2025年3月14日，科学网转引《中国科学报》的报道中，中国工程院院士张伯礼谈到大模型与医疗时说：“DeepSeek取代不了医生。”
听上去，边界很清楚：机器给建议，人来决定。真正进入诊疗流程后，这条线并没有那么好画。大模型被做成Agent，可以连续整理信息、调用工具、生成分诊或诊断建议。前一步遗漏的内容，还可能影响后续输出。最后签字的是医生，不代表错误一定只发生在医生这一端。
“辅助地位”只解决了第一问
2025年7月7日，西南医科大学法学院宋玥珊与甘肃省高级人民法院梁燕发表《“人工智能+”医疗服务管理中的侵权责任研究》，DOI为10.12677/ass.2025.147582。论文将医疗AI置于客体和辅助地位，并提出用“理性算法标准”界定产品缺陷，要求开发者在可控范围内提升算法透明度。
这代表一种学术解决思路，尚不能等同于已经形成统一裁判尺度。
把AI视为辅助工具，意味着它本身不被当作独立责任主体。但“工具”这个标签也不能让开发者天然免责。一次输出错误未必自动构成产品缺陷；反过来，产品标注了“仅供参考”，也不能自动排除设计、验证和风险提示方面的问题。“理性算法标准”的价值，正在于把审查范围从单次输出扩展到产品开发和风险控制过程。
现有判例同样不宜被过度解读。《诊疗人工智能的医疗损害责任》援引了（2021）苏02民终7099号和（2020）黑09民终204号判决。这两起案件发生在当前Agent讨论之前，不能据此断言医疗Agent已经有了统一的责任分配规则。
签字栏切不断三方责任
医疗Agent引发争议时，医生、医疗机构和开发者掌握着不同环节的信息。
医生端。 责任判断会追问，医生是否结合病史、检查结果和临床表现进行了独立判断。即使系统给出高度确定的建议，也不能省去必要的复核。问题在于，如果产品没有提供足够依据，医生的“确认”很容易退化为形式动作。
医疗机构端。 机构决定采购什么系统、部署在哪些科室、开放哪些权限，也负责安排培训、复核和异常上报流程。系统直接嵌入工作站，却没有明确适用范围和操作记录，出了问题后很难只用一句“医生已经签字”解释清楚。
开发者端。 产品设计、版本更新、适用限制和已知风险，大多掌握在开发者手中。如果争议指向算法缺陷、数据偏差或设计漏洞，产品责任就无法绕开。仅在用户协议中写明“辅助使用”，不足以回答产品本身是否存在缺陷。
同一损害可能由多个环节共同造成。具体责任仍要回到过错、产品缺陷和因果关系，不能变成医生、机构、开发者之间的三选一。
Agent真正拉长的是证据链
君合2023年4月1日发布的研究将医学影像列为医学诊断AI中较为成熟、发展较快的应用领域。这类系统通常围绕相对明确的任务给出结果。Agent则可能把信息整理、检索、判断和操作建议串成一条连续流程，每一步的输出都可能成为下一步的输入。
争议发生后，需要还原的不只是最终诊断，还包括患者的原始信息、当时使用的模型版本、系统输出、医生看到的页面，以及人工是否修改或拒绝过建议。
对责任认定最有用的透明度，首先是可追溯。哪个版本处理了什么输入，给出过什么结果，谁在什么环节进行了确认，都应当留下记录。记录一断，黑箱就不只存在于模型内部，也会出现在医院的管理流程里。
患者要看见人工兜底
世界经济论坛关于亚洲AI医疗信任鸿沟的分析提到，AI正在成为医疗服务的首层触点，应用包括症状自测和心理辅导机器人。部署速度走在了信任建立之前。
患者无需读懂模型架构，至少应当知道：AI参与了诊疗的哪一步，建议是否会直接进入病历或处置流程，谁负责最终确认，出现疑问时能否转交人工。
知情告知也不该只是一个勾选框。所谓“最终由医生确认”，只有在医生能够查看相关依据、核对原始材料并拒绝系统输出时才有实际意义。如果医生只能点击确认，患者看到的人工兜底就只剩下形式。
责任边界要落到产品里
现阶段，医疗Agent至少要把几件事做实：
- 写清产品在诊疗流程中的位置，是筛查、分诊提示还是辅助诊断；
- 给医生保留查看、修改和拒绝输出的权限；
- 留存模型版本、输入输出及人工操作记录；
- 遇到信息不足、结论冲突或风险较高的任务时，将决定交回人工；
- 明确告知患者AI是否参与，以及最终确认者是谁。
这些安排无法消灭误诊，却决定了出事后能不能查清原因、患者能不能找到负责的人。
张伯礼的判断仍然成立：DeepSeek取代不了医生。同样，医生的一次签字也不能替产品缺陷和管理漏洞兜底。医疗Agent越接近诊疗核心，权限、复核、日志和责任分配就越要提前写清。
