界面新闻记者 | 许悦

近日，有网友发布视频称，江苏徐州某医院医生用豆包查询新药信息，患者得知后拒绝开药，院方回应称最终未开药 。很多人第一反应是患者保守、不懂技术，或者医生偷懒、不专业。两种判断都太省事了。真正值得追问的是：一个辅助查询工具，为什么会让诊室里的人瞬间失去安全感？

答案不在技术参数里，在沟通结构里。患者坐在医生对面，默认的契约是“你凭专业判断为我负责”。当医生当着患者的面打开一个通用AI工具查药，这个契约的锚点就动摇了。患者不知道AI给了什么答案、医生是不是专业、有没有核实。信息不对称被技术放大了，而不是缩小了。这不是AI的错，是使用方式没有跟上技术渗透的速度。

张文宏明确拒绝将AI引入病历系统，理由是“不利于年轻医生成长” 。这个判断值得认真对待。病历书写是临床思维的训练场，年轻医生在反复推敲主诉、鉴别诊断、用药逻辑的过程中长出独立判断力。如果AI代劳，效率上去了，能力底座却可能被掏空。但反过来看，拒绝病历系统不等于拒绝一切AI辅助。关键在分层：哪些环节是“思维训练区”，必须人来做；哪些环节是“信息检索区”，AI可以当助手。这条线划不清，争议就会反复出现。

另一条线也在同时铺开。我国部分基层医院将部署“AI儿科医生” ，国内三甲医院首个AI心脏大模型即将发布 ，上海市一医院推出全市首个“AI陪诊师” 。这些动作指向同一个方向：AI进入医疗体系的方方面面，已经是既定事实。它不会因为某一次患者拒绝就停下来。

从经济规律看，医疗AI的推广逻辑很清晰。优质医疗资源高度集中，基层医院和三甲医院之间的能力落差是结构性的。培养一个成熟医生需要十年量级的时间，而AI辅助工具可以在一夜之间部署到乡镇卫生院。AI儿科医生、心脏大模型、陪诊师，本质上都是在做同一件事：把三甲医院积累的经验和知识，以边际成本极低的方式向下渗透。这是促进医疗公平的一条现实路径，也是AI在医疗领域最大的社会价值所在。

但这条路径有一个前提：患者得信。信任不来自技术多先进，来自过程多透明。徐州那位患者的拒绝，本质上是一次信任投票的失败。他不知道自己面对的是一个什么角色——是医生在查资料，还是AI在替医生做决定？这个模糊地带不消除，类似场景会不断重演。

所以边界要划在三个地方。第一，告知边界。医生使用AI辅助查询或决策支持时，应当让患者知道，并且说清楚AI提供了什么、医生如何判断。这不是形式主义，是把信息不对称重新拉平。第二，责任边界。AI是辅助工具，最终决策权在医生 。这句话不能只写在行业规范里，要落在每一次处方、每一份病历的签字上。第三，能力边界。哪些环节必须由医生独立完成以保持临床能力，哪些环节可以交给AI提效，需要按科室、按场景细化，不能一刀切。

AI陪诊师在上海的落地提供了一个正面样本。陪诊场景里，AI做的是流程引导和信息解答，不触碰诊断决策，患者接受度自然高。这说明患者不是排斥AI，是排斥“不知道AI在干什么”。透明本身就是信任的基础设施。

医疗AI的争议不会消失，也不该消失。争议是规则形成的必经过程。但争议的焦点需要从“要不要用”转向“怎么用、谁来负责、患者知不知情”。技术已经跑在前面了，制度设计和沟通习惯得跟上。让AI去抹平基层和三甲之间的鸿沟，让医生从重复劳动里腾出手来做判断和沟通，让患者在每一个环节都知道自己面对的是什么——这三件事同时做到，AI医疗才算真正落地。做不到，再好的模型也只是诊室里多了一个让人不安的屏幕。