智能医疗的快速迭代，正在全方位地重塑现代医学的诊疗模式。其凭借高效运算、精准识别 与标准化输出的技术优势，现已深度渗透冠心病等心血管疾病诊疗的全链条。从院前生成式人工 智能问诊、院内智能监护与辅助决策，到出院后慢性病随访，人工智能技术成为驱动医疗服务效率 提升的重要力量。但医学自诞生之日起便兼具技术与仁术的双重属性，其核心始终是对人的理解、 共情与照护。当算法逐步介入临床诊断、机器参与诊疗决策、数据成为定义患者健康状态的核心 标尺时，技术理性与生命伦理之间的内在张力日益凸显，二者的碰撞、博弈与融合，已成为智能医 疗时代无法回避的核心命题。

关键词：人机协同，冠心病，智能医学，生命伦理，人文关怀

目前，我国冠心病的发病率逐年升高，随着介入技术 的更新、抗栓药物的迭代与胸痛中心建设的普及，冠心病患者的救治成功率已经显著提高^[1]。“时间就是心肌，时 间就是生命”已成为心内科诊疗的核心铁律。而生物技 术、信息技术与人工智能技术的深度交融，让医学人工智 能辅助决策系统、手术机器人乃至“豆包”“DeepSeek” 等生成式人工智能问诊平台逐步介入医疗诊疗的全流程， 进一步推动诊疗各个环节的高效性。但临床诊疗全流程 的高速发展并未转化为患者体验的同步提升，冠心病患者 原有的紧张、恐惧与焦虑非但没有减轻，反而增添了新的 困惑：“我到底是听医生的，还是听电脑手机的？”“如 果机器错了，谁来负责？”等。 

临床中，医护人员多聚焦疾病诊疗，易忽视对患者生 活场景、情绪状态的关注与沟通^[2] ，这一问题在智能医学 时代被进一步放大。患者依赖人工智能问诊、临床决策 参考算法输出的现状，正冲击着医学人文关怀、医患共同决策等核心价值。以人为本的医学人文精神因此重新成 为现代医学的价值基石^[3]。本文以冠心病诊疗流程为载体， 结合临床案例，梳理智能医学各环节的人文与伦理困境， 剖析核心张力，探寻技术与伦理的平衡路径。

与传统诊疗模式不同，医学人工智能的发展已历经三 个核心阶段：从最初将专家诊疗经验转化为显性规则的规 则驱动阶段，到通过机器学习从海量临床数据中自动提取 疾病关联、在影像识别与风险预测等任务中展现出优异 性能的数据驱动阶段，再到如今可自主完成病历生成等标 准化任务、整合多模态临床数据、贯穿疾病预防、诊疗、 康复全链条的智能协作者阶段^[4]。这一发展历程，让人工 智能完成了从辅助识别、协助检验的工具性角色，到参与 临床判断的智能协作者的关键转变。但在真实的临床实 践中，冠心病诊疗场景下的人机协同，并未完全实现“1 + 1 ＞ 2”的预期价值。患者不仅要承受疾病本身带来的身 心打击，还要面对人工智能介入诊疗后产生的诸多新困惑， 而这些困惑，还会随着院前、院内、院外的诊疗流程推进， 呈现出不同的表现形式。 

2.1 院前与急诊阶段：人工智能问诊对患者决策的干扰 

随着生成式人工智能的普及，不少患者就医前会通过 “豆包”“DeepSeek” 等通用大模型获取解答，用以对照 甚至质疑临床医生的诊疗建议。需要明确的是，医疗场景 中的人工智能可分为两类且存在本质差异：面向公众的消 费级生成式人工智能无医疗执业资质，仅可作为健康科普 参考；医疗机构部署的临床级医疗人工智能系统经医疗器 械审批，仅用于辅助医生决策，二者的监管标准、准确性 边界与责任主体截然不同。若患者混淆二者边界，将消费 级人工智能的输出作为临床决策依据，极易在急危重症场 景中引发不良后果，在急性心肌梗死（acute myocardial infarction，AMI）这类救治窗口期极短的疾病中风险尤为突出。 

病例 1：患者，男性，45 岁，企业高管。因持续胸痛 1 小时由家属送至急诊室，心电图提示急性下壁 ST 段抬 高型心肌梗死。当医生建议立即行急诊介入手术时，患 者家属却出示手机中“豆包”人工智能的回答，该人工 智能根据患者输入的“胸痛、年轻、无高血压糖尿病病 史”等信息，给出了“不排除急性心包炎或肋间神经痛， 建议先行心脏超声、心电图”等检查的建议。家属据此 对医生的手术建议产生质疑，要求先做超声诊断筛查。 在与家属反复沟通的 40 分钟内，患者心肌损伤标志物持 续升高，胸痛持续加剧。虽最终说服家属接受介入手术 治疗，但已错失了最佳心肌再灌注时机。 

病例 2：患者，男性，62 岁，因间断胸痛到县域医院 就诊，心电图表现不典型。基层医生通过人工智能心电 辅助诊断系统分析，系统提示 “急性非 ST 段抬高型心 肌梗死高风险”，辅助医生快速识别高危状态，立即启 动胸痛中心转诊流程，患者 2 小时内完成介入手术，心肌得到有效挽救。该案例体现了人工智能技术对基层诊 疗能力的赋能作用，可有效缩小不同层级医院的诊疗差距。 

案例 1 暴露出生成式人工智能问诊在急诊场景的核 心问题。一是信息不对称的逆向放大：医生诊疗基于病理 生理机制与完整鉴别诊断逻辑，人工智能仅依托大数据统 计学关联，未真正理解疾病机制；患者家属缺乏专业知识、 无法准确表述病情，人工智能也无法结合实时状态判断， 双向偏差放大了医患信息鸿沟。二是决策主体的混乱：传 统模式下医生是明确的决策责任人，人工智能介入后患者 易在二者结论间犹豫，在心肌梗死急救中可能直接延误救 治，也削弱了医生的决策权威性。但同样的，如案例 2 所 示合理规范的人工智能使用仍具有巨大的获益。 

2.2 住院阶段：人工智能监护预警系统对患者焦虑的放大 

冠心病患者经导管介入手术成功开通堵塞血管后，会 转入冠心病病房继续治疗。在这一阶段，部分医院引入了 人工智能风险监护预警系统，通过对心率变异性、血压波 动、呼吸频率等多模态数据的实时分析，预测心力衰竭、 恶性心律失常等并发症的发生风险^[5]。这项技术本是为了 提升医疗安全、提前防范风险，却在临床应用中，带来了 意料之外的负面效应。 

病例 3：患者，男性，68 岁，急性前壁心肌梗死术后。 转入冠心病病房继续治疗过程中，采用病房新引进的人 工智能风险预测监护系统，该系统会根据患者的 B 型利 钠肽（B-type natriuretic peptide，BNP）波动、心率变异性、 血压及体温变化，持续给出“中高危”预警提示。尽管 主管医生经多次评估认为患者临床状态平稳、血流动力 学稳定且无胸痛、胸闷及气短等不适，判断病情稳定， 但每当人工智能系统的警示灯亮起或床头屏幕上的风险 数值升高时，患者往往因焦虑情绪而彻夜难眠，反复询 问护士：“那个红灯是不是说我快不行了？那个数字变红 了，是不是因为病情加重，你们瞒着什么？”患者因连 续两晚无法入睡，导致血压升高、心率加快，出现了明 显的焦虑躯体化症状。 

这一困境的本质是算法解释鸿沟。人工智能的解读 基于统计学关联，与医生基于病理生理机制的临床推理存 在根本差异，无法为患者提供个体化的病情解读。术后本 就焦虑的患者，会因模糊的预警加重心理负担。正如吕雪 梅等^[6] 所言，医学人工智能的可解释性不只是技术问题， 更是影响大众伦理接受度的核心障碍，最终会消解患者对 诊疗方案的认同。 

2.3 出院与随访阶段：智能医学系统对人文温度的抽离 

冠心病患者经积极治疗顺利出院后，仍需长期坚持抗 血小板、调脂稳定斑块等药物治疗，并定期门诊复查，这 也是降低再梗死风险、改善远期预后的核心环节。为了 提升术后随访效率、规范慢性病管理，不少医院引入了人 工智能慢性病管理系统，通过机器人自动电话、短信提醒、 微信小程序推送等方式，完成患者复诊提醒、指标监测、用药建议等随访工作。但这种看似高效的标准化管理模 式，却在部分患者群体中，引发了新的伦理困境。 

病例 4：患者，女性，72 岁，独居，AMI 术后合并心 力衰竭。出院后，她每周都会收到医院人工智能随访系 统打来的自动电话：“尊敬的患者，根据您的数据模型， 您目前心力衰竭控制指标未达标，建议增加利尿剂剂量， 并尽快来院复查。”患者既不知该如何调整剂量，也不 知道“未达标”到底有多严重。当她尝试回拨电话时， 听到的永远是“请转人工服务”的语音提示，却始终无 法接通。她感到自己不再是“被关心的病人”，而只是 系统里一个“不达标的数据点”。因恐惧和无力感，患 者擅自停用了部分药物，两周后因急性心力衰竭发作再次入院。 

临床医学世界的救护不应是冰冷的通告，而是应在透 露着温情的沟通中慰藉正处于病痛折磨中的患者。相关 学者曾深刻指出，临床判断必须基于患者的真实世界，而 非脱离具体情境的抽象数据^[7]。人工智能随访系统虽然能 高效识别异常指标、完成标准化的信息推送，却无法感知 一位独居老人的孤独、恐惧与无助。患者需要的，从来都 不只是一句正确的用药指令，而是一句我理解您独自在家 的不容易的情感支持与问候。当技术高效的前提是以抽 离医疗的人文温度为代价时，医学便已然背离了其仁术的 本源。

3.1 人机协同场景下的责任归属困境 

传统医疗损害责任体系中，责任主体明确为临床医生 或医疗机构。但人机协同模式下，诊疗行为是人类判断与 算法输出的交织体，不良结局的责任可能涉及医生、医疗 机构、算法开发商、数据提供方等多方，归属模糊是制约 医学人工智能临床落地的核心法律问题。 

以手术机器人为例，机械臂误差引发的不良事件，责 任认定涉及多方，深度学习的自主决策特性更增加了产品 缺陷的判定难度。在诊断、随访等边界模糊的场景中，人 工智能医疗产品既非单纯器械也不等同于医疗行为，当前 司法暂无统一认定标准，易出现同案不同判情况，加剧患 者维权困境。就像病例 4 中的独居老人，人工智能随访系 统只给出了标准化的用药建议，却没有配套的人工解读与 干预通道，最终导致患者擅自停药、病情恶化。在这一过 程中，机器无法掌握患者的真实感受与实际处境，而医生 的诊疗责任，也在自动化的随访流程中被无形稀释。当患 者因算法的片面判断出现用药偏差、引发严重并发症时， 最终的后果只能由患者自行承担。 

归根结底，责任归属困境的本质是技术迭代与法律规 范供给的错位。它既剥夺了患者的损害救济途径，也让医 疗机构与算法开发商面临不可控的风险预期，抑制技术创 新。法律归责机制的缺失，是当前智能医学从技术可行走 向临床可及、商业可持续的核心瓶颈。

3.2 算法解释鸿沟的不可逾越性 

近年来，人工智能的解读基于统计学关联，与医生结 合患者病史、体征、检验结果构建的个体化诊疗逻辑存 在本质区别。在冠心病诊疗中，医生可根据患者指标动态 调整方案、兼顾远期预后，而人工智能多只能输出标准化 建议，无法完成动态的临床验证与调整，这就形成了难以 完全弥合的解释鸿沟^[6]。 

这一鸿沟的影响，在冠心病重症监护场景中显得尤为 突出。当人工智能给出高危预警时，医生可以基于病理生 理知识，结合患者的临床症状、体征，综合判断预警的实 际临床意义。就像病例 3 中的患者，医生可以明确告知患 者“虽然 BNP 升高了，但您没有呼吸困难，肺部也没有湿 啰音，目前并没有发生心力衰竭，无需过度担心”。但人 工智能无法提供这种基于机制的、个体化的判断与解释。 当患者无法理解人工智能的判断逻辑，便无法真正认同基 于人工智能的诊疗决策，甚至会像病例 3 中的患者一样， 因未知与不确定，产生严重的焦虑情绪，最终影响治疗效 果。可以说，这条解释鸿沟，从来都不只是单纯的技术问 题，更是关乎患者自主权、知情同意权与医患信任的系统 性伦理困境。 

3.3 患者知情同意的空心化 

知情同意是现代医学的基石，其核心在于患者对诊疗 方案的风险、获益及替代方案有充分的理解，并在此基础 上自主做出选择[8]。以辅助诊断系统为代表的诊疗人工智 能具有巨大的临床应用价值，但其黑箱属性给患者知情同 意权的有效实现造成阻碍^[9]。故当人工智能介入临床决策 后，患者对知情同意权面临全新的挑战。 

在病例 1 中，患者家属面对的是医生的确定性急救建 议与人工智能的概率性输出之间的直接冲突。人工智能 给出的不排除急性心包炎，是一个缺乏完整鉴别诊断过程 的概率性结论，但患者家属却将其视为与医生建议同等分 量的决策依据，甚至以此质疑医生的专业判断。当医生试 图向家属解释，为什么人工智能的建议不适用于眼前这个 急症患者时，需要耗费大量的时间与精力，去翻译算法的 底层逻辑，而这些时间，本应用于安抚患者情绪、解释手 术必要性，在 AMI 的黄金救治窗口中，这种时间的消耗， 是不可再生、也无法挽回的。 

更深层次的问题在于，患者在做出诊疗决策前，往往 无法充分理解人工智能在诊疗中的角色、局限与潜在风 险。当前临床常规的知情同意流程中，极少涉及是否同意 使用人工智能辅助临床决策、是否同意将个人诊疗数据 用于算法训练等新型告知事项。这种制度层面的滞后， 使得患者的自主权，在智能医疗时代面临被逐步侵蚀的 风险。 

此外，当前多数用于算法训练的临床数据未获得患者 明确授权，数据共享、跨机构使用等操作存在个人信息违 法处理风险，患者难以行使数据知情、撤回授权等合法权利。同时，数据共享过程中的泄露风险、内部管理不当导 致的信息外泄、过度采集患者隐私数据、数据库被黑客 攻击等问题，进一步放大了患者隐私泄露的可能性。而患 者在个人数据被使用后，往往无从知晓，更遑论行使撤回 同意、要求删除数据的合法权利。 

3.4 医疗资源分配不公加剧 

我国医疗资源本就存在区域、城乡与层级差异，智能 医学的发展让这种不公呈现多维叠加形态：资本逐利导致 研发偏向高端场景，算法存在数据偏见，应用集中于顶级 医院，技术鸿沟渗透到设计、决策、实践全链条，进一步 固化医疗资源的马太效应。 

在冠心病的重症监护场景中，顶级医院的人工智能监 测系统，可以实时捕捉患者心肌梗死标志物、BNP、血压 等指标的微小变化，第一时间通知医生进行评估与干预； 基于人工智能的心脏超声造影技术，也能更精准地评估心 肌梗死后人工智能患者的左心室射血分数与心功能状 态 ^[10]。但在没有配置人工智能智能监测系统的基层医院， 尤其是面对 AMI 这类急症患者时，哪怕是一个微小的病 情变化被忽略，都可能引发无法挽回的恶性后果。截至 2025 年，我国三级医院人工智能辅助诊断系统配置率已 超 60%，而县域基层医疗机构的配置率不足 15%，技术鸿 沟进一步放大了城乡诊疗能力差距^[11]。 

正如在相关报告中提出的观点，医疗健康的未来，从 来都不是“更多的人工智能”，而是“更系统、更可信、 更以人为中心的智能协作体系” ^[11]。如果智能医学的发 展，始终只聚焦于为顶级医院提质增效，而无法下沉到基 层、惠及更广泛的患者群体，那么技术的进步，最终只会 进一步拉大不同层级医疗机构之间的诊疗能力差距，加剧 医疗资源分配的马太效应。 

3.5 温度的流失：技术理性与人文关怀的博弈 

人文关怀是医疗实践的核心灵魂。AMI 患者全程承 受着巨大心理压力，融入人文关怀的全人照护模式，已被 证实能显著提高冠心病患者的治疗依从性、减轻焦虑抑 郁情绪、降低并发症发生率，同时提升患者的生活幸福 感 ^[12] ，是防止医疗技术冰冷化的关键保障。 

但在临床实践中，若医生过度依赖人工智能、机器替 代了标准化诊疗流程，医患间的共情与沟通很容易被简化 为冰冷的人机交互。就像病例 3 的随访场景，人工智能提 升了效率，却无法感知患者的情绪处境。技术本应将医生 从重复性劳动中解放出来，使其回归人文照护，但若仅用 于提升接诊量，便背离了技术的初衷。 

杜治政^[13] 曾警告，医学人文的理论生命植根于实践。 一旦脱离实践，再精妙的体系也会失去基础，变为苍白无 力的文字游戏。这一警示，在智能医学时代，有着更为迫切 的现实意义。我们绝不能让人工智能成为横亘在医患之间 的“温度隔离墙”，而应让它成为医生回归人文关怀的“助 推器”，让日渐疏离的医患关系，重新找回应有的温度。

4.1 明确人工智能的辅助定位，重塑责任归属框架 

首先，必须在制度层面，以法律法规、行业规范的形 式，明确人工智能在临床诊疗中的辅助工具定位，而非临 床决策主体。人工智能给出的所有建议，都只能被视为高 级别的循证医学参考，临床诊疗的最终决策权，以及首要 的诊疗责任，必须永远归于临床医生。这一定位，是破解 所有责任归属困境的核心前提。 

针对人机协同场景下的责任认定难题，可探索建立以 控制力与可预见性为核心的归责原则，根据不同主体对人 工智能系统的控制力、对风险的可预见性，划分相应的责 任比例^[14]。同时，可引入人工智能医疗强制责任保险机制， 既可以避免无限责任对技术创新的抑制，也能为患者遭遇 医疗损害时，提供稳定、有效的救济途径，平衡医患双方、 技术开发方的权益与风险。 

4.2 弥合算法解释鸿沟，强化医生“人工智能翻译”能力 

临床医生应当成为算法与患者之间的翻译官，而非算 法的被动传声筒。当人工智能的建议与医生的临床判断 一致时，医生应将其作为佐证，而非替代自己临床思维的 工具；当人工智能的建议与临床判断出现冲突时，医生必 须有能力、有底气，向患者解释清楚，为什么人工智能的 结论不适用于眼前这个个体患者，并给出基于专业知识的 合理判断^[15]。这种 “人工智能翻译” 能力应纳入医学教 育全周期，培养医生理解算法逻辑、识别潜在偏见、向患 者通俗解读的能力，实现对人工智能的善用与管控。同时 应向公众科普人工智能医疗的作用与局限，避免因盲目信 任延误急症救治。 

4.3 重构知情同意流程，保障患者自主权利 

智能医疗时代，需要重新定义、拓展患者知情同意权 的内涵与边界。除了传统的诊疗方案、风险获益告知外， 完整的知情同意流程，还必须涵盖以下核心内容：人工智 能在本次诊疗中扮演的角色是辅助参考还是自动执行、 人工智能建议的置信度与固有局限性、患者个人数据的 使用范围与目的，以及人工智能出现错误时的责任归属。 

针对大众广泛使用的生成式人工智能问诊平台，应通 过法律法规的形式，强制要求平台在用户使用前，以显著 方式明确告知其不能替代执业医生诊断，而是仅供健康科 普参考的核心定位，设置明确的风险提示，避免用户对人 工智能产生过度信任，误导其临床决策^[16]。针对临床人工 智能辅助系统，应将人工智能相关告知纳入常规知情同意 流程，同时建立诊疗数据授权管理机制，遵循最小必要原 则使用数据，保障患者数据权益。 

4.4 推动技术普惠下沉，缓解医疗资源分配不均 

智能医学不应只是提升顶级医院诊疗效率的工具，更 应成为弥补医疗资源差距、推动医疗服务普惠化的重要 缓冲器。 

宏观层面应建立人工智能驱动的医疗资源动态调配与智能转诊机制，同时通过政策扶持引导研发向基层普惠 型人工智能工具倾斜，建立算法公平性审计制度，缩小城 乡诊疗技术差距。 

在医生培养层面，应将人工智能医疗相关的知识与技 能，纳入基层医生的系统化培训体系，让基层医生真正懂 人工智能、会用人工智能，让人工智能真正成为提升基层 诊疗能力的抓手，而不是拉大差距的壁垒。让基层医院的 冠心病患者，也能享受到人工智能技术带来的更全面、更 精准的诊疗与监护，真正实现技术的普惠价值。 

4.5 嵌入人文关怀节点，守住医疗温度底线 

技术理性不应抽离关怀，而应为关怀创造条件。在设 计人工智能随访系统时，应保留人工介入的通道，当系统 检测到患者情绪异常或多次不依从时，自动触发人工电话 随访。让人工智能不再仅仅是医生手中的工具，而正在成 为一个能够参与临床推理链的认知协作者[^17]。在冠心病病 房中，当人工智能发出预警时，系统应同步提示医生“请 向患者解释该预警的临床意义”，将人文关怀作为技术流 程中的一个必要切入点执行，而非将可有可无的附加项弃 之不顾。除此之外，在智能医疗时代，更要坚持和强化医 患共同决策的诊疗模式^[18]。医患共同决策将患者的个体 价值观、生活背景、情感需求等全面纳入治疗方案的制 定过程中，让医疗行为从单纯的技术纠正，升华为生命共 情，这也是医学人文关怀的核心实践路径。它能有效消解 信息不对称带来的医患权力失衡，在提升患者治疗依从性 的同时，充分维护患者的尊严，从根本上减少医患之间的 误解与冲突^[19]。

从达特茅斯会议正式提出“ 人工智能 ” 概 念 ， 到 MYCIN 专家系统开启规则驱动的医疗人工智能时代，再 到如今深度学习与生成式人工智能的全面爆发，医学人工 智能已走过了近七十年的发展历程^[20]。时至今日，人工智 能技术正以前所未有的深度，介入临床实践的全流程：从 医学影像识别到术中手术导航，从疾病风险预测到临床辅 助决策，智能技术不断刷新着现代医学的诊疗边界^[21]。但 我们必须始终清醒地认识到，智能医学的发展，绝不是要打 造冰冷的自动化诊疗机器，而是要构建起兼具技术精度与 人文温度的新型医疗服务模式，守住医学仁术的核心底色。 

在冠心病，尤其是 AMI 这场与死神赛跑的战场上，技 术的力量不可或缺，支架、药物、智能设备，都是医生对 抗疾病的重要武器。但技术的最终价值，终究要落实到人 的身上。技术永远只是辅助手段，永远不能替代临床医生 在诊疗中的核心地位，更不能替代医患之间那份不可复制 的情感联结。当一位因人工智能预警而焦虑不安的老人， 握住医生的手得到安抚时，当一位被人工智能误导的患者， 在医生的耐心解释下理解了病情、接受了救治时，真正治 愈他们的，从来都不只是支架和药物，更是医生那句坚定 的“别怕，我们一起面对”。

智能医学的终极目标从来都不是用机器替代医生，而 是通过技术赋能让医生能从繁琐的重复性劳动中解放出 来，成为更有温度、更有精力、更专业的医生。唯有实现 技术创新与人文关怀的深度融合，才能在算法理性与生命 伦理之间，找到可持续的动态平衡，让医学在智能时代，始 终保有应有的温度，真正回归以人为本的核心本源。