《AI医疗治理白皮书(2026)》发布:当算法介入生命决策,谁来担责?

“人工智能技术呈指数级爆发的时代，AI正在以前所未有的速度重塑各个领域，其中最令人瞩目且关乎人类福祉的领域无疑是AI医疗全球治理与创新。”

上海社科院信息研究所所长刘炜致辞中表示，上海社科院信息研究所始终紧跟国家战略，为深入贯彻落实国家“人工智能+”行动意见，系统推动科研创新。近期正式成立的社会科学智能实验室旨在整合全所科研力量，聚焦人工智能与社会科学的交叉领域，致力于在技术创新、产业发展和安全治理等核心方向上，形成具有学术话语权和社会贡献度的研究品牌。

“用思考对抗同化，用合作对抗迷茫，这才是人类最深的护城河。”

复旦大学管理学院院长助理、管理科学系冯天俊教授在致辞中指出，AI医疗目前呈现出数据与算法深度融合、应用场景全面渗透等特点，我们需要思考AI医疗对管理和商业领域产生的深刻影响。复旦管院将通过提供卓越平台，助力科创研究赋能管理与医疗实践。“在推动技术从实验室走向市场过程中，涉及企业融资、估值、产品市场化、发展战略等一系列复杂管理问题，这也是复旦管院过去5年科创战略的核心研究方向。”

由港大-复旦IMBA项目、港大-复旦IMBA项目明博医疗健康产业俱乐部、上海社科院信息研究所与《管理视野》联合编撰，上海社科院信息研究所数字经济研究室主任赵付春团队主导的《AI医疗治理白皮书2026》正式发布。

复旦大学管理学院院长助理、管理科学系冯天俊教授、上海社科院信息研究所所长刘炜，复旦大学管理学院商业知识发展与传播中心主任、《管理视野》常务副主编于保平，港大-复旦IMBA项目执行主任孙龙，港大-复旦IMBA项目明博医疗健康产业俱乐部主席、2013级校友黄浩共同见证。

上海社科院信息研究所数字经济研究室主任赵付春解读白皮书：

AI医疗治理存在五大核心矛盾：一是技术高速发展与制度滞后性的矛盾。二是医疗安全风险在智能化诊疗中被系统性放大。三是责任边界模糊，冲击传统医疗专业秩序。四是合规路径不透明，制约规范化技术创新。五是全球创新协同性与区域监管差异性的矛盾。

自2021年以来，我国已出台20多个AI医疗相关政策文件，加上地方政策，数量翻倍。白皮书总结了我国四大成就：一是AI医疗应用生态初步形成；二是探索出相对高效的监管路径；三是医疗数据基础设施建设取得突破（以上海为例，在数据共享方面走在全国前列）；四是社会对AI医疗的认知和接受度显著提升。同时，我们也面临两大挑战：精细化治理不足和优质供给不成熟。

为客观评价全球AI医疗治理水平，我们构建了“AI医疗治理框架成熟度评估体系”，包含“制定能力、治理效果、持续改进”等4个维度、11项指标。尽管路径不同，全球AI医疗治理已形成三大共识：一是风险分级理念（源于欧盟，我国已认可并建立自有分级体系）；二是全生命周期治理（适配AI自我学习、持续进化的特性）；三是多方协同治理（利益相关方共同参与是治理关键）。

针对治理难题，我们提出四大建议：一是医疗机构应建立AI设备审核机制，通过合同谈判明确责任边界；二是厘清企业与医疗机构之间的责任划分；三是构建医患信任体系，强化AI医疗的透明度；四是让智能技术回归医疗本源，聚焦提升诊疗质量和患者福祉。

总结来看，AI医疗治理需紧跟技术发展步伐。未来AI医疗的终极问题，不在于AI是否会替代人类，而在于我们能否对生命决策真正负责。

主题分享环节聚焦AI医疗的实践与探索，由5位嘉宾分别带来多维度分享。

复旦大学管理学院院长助理、信息管理与商业智能系系主任张诚教授做“AI赋能医疗管理”主题分享：

贝克咨询的报告显示，60%以上的医疗机构愿意使用AI，但后续跟踪发现仅1/4的企业真正实现落地。这一现象背后的核心是To B与To C产品的本质差异：To C产品用户仅需对自己负责，而To B产品用户（如医疗机构）需对患者、员工等多方负责，管理逻辑完全不同。

在企业和医院应用AI时，最核心的挑战是准确率与稳定性。企业和医院对AI的要求并非“准确率越高越好”，而是“避免意料之外的错误”。以医疗AI为例，行政和科研场景中，AI应用相对顺畅，但在诊断场景中，一旦涉及准确率和责任划分，一线医生往往难以决策。

医疗领域应用AI最易犯的错误，是将机器学习的“预测准确率”等同于医学诊断的“循证逻辑”。医学诊断遵循随机对照试验（RCT）的严谨验证逻辑，有明确的试验组和对照组，确保结果的可靠性；而机器学习基于海量数据统计，可能存在数据偏差，导致模型脱离真实临床场景。这也是多年来AI医疗落地困难的核心原因之一。

此外，AI应用还面临“数据偏差”、专家经验的不确定性等挑战。因为不同的专家学习路径和临床经验不同，会形成各自独特的诊疗逻辑。而AI往往只能学习专家的“判断结果”，却难以复刻其“判断过程”，这也影响了AI在临床场景的信任度。

我们做过一个压力实验，当面临时间紧迫、自身判断与AI结论冲突时，医生更倾向于相信自己的判断——毕竟，医疗决策关乎患者生命，医生难以将可能影响职业生涯的责任交给“无需担责”的AI。这一现象也提示我们，AI设计需兼顾“技术能力”与“人文机制”，医院设定的“AI辅助、人为主导”原则，会直接影响最终决策。

第一次工业革命中，水力、蒸汽替代人力后，企业的运作流程和结构随之重构，才真正实现技术价值。当前AI在商业领域的应用，仅有5%真正产生价值，核心原因就是流程和结构未与技术适配。医疗领域更是如此，AI的价值不仅在于技术本身，更在于医院如何构建适配的流程、分工和管理机制，以及如何应对错误和责任问题。

上海市药品监管局综合处调研员，港大-复旦IMBA项目2005级校友周凤舞做“人工智能在药品监管中的应用”主题分享：

监管部门与生物医药企业的共同目标是提升药品质量，保障公众用药安全，在服务创新产品方面，双方有着风险共担、信用共建、规则共创的关系。

我们的AI监管项目主要根据国家药监局人工智能典型应用场景清单和省级药品智慧监管指导意见实施，依托数字化试验区（上海）项目开展，核心目标是实现“风险预警、监管闭环、重点产品可溯、服务创新”。

人工智能的应用聚焦于解决实际问题和挑战：一是药企智能化、数字化转型加速，监管需同步升级以防范风险于未然；二是医药电商市场规模扩大，2024年全国医药网络销售规模达980亿元，线上购药比例大幅提升，拼多多、小红书、抖音电商、京东健康等平台落户上海，网络购药安全监管面临挑战；三是产业创新活跃，2024年上海生物医药产业规模达9847亿元，年增长超5%，服务生物医药产业创新发展，需要通过技术手段提升审评审批效率。

基于上述考虑，我们通过两年时间，建设升级了23个系统覆盖18个业务场景，包括临床试验、审评审批、产业创新服务、风险预警、事中事后监管和公众服务几大板块，实现药品全生命周期监管。具体应用场景包括：AI+药品生产现场监管辅助系统、风险预警系统、涉网流通监管系统、AI+审评审批辅助系统、生物医药产业创新地图等。

未来，我们将持续深化数字化顶层设计，推广网络监测系统应用，构建多智能创新平台，结合人工智能应用进行系统、数据、智能体的流程编排，实现复杂场景的数据调用和快速开发，推动药品监管智慧化升级。

上海市儿童医院副院长、复旦大学医院高质量发展领导力提升班校友杨晓东做“AI机器人开启医院智慧物流新时代”主题分享：

医院后勤管理的核心痛点的包括：一、传统人工运送的差错率高，高值耗材和药品的全流程追溯难度大；二、儿童患者活泼好动，日常巡防中安全隐患排查依赖人工，效率低；三、后勤管理涉及环节多，人力成本高。针对这些痛点，我们以科研为突破口，系统性推进AI+后勤管理创新。核心实践是“机器人+场景”的精准适配：

1、物流机器人应用。在药品、检验样本等运送场景中，部署物流机器人，实现扫码装箱、自动呼叫电梯、自主导航、扫码开箱的全流程自动化，全流程追溯率100%。自2018年系统上线以来，物流差错率从原来的千分之二降至0，同时节约了大量人力成本。

2、安防机器人应用。结合医院与警方的一级联通系统，利用人脸识别技术，实现安全隐患的实时监测和预警，多次协助排查安全风险。

3、设施改造与技术融合。对药房等现有设施进行底盘改造，适配机器人作业，避免重复投资，提升应用效率。

未来，机器人从“辅助执行”向“自主决策”过渡是必然趋势。我们的目标是通过AI和大数据，支撑医院“一带三区”的发展规划，实现三院群的一体化管理和同质化服务。此外，管理团队的升级也至关重要。我们的后勤管理团队平均年龄36岁，80%拥有硕士以上学历，通过产学研一体化合作，团队不仅完成了技术落地，还获得了上海医学科技奖和发明专利，打破了“后勤管理是蓝领工作”的刻板印象。

蚂蚁健康数字医药部商务负责人步晓龙做“AI赋能医疗产业服务升级”主题分享：

AI在医药行业的赋能场景广泛，覆盖研发、临床、流通全链条：在药物研发中，AI可关联靶点与表征数据，指导分子设计，提升疫苗序列的翻译效率和稳定性；在临床实验中，AI可精准匹配患者数据与实验需求，加快入组速度；在健康管理中，AI对话机器人可以科普健康知识。

蚂蚁“阿福”的设计理念是“让优质医疗资源触手可及，让健康管理更主动”。核心功能包括：

1、健康问答：支持语音、文字、方言交互，专业解答健康问题，要点自动记录到健康档案，为后续咨询提供参考。

2、深度问诊：用户可选择为自己或家人提问，通过互动选择症状部位（如腹部疼痛位置），结合健康档案分析可能原因，给出精准建议，并提醒持续不适需及时就医。

3、报告解读：支持拍摄或上传体检报告、药盒图片，快速解读结果，支持多份报告对比分析。

4、健康习惯养成：用户可设置运动、饮食、睡眠等个性化目标，“阿福”每日提醒打卡，陪伴用户养成健康习惯。

5、生态联动：整合挂号、买药等服务，与医院、医生合作构建医生智能体，实现一站式健康服务。

2025年至今，AI进入“智能体时代”，智能体不仅是工具，更是能主动完成任务的助理。未来10-20年，AI更将走向“具身智能”，走出计算机，融入机器人、汽车等物理载体，成为人类探索世界的伙伴。

京东健康探索研究院科学家、专病大模型研发负责人赵俊做“人工智能驱动的医检诊药新闭环”主题分享：

京东健康的大模型经历了三个阶段演变：从通用基座模型，到全科模型，再到专科专病模型。在专科专病治疗中，我们面临三大核心挑战：一是拟人对话，需要同时理解专业临床术语和患者模糊的病情描述，模拟医生个体化诊疗思路。二是可信推理：推理链路长且复杂，需结合症状、文本、影像、化验数据等多维度信息，且要让诊断过程有迹可循。三是全模态场景：严肃医疗中3D影像、超声、内窥镜等特异性模态需求多，需针对性学习理解。

为应对这些挑战，我们做了四方面工作：

一是构建大型患者模拟器。基于真实病例模拟患者的年龄、性别、表达方式、主诉、诊断及严重程度，通过持续交互强化模型的对话和诊疗能力。

二是搭建自动化评测方案。实时监控模型迭代效果，并开发100多个医学工具（如夜间低血糖预测、面诊舌诊、生长曲线计算），模型可按需调用，也能赋能医生提升诊疗能力。

三是建立大型医学知识库。包含3000万份专业医学文献、教材、指南等数据，模型可自动判断是否依赖内部知识或调用外部循证资源，每一步诊断都能引用相关临床文献，提升信任度。

四是依靠多模态思维链推理，模仿人类医生先局部再整体的阅片流程，可视化呈现当前模型关注的解剖学结构，提升影像解读能力，真正做到类人类医生诊断。

2025年9月，我们发布“京医千询”医疗大模型2.0版本，强化了影像检测、报告生成、文档解读等核心能力。基于“京医千询”大模型，我们构建了“医、检、诊、药”闭环，推出 “AI京医”系列、 “康康”、ABC健康小程序等多款面向C端的大模型产品。“京医千询”医疗大模型希望通过与线下医院合作，以技术不断逼近人类医生的认知边界，为患者和医院提供更专业的医疗级服务。

圆桌对话由领思生命健康创新研究院国际合作部主任、港大-复旦IMBA项目2006级校友顾文兵主持，与嘉宾及校友结合行业经验，共同分享AI医疗在落地过程中产生的实际价值。

崔岚

美年集团副总裁、江浙省区总经理

港大-复旦IMBA项目2007级校友

AI医疗带来的核心价值，一是提升了医生的诊断质量，二是显著提高了工作效率。更重要的是，这两点变化正在改变医疗行业的劳动组织形式——医疗机构从分中心模式转变为区域诊断中心架构，这是目前AI医疗落地带来的确定性变化。对于医疗机构来说，如果AI产品只能提升质量和效率，不能显著降低运营成本，那么产品价格过高就难以被接受。我们的实践经验是，开发针对性的AI岗位产品——如AI主检医生、AI客服医生、AI超声助理，替代具体的辅助岗位，才能显著降低成本，实现商业化落地。

丁波涛

上海社科院信息研究所副所长

医疗关乎生死，现在大家对AI的信任度仍然较低。一是AI的算法“知其然不知其所以然”，基于历史数据训练的模型，在新场景下的准确性难以保证，且责任主体难以明确。二是情感价值难以替代，患者看病不仅是获取诊疗方案，还希望从医生的表情、沟通中获得情感安慰和支持，而AI的回应往往比较“冰冷”。此外，文化认知也有影响，比如过于活泼的AI语音会让患者怀疑医生的专业度，而患者更倾向于信任“白发苍苍的老医生”，这种文化认知短期内难以改变。

洪远东

思齐俱乐部创始人

港大-复旦IMBA项目2006级校友

如果AI缺乏约束，可能会出现商业利益裹挟的问题。比如，查询感冒用药时，AI可能会推荐特定厂家的产品，这与原本客观中立的医疗咨询初衷相悖。在资本和经营压力下，部分AI医疗企业可能会偏离初心。AI的核心价值是帮助医生提升诊疗水平，而非替代。在信息科普、帮助老人等群体获取医疗知识方面，AI也具有得天独厚的优势，且在专业医疗知识储备上，完全可以超越人类8年的学医经验。

胡春颖

中科润达精准医学检验有限公司执行董事兼总经理

复旦大学EMBA项目2011级、DBA项目2022级校友

人工操作会受情绪、状态影响，而AI的出错率远低于人工。但AI只能是医生的助手，无法完全替代医生，就像智能驾驶不能完全交出方向盘一样，医疗决策的最终责任仍需由医生承担。当前算力、算法、模型技术都在快速迭代，但由于缺乏明确的监管准入门槛、数据治理规则和合理的激励机制，很多技术成果无法从实验室走向临床，难以实现规模化落地。只有监管明确、数据合规、激励到位，AI技术才能真正转化为临床价值。

刘华宾

人工智能企业联合创始人

上海集之数字科技有限公司总经理

港大-复旦IMBA项目2015级校友

AI在医疗领域的近期价值，主要是辅助医生提升效率和准确性——比如作为“影像侦察兵”精准识别影像，作为“病例逻辑纠察兵”快速发现病历错漏，帮助医生从重复的看片、写病历工作中解放出来，专注于情感共鸣、价值判断等人类擅长的领域。同时，也有两个“幻觉”被现实打破：一是“全能AI神医”并不存在，医疗诊断涉及技术、规则、人性等多个维度，AI无法承担生命托付的重任；二是“数据投喂即可实现AI落地”的想法不切实际，高质量、规范化的数据投喂和流程改造，比技术本身更重要。

港大-复旦IMBA项目执行主任孙龙介绍项目对AI医疗人才培养的整体布局。

港大-复旦IMBA项目明博医疗健康产业俱乐部主席、2013级校友黄浩介绍俱乐部的发展概况与核心使命。

艾博唯公关合伙人、港大-复旦IMBA项目2025级学生段静远主持论坛。

复旦大学管理学院商业知识发展与传播中心主任、《管理视野》常务副主编于保平主持主题演讲环节。