影响。文章以北京为案例，分析AI在提升诊疗效率、优化资源配置的同时，如何加剧信任危机与情感疏离，并提出制度化医生-AI-患者三元互动结构等治理框架，为数字时代医患关系治理提供重要参考。

　　

人工智能在医疗领域的应用：重新思考超大城市中的医患关系

1 引言

自诞生以来，人工智能（Artificial Intelligence, AI）迅速改变了世界。作为涵盖广泛领域的最有趣和增长最快的学科之一，AI已经融入医疗健康的各个领域，并正在快速重构这一领域。有硅谷传奇投资者甚至断言，到2035年，配备人工智能的机器人将取代医生。

医患关系自医学诞生以来一直是医学的主要基础。这种专业关系因其对诊断准确性和治疗有效性以及整个社会健康与稳定的影响而具有重要意义。随着医学和社会学的发展，医患关系经历了持续的变迁。人工智能在医疗保健中的整合不可避免地会对这种关系产生深远影响，需要学术界的高度关注和深入的分析反思。

根据联合国关于城市化的报告，随着全球人口增长、人口老龄化和国际迁移，城市化构成了四大人口宏观趋势之一。人口超过1000万的超大城市是城市化的典型表现，由于其人口规模及其作为经济、政治和技术权力中心的倾向，它们具有极其重要的地位。人工智能在医疗保健中的应用为超大城市医疗系统面临的系统性挑战提供了关键解决方案。然而，由于超大城市固有的复杂性，整合人工智能于医疗保健的障碍被放大，这对医患关系产生了影响。本研究通过以北京为案例进行系统分析，探讨人工智能在超大城市医疗系统中的应用，审视医患关系的多维转变，并提出新的治理框架。

2 医疗健康中的人工智能

人工智能被定义为“用计算机系统模拟人类智能的通用术语”。它已被集成到不同领域，其在医学中的应用包括虚拟和物理分支。虚拟分支表现为机器学习和深度学习，它们使用数学算法帮助计算机从数据和经验中学习。物理分支包括医疗设备和用于医疗健康服务的精密机器人。人工智能的应用正在革命性地改变医疗保健行业，展现出变革潜力同时也带来新兴挑战。

2.1 人工智能在医疗健康中的应用

随着不断进步，人工智能已经嵌入医疗健康的每个领域。例如，人工智能已应用于诊断和临床护理领域。研究表明，人工智能已成功用于促进乳腺癌、脑癌和混合性疾病的检测。通过将机器学习和深度学习集成到医学影像中，可以实现精确高效的疾病检测和诊断。在外科领域，机器人手术正被用于多个专科，涵盖普通外科、妇科、泌尿科、心脏外科、骨科以及头颈外科。

此外，人工智能可以提供全生命周期健康管理。人工智能的应用超越诊断和临床护理，延伸至疾病预防、护理和康复增强。研究表明，人工智能，特别是机器学习，可以预测个体慢性病的发生，并促进健康促进和行为改变。凭借人工智能处理和解释大量生物力学和生理数据的能力，配备传感器和人工智能能力的可穿戴技术使医疗专业人员能够设计个性化康复计划。

另外，人工智能改变了医疗机构的管理。其实施对于处理大量医疗信息、增强行政工作流程、优化资源分配以及改善医院管理的许多其他方面至关重要。人工智能在药物研究和疫情应对等领域同样发挥着关键作用。

2.2 人工智能在医疗健康中的优势与挑战

人工智能有潜力显著改善医疗结果。首先，整合人工智能可以提高诊断精度。研究表明，通过人工智能增强的神经影像技术可以在诊断早期阶段精确检测阿尔茨海默病的生物标志物。此外，人工智能的应用有助于减轻医生职业倦怠，从而减少医疗错误并提高医疗质量，而在倦怠背景下医疗质量可能较差。通过在对乳腺癌筛查中使用互补驱动的临床工作流延迟（CoDoC）系统，人工智能将临床医生的工作量减少了66%。人工智能还可以优化医疗资源配置，远程医疗可以超越地理障碍，使更多人能够获得优质的医疗服务。一项研究显示，远程医疗对丙型肝炎的治愈率达到84.8%，显著优于转诊治疗的34.0%。

虽然人工智能有潜力显著改善医疗结果，但它也带来了重大挑战。先进的人工智能模型严重依赖大量高质量数据，这引发了关于数据收集和患者隐私的担忧。大量数据不仅可以描述个人的健康状况，还可以识别个人身份。考虑到数据泄露的潜在风险，患者信息保护具有特殊意义。算法歧视也是在医疗保健中实施人工智能时面临的一个挑战。导致算法歧视的三个主要因素是：由于不完整或不正确数据导致的测量误差、由于训练样本覆盖不足或偏斜导致的选择偏差，以及延续历史歧视模式的反馈循环偏差。算法歧视可能导致某些群体受到差别对待，甚至可能造成危及生命的后果。确定人工智能在医疗保健应用中责任归属是另一个重大障碍。由于算法的不透明性和缺乏公认的法律人格，很难对人工智能应用造成的医疗伤害追究责任。

3 人工智能在超大城市医疗系统中的应用

全球城市正变得越来越大，超大城市经历了最快的增长速度。超大城市的城市规模效应放大了医疗系统面临的挑战和人工智能的变革潜力。作为典型的超大城市和中国的首都，北京的医疗系统面临重大问题，但其独特地位提供了通过人工智能进行优化的机会。

3.1 北京医疗系统面临的挑战

作为一个拥有超过2000万常住人口的超大城市，北京的医疗系统承受着巨大压力。除了庞大的常住人口基数外，北京的人口老龄化率也高于全国平均水平。2023年，该市拥有494.8万60岁及以上的公民，占其常住人口的22.64%。此外，北京人口对医疗有着很高的期望。该市就业人口受教育程度高；2022年，65.3%的居民受过高等教育，比中国全国平均水平高出41.2个百分点，比排名第二的上海高出11.6个百分点。北京居民还表现出卓越的健康素养，该市的健康素养率在2024年达到44.6%，超过全国平均水平12.73个百分点。更复杂的是，北京的医疗系统面临着大量的外地患者。2022年，在北京三级医院就医的外省患者占全国所有跨省患者的12.80%，在全国排名第二。这种巨大的外地患者涌入，加上北京庞大的人口基数、高于全国平均水平的老龄化率以及居民的高健康素养，驱动了大规模、复杂且对质量敏感的医疗需求，给系统带来了巨大压力。

此外，北京集中了不成比例的优质医疗资源，这导致某些医院长期超负荷运转。表现为预约短缺、临床医生工作量过大以及系统持续高压。北京超过80%的拥有优质资源和人才的一流医院位于中心城区。相反，社区层面的医疗卫生机构基础设施相对薄弱，人才队伍参差不齐，技术能力各异。这种差异造成了显著的“虹吸”效应，患者涌向中心城区的大型医院，而社区机构对居民的吸引力不大。这种效应也适用于病床利用效率。由于技术资源差距和高技能卫生专业人员缺乏导致患者不信任，社区卫生服务中心的病床利用效率低于综合医院和专科医院。

作为中国的政治、文化、国际和科技创新中心，北京的公共卫生应急管理体系面临独特挑战。它人口流动性高，国际和国内交往频繁。根据《2024年国际交流中心指数》报告，北京在全球国际交流中排名第七，是中国大陆唯一进入前十的城市。仅在2024年，该市就接待了394.2万国际游客和3.7亿国内游客。这给快速识别公共卫生突发事件带来了复杂性和困难，使得传染病监测和早期预警具有挑战性，并 strained 应急资源分配。

3.2 人工智能在北京医疗系统中的可行性与优势

人工智能在医疗保健中的应用可以有效应对北京医疗系统面临的挑战。互联网医院、远程医疗和在线咨询可以有效地实现患者分流，显著减少流向高度集中优质医疗资源的医院的患者流量，并为患者提供便捷的改进医疗服务。此外，人工智能在临床决策支持和医学影像解读等领域的发展可以减轻医疗保健提供者的认知负荷和程序负担，从而缓解职业压力。在公共卫生领域，人工智能增强了风险预测与沟通、公共卫生监测、疾病预测和信息流行病管理等方面的能力。

北京优先发展医疗人工智能，在医疗服务中实施了许多应用。到2020年，北京已有8家医院推出了在线诊疗和药品配送服务。这得到了国家卫生健康委员会的认可，该委员会发布通知，呼吁医院推进在线诊疗和互联网医院的发展，以缓解门诊压力。2021年，北京协和医院互联网医院获得北京市卫生健康委员会批准，成为该市首家互联网医院。该医院提供在线随访服务，包括在线咨询、在线检查、访问院内病历等。

作为中国的科技创新中心，北京拥有独特的技术优势。该市拥有92所高等院校、1000多家科研院所，以及全国最多的高科技企业和独角兽企业。2023年，北京的研发强度达到6.73%，超过中国全国平均水平，位居全国首位。根据自然指数，北京已连续八年位居全球科学城市排名榜首。利用这些技术优势，该市在医疗系统整合人工智能方面展现出竞争优势。2025年，清华大学推出了AI Agent Hospital（AI智能体医院），其“旨在创建‘AI+医疗+教育+研究’的闭环生态系统，增强优质医疗资源的高效扩展和公平分配”。

此外，北京通过政策框架促进人工智能与医疗服务的融合。2025年，该市发布了《北京市加快人工智能+医疗健康创新发展的行动计划（2025-2027年）》，旨在将北京打造成具有国际影响力的人工智能和医疗健康创新中心。

北京的案例凸显了超大城市将人工智能整合到其医疗系统中的必要性，并展示了这些发展的优势。然而，它也放大了人工智能在医疗保健应用中带来的挑战，特别是在其改变医患关系的方式上。

4 医患关系的转变

医患关系在整个历史中不断演变。医生和患者的自我反思、沟通和技术技能，以及社会政治和知识科学氛围，都影响着这一关键关系。1956年，Szasz和Hollender提出了医患关系的三种基本模型，即：(i) 主动-被动，(ii) 指导-合作，和 (iii) 共同参与。在主动-被动和指导-合作模型中，医生处于主导地位，而共同参与模型更加强调患者。随着生物-心理-社会医学模式的出现和患者权利意识的提高，共同参与模式被视为医患关系的理想模型。医患关系传统上被框定为仁慈的家长式作风；随着互联网的出现，患者开始更主动地管理自己的健康。人工智能在医疗保健中的应用进一步改变了医患关系。

4.1 弥合医患之间的信息不对称

信息不对称是医患关系的一个基本特征。成为医疗行业的一员需要广泛的知识获取和长期的培训。然而，鉴于医学科学固有的广度和复杂性，即使是受过专业训练的医生也难以掌握所有医学实践领域的全面专业知识。对患者来说，几乎不可能获得与医生相同的医学知识。此外，患者的病史、用药习惯、生活方式、饮食模式、身体状况、心理状态、生活环境等因素与疾病预防和诊断密切相关。然而，这些信息大多具有私密性，没有患者的充分配合，医生很难全面了解。

人工智能的整合可以弥合医患之间的信息不对称。在人工智能技术的支持下，获取医疗信息变得非常方便。人们使用应用程序或生成式人工智能查询医疗信息已很常见。研究发现，在线信息搜索行为的趋势使个人能够增强对健康问题和症状的了解。同样，医生远程监控患者和访问患者数据也变得更加容易。例如，HeartGuide是一种血压监测器，用户佩戴它可以跟踪血压，其结果可以与医生共享。

4.2 提升患者在决策中的自主权

患者自主原则的实现取决于以下三项权利：(i) 隐私权或亲密权，(ii) 健康信息权，和 (iii) 决定自身健康事务的权利。尊重患者自主权是医学实践的基本原则之一。历史上，医学知识仅由医生掌握，患者获取健康信息的机会有限，这意味着医患关系仍然以医生为主导。患者的医疗决策权受到医生的限制，他们被期望简单地遵守医生的医嘱。

如第4.1节所述，人工智能与医疗保健的整合使人们查询医疗信息变得更加容易。这促使越来越多的人在去看医生之前进行在线症状研究。当这些人最终去看医生时，他们通常带着初步的自我诊断，甚至可能质疑医生的医嘱。随着人工智能系统的意见和建议被赋予更多权重，医生的影响力和决策权受到挑战，从而加强了患者的自主权。

4.3 超越医患二元互动结构

医患关系是医疗服务提供者与其患者之间长期存在的互动。然而，随着人工智能融入医疗保健，这种二元互动结构正在被打破。未来人工智能将应用于几乎所有类型的医疗保健，这不可避免地会引入人工智能作为医患关系中的第三方。医生使用人工智能来提高诊断准确性、减少医疗错误并减轻工作流程负担。患者使用人工智能来获取医疗信息并促进自身健康。传统的医患二元互动结构已转变为医生-人工智能-患者三元互动结构。

4.4 超大城市背景下医患关系的紧张态势

基于第3节提出的北京范式案例，超大城市中人口复杂性、集中化的技术资本和政策支持的融合，系统地放大了人工智能对医患关系的变革性影响。

人工智能在医疗保健中的应用，在改变传统信息不对称的同时，也在某种程度上加剧了医患信任危机。在传统的就医过程中，患者通常根据机构声誉和专业资质选择医生，然后咨询其他医生进行进一步验证。如第4.1节所示，人们使用应用程序或生成式人工智能查询医疗信息已很常见。在咨询之前，患者已经通过互联网、生成式人工智能等渠道对自己的状况有了一定的了解。在咨询过程中，他们可能会将自己的理解与医生的判断进行比较，以确定医生是否可信。如果医生未能很好地回应患者，患者对其的怀疑可能会增加。从医生的角度来看，如果他们知道患者进行了咨询前的研究，他们可能会对患者进行专业沟通的能力产生更高的期望。如果患者未能达到这种期望，这可能导致医生对患者形成印象，例如，认为他们难以沟通或过度焦虑。医患信任危机随后可能变得更加严重。在线寻求健康信息的行为与几个因素有关。受教育程度和健康素养水平较高的人，以及发达国家与发展中国家相比的人，更有可能进行在线健康信息搜索。超大城市集中了受教育程度更高、健康素养更优越的人群（以北京在这两个指标上全国领先为例，见第3.1节），加上其普遍发达的社会经济背景，导致在线健康信息搜索的普及率更高，这反过来又使这些城市中心更容易出现加剧的医患信任危机。

人工智能的使用，在增强患者自主权的同时，因此也可能加剧患者与医生之间的冲突。增加的患者自主权使个人能够更积极地参与医疗决策。然而，当前人工智能在医疗保健中的应用往往受到算法歧视和不透明性的限制，这可能导致误诊和纠纷。同样，当患者使用人工智能生成的建议来挑战医生的治疗计划时，可能会产生紧张关系。在涉及人工智能的医疗过程中，缺乏关于医疗纠纷责任分配的明确规定进一步加剧了冲突。此外，随着患者自主权的增加，他们越来越关注个人隐私保护。严重依赖大规模数据的人工智能的使用，需要在技术应用和隐私保护之间取得谨慎的平衡，这对于维持良好的医患关系至关重要。在超大城市，患者通常对治疗结果有很高的期望。然而，高患者量经常导致等待数小时却只得到简短咨询的情况。当患者已经使用人工智能研究了自己的病情或已经形成了先入为主的诊断，却只得到有限的时间由医生解释时，更容易发生误解和分歧。此外，超大城市的技术优势意味着其医疗人工智能的开发和实施更加先进，涉及更大规模的数据。这反过来又增加了患者隐私的潜在风险，为医患关系增添了另一层复杂性。

人工智能作为第三方参与者插入传统的医患二元互动结构，将其重构为一个技术介导的三元互动结构，这固有地增加了物理和心理距离。医生应该设身处地为患者着想，在治疗疾病之前全面了解患者。人工智能的整合减少了医生和患者必须在同一房间的必要性。在提高效率的同时，这取代了医生和患者之间的互动，可能使其感觉冷漠和缺乏人情味。此外，互动焦点从医患转向医生-人工智能和患者-人工智能，导致共情减少。虽然一项研究表明，人工智能的应用可以节省医生的时间，让他们有更多时间与患者沟通，但没有研究证明人工智能节省的时间实际上被用于医患沟通。相反，由于北京等超大城市医疗系统的负担，人工智能节省的时间可能被用于接诊更多患者。这意味着医生可能仍然没有足够的时间与每位患者进行充分有效的沟通，导致医患情感关系恶化。

5 人工智能时代超大城市医患关系治理建议

虽然人工智能在医疗保健中的应用显示出提高医疗服务质量的巨大潜力，但它也对医患关系产生了不可避免的影响。这些影响在超大城市独特的社会技术复杂性中被进一步放大。在人工智能时代，主动治理对于更好地利用其益处同时减轻其风险至关重要。

5.1 制度化医生-人工智能-患者三元互动结构

人工智能在医疗保健中的应用已将传统的医患二元互动结构转变为医生-人工智能-患者三元互动结构。这种范式转变在超大城市（见第3节）尤为明显，那里医疗人工智能的采用规模大、速度快。因此，在超大城市中将医生-人工智能-患者三元互动结构制度化非常重要。在这个三元互动结构中，医生必须保留最终决策的主要角色，而人工智能在提高诊断准确性和减少医生工作量方面发挥辅助作用。同时，保留医生在最终决策中的首要地位可以防止因算法歧视和不透明性而产生的责任模糊。

5.2 利用超大城市优势促进人工智能在医疗保健中的应用

超大城市通常吸引大量高科技人才和创新企业。因此，这些城市必须利用其集中的技术资本，开创人工智能与医疗保健融合的先河。战略发展应首先针对超大城市面临的挑战，如患者数量压力、优质医疗资源分配不均等，以提升医疗服务。改善人工智能在这一领域的能力可以降低医患关系中的风险因素，并促进其和谐发展。

5.3 政策驱动的医疗人工智能应用风险治理

鉴于其规模和优势，超大城市在开发和应用医疗人工智能时，应制定先发制人的治理框架，以减轻和监管相关风险和弊端。首先，应通过相应的法律法规，对患者隐私保护和医疗纠纷责任认定作出明确规定。其次，应建立相应的伦理标准，优先考虑患者利益，同时避免医疗专业人员陷入伦理困境。最后，监管机构应加强监督，全面评估人工智能对医患关系的潜在影响，并及时干预以积极调整这些关系。

6 结论

正如世界卫生组织总干事谭德塞所说：“人工智能已经在诊断和临床护理、药物开发、疾病监测、疫情应对和卫生系统管理方面发挥作用……医疗保健的未来是数字化的，我们必须尽力促进普遍获得这些创新，并防止它们成为不平等的另一个驱动因素。” 人工智能与医疗保健的整合可以弥合信息不对称，提升患者自主权，并将医患二元互动结构转变为医生-人工智能-患者三元互动结构。然而，它也可能无意中加剧医患信任危机，激化冲突，并增加患者与医生之间的物理和心理距离。超大城市的社会技术复杂性放大了这些影响。超大城市如北京不应拒绝采用人工智能，而应调整其治理框架，以更好地利用其益处，同时减轻其相关风险。