三甲医院上线AI分诊满月：挂错科率降了，但急诊漏诊谁担责
北京海淀区，一家日均门诊量突破6000人次的三甲医院，其导诊台旁的电子屏数据最近发生了微妙变化。
自2026年5月26日引入新一代多模态AI分诊系统以来，该院医务处统计的“非急诊科室误挂率”从往年的14.2%降至11.6%。这意味着，每个月至少有几百名原本可能跑错科室的患者被精准引导。对于患者而言，这节省的是宝贵的就诊时间；对于医院而言，这是优化医疗资源调配的直接证据。
然而，效率的提升并未消除所有的焦虑。就在上周，一起发生在急诊科的争议事件，将AI在医疗场景落地的深层困境推到了前台。
被忽略的“灰色地带”
事件主角是一名中年男性患者，主诉为上腹部疼痛伴轻微恶心。按照传统经验，这极大概率是急性胃肠炎或胆囊结石，系统通常会推荐消化内科或普外科。
但这款AI分诊系统——由国内头部医疗AI厂商“医智云”提供的V4.0版本——在分析了患者的语音语调（检测到微弱颤抖）和面部微表情（瞳孔轻微放大）后，给出了一个反直觉的建议：心血管内科急诊。
接诊医生在繁忙的急诊大厅中，看了一眼屏幕上的“高危提示：疑似非典型心梗”，犹豫了不到10秒，便按下了“采纳并转诊”按钮。这一决定后来被证明是正确的：患者确诊为下壁心肌梗死，若按常规消化科处理，后果不堪设想。
这是AI分诊成功的案例。但更值得警惕的是另一类场景：当AI的判断与医生的直觉相左，或者AI的置信度处于“灰色地带”时，责任该如何划分？
据该院医务处张主任透露，系统上线首月，共有12起医患纠纷涉及“AI建议延误治疗”的指控。其中3起经鉴定属于AI置信度过低导致的误判，而另外9起则是因为医生过度依赖或完全无视AI建议而产生的争议。
急诊室的“算法黑箱”
与门诊不同，急诊场景具有高度的不确定性和紧迫性。AI分诊系统在急诊中的应用，往往面临着“准确率”与“敏感度”的两难选择。
为了降低漏诊风险（即把重病当成轻病），厂商通常会将系统的敏感度阈值调高。但这会导致大量的“假阳性”——即把健康人或轻微不适者引导至急诊或重症监护室，造成医疗资源的挤兑。
一位不愿具名的急诊科主任医师表示：“在凌晨两点，面对一个腹痛的孩子，我是该相信AI给出的‘阑尾炎概率85%’的建议，还是相信我自己几十年的临床经验？如果AI说概率只有60%，我就敢忽略吗？”
这种不确定性，正是当前医疗AI落地最大的阻碍。在《汽车厂花42万买的人形机器人，三个月后厂长不想聊了》一文中，我们曾提到工业场景中机器人因环境适应性差而被闲置的问题。而在医疗领域，AI的“适应性”不仅体现在技术层面，更体现在法律和伦理的复杂情境中。
法务部门的“责任真空”
医院法务部在处理这些纠纷时，感到前所未有的棘手。
现行《医疗器械监督管理条例》将AI软件分类为二类或三类医疗器械，但其“诊疗建议”的性质在法律上仍模糊不清。如果AI给出的建议仅仅是“参考”，那么最终决策权在医生，医生需承担全部责任；但如果AI的建议被系统标记为“高危”或“强制推荐”，医生忽略建议导致后果，责任又该如何认定？
目前，国内尚无明确的司法解释来界定“人机协同”医疗行为中的责任归属。这与《23万罚单敲响警钟：AI水印新规下的出版生死局》中提到的AIGC标识责任类似，但在医疗领域，后果的严重性呈指数级上升。
法务专家李律师指出：“在司法实践中，法官倾向于审查医生的‘注意义务’。如果医生在明知AI存在局限性的情况下，仍盲目依赖或无视，都可能被认定为有过错。关键在于，医院是否有完善的‘AI使用规范’和‘人工复核流程’。”
寻找“可解释”的共识
面对责任归属的真空，行业正在尝试建立新的共识。
一方面，厂商开始在系统中增加“可解释性”模块。例如，在给出建议的同时，展示支持该建议的关键特征（如：“建议心血管科，依据：心率变异性异常+语音颤抖”）。这不仅有助于医生判断，也为后续的责任追溯提供了数据支持。
另一方面，医院正在重构工作流程。该北京三甲医院目前已规定，所有AI给出的“中低置信度”建议，必须由两名以上医生共同确认方可执行；而对于“高危”建议，若医生选择忽略，必须在病历中详细记录理由并接受事后复盘。
这种“双重防线”机制，类似于《面试视频卡顿0.2秒：HR如何用活体检测识破AI替身》中提到的“AI初筛加人工复核”模式，只是在医疗领域，复核的重量级更高，容错率更低。
结语：技术不是替罪羊
AI分诊系统上线满月，数据证明了其在减少误挂方面的价值，但也暴露了其在急诊等高敏感场景下的局限性。责任归属的模糊，不是技术的缺陷，而是制度滞后于创新的体现。
随着《AI水印新规》等政策的逐步落地，医疗AI的合规性要求也将越来越高。未来，或许会出现专门的“AI医疗责任保险”，以分担医生和医院的潜在风险。
但对于当下的医者而言，最重要的不是纠结于算法的黑箱，而是明确一点：AI是助手，不是裁判。在生命面前，人类的判断力与共情能力，依然是不可替代的最后防线。
