春节到现在，DeepSeek 所带来的冲击没有随着时间的流逝而变弱。甚至连医疗行业这种专业壁垒非常高的行业，也没能避免。
湖南某医院的胸外科医生李杰（化名）把几个病例丢给 DeepSeek 看了看，之后他觉得这个模型确实有点本事。例如，它对一份肺结节病例给出的分析和建议，像观察进展周期以及是否需要手术的判断标准等，与医生们做的诊疗建议很相近。
近段时间，在社交媒体中经常能看到医生的测评帖。他们将不同科室、不同程度的检查报告拿给 DeepSeek 去看。很多人如同李杰一样，认可 DeepSeek 的强大。在患者当中，也开始出现拿着 DeepSeek 让医生开药方的情况。这引发了一轮关于“医生离下岗不远”的焦虑讨论。
他们背后的公立医院，往日对 AI 技术的成熟度以及投入产出比等方面存在诸多顾虑，如今这些顾虑都已一扫而空。这些公立医院纷纷选择积极地去拥抱 DeepSeek。据《中国医院院长》的统计，在一个多月的时间里，全国有近百家来自 20 余个省和直辖市的医院宣布已经完成了 DeepSeek 的本地化部署。
今年全国两会上，多位人大代表给予了肯定，他们肯定了 AI 在医疗领域落地的潜力。多位政协委员也给予了肯定，他们同样肯定了 AI 在医疗领域落地的潜力。这些潜力包括在医疗数据分析方面，包括在辅助临床诊疗方面，包括在慢病监测方面，包括在远程医疗等具体场景中。
但这是否意味着，DeepSeek已经强到可以给人看病了？
图/视觉中国
替代医生？
需要先泼个冷水的是，目前来看，答案恐怕是否定的。
在对 DeepSeek 这位新晋的“全能高知医学生”进行互联网大考时，已经有医生察觉到了它在专业经验方面的欠缺。比如，有些疾病是医生一眼就能为患者排除的，但 DeepSeek 给出的建议第一步却是让患者去做相关检查。
有些医生遇到了它并胡乱发表言论，例如所引用的论文根本无法追溯其源头，开具一些根本不适合联合使用的组合药方等。
从临床角度而言，某省会三甲医院的医生江嘉宁（化名）怀疑患者能否清晰地描述自己的症状。在问诊时，我们会逐步询问患者的各种表现，然后结合一些相应的检查结果才能做出判断。这并非是患者仅凭借语言就能让 DeepSeek 听懂并掌握准确信息的。
事实上，DeepSeek 还不能够满足临床实际应用的要求，这是众多业内专家所共同认可的。
3 月 6 日晚，在新华网举办的“两会健康圆桌会”现场。全国政协委员吴浩，他是首都医科大学全科医学与继续教育学院党委副书记、院长。吴浩对中国新闻周刊表示，人工智能不能完全代替医务人员，应该说对人有赋能作用。
它可以帮你开拓一个思路，因为它的知识储备较为丰富。然而就如同导航一样，最终选择走哪条路，难道不是由你决定的吗？吴浩这样说道。
北京医院呼吸与危重症医学科主任医师孙铁英出席同场活动，他认为医生看病时，不能仅关注症状、体征等局部问题，而要有系统化的认知与判断。有时我们不仅要看病，更要关注病人的整体情况。比如症状很轻微，然而要是出现在一个多脏器功能不全的老年人身上，这种情况下就必须把各个因素都综合起来，考虑它们对治疗的影响。而人工智能难以具备这样的认知。
首都医科大学附属北京朝阳医院呼吸与危重症医学科 - 北京市呼吸疾病研究所呼吸睡眠中心主任、主任医师林俊岭向中国新闻周刊表示，DeepSeek 的临床应用需要大量结合医生的临床经验来进行训练。
今年 2 月湖南省医保局发文严禁使用人工智能等自动生成处方。这或许是背后的一个重要考虑。或许也是重要考虑之一。
能改变什么？
无法否认的是，DeepSeek 崛起了。随着 DeepSeek 的崛起，AI 在医院场景内已经能够比之前发挥出更大的作用。
中国新闻周刊进行不完全统计。当下，有接入 DeepSeek 的医院，也有与科技企业共同开发专有大模型的医院。这些医院分别把 AI 派到了临床辅助诊疗环节打工，派到了医院管理环节打工，派到了教学与科研加速环节打工，还派到了健康科普环节打工。
AI 在院内这些环节应用的意义在于，能够解放医生的时间与精力，把医生的专业价值进一步放大，或许还能在一定程度上缓解医疗资源不足等业内固有的问题。
上海交通大学医学院附属瑞金医院与华为共同开发的瑞智病理大模型，能够在病理切片中提前识别病灶区域，然后将其交由医生审核，医生给出最终诊断结果。以往医生在显微镜下看一个切片需要几分钟，而 AI 的计算时间是以秒来计算的。
华中科技大学同济医学院附属同济医院方面表示，在本地化部署 DeepSeek 之后，该院已经实现了多种具体的 AI 应用，包括病历辅助书写、门急诊智能客服、科研数据分析处理以及合同审核等。
以病历书写场景为例。过去，医生在和患者交流时，得同时在电脑上录入相关信息；接入 DeepSeek 后，医生能专心与患者交流，AI 能将对话实时转录，还能自动识别患者主诉、现病史、既往史等并录入模板相应位置。这样，医生花费的时间缩短了 70%，遗漏、格式错误等问题也能更好地避免。
基层医疗机构方面，更低成本的 DeepSeek 能够为其带来服务能力的提升。
全国政协委员刘连新在接受媒体采访时曾谈到，让 AI 大模型 DeepSeek 深度融入医疗场景。系统能够通过深度学习大量医学数据以及优秀诊疗案例，为基层首诊医生提供快速且精准的诊断建议，从而有效提升诊断效率与准确率，降低误诊和漏诊的风险。
在新华网举办的“两会健康圆桌会”里，吴浩提及了以 DeepSeek 为代表的人工智能技术在传染病防控等公共卫生领域所能发挥的作用。例如，在疫苗相关的咨询方面，以及不良反应的监测上，基层医疗机构和家庭医生服务等体系能够借助它来作为开展工作的辅助决策支持工具。
北京协和医学院群医学及公共卫生学院副院长冯录召在该场活动中表示，借助 AI 等技术，能够让健康科普以大众更易接受的方式进行传播，进而获得更好的传播效果，以此提高大众的健康素养。
征途仍漫漫
“AI+医疗”的这条理想之路，在前代 AI 浪潮时期，众多医疗 AI 企业经过多年的努力，都仅仅能够凭借免费服务艰难地挤上起点；而到大模型刚刚兴起的时候，几乎只有具备实力的大医院在尝试进行投入和布局。
DeepSeek 出现了，这种局面发生了改变。公立医院外矗立着一道无形之墙，而这道墙突然被打开了一个大洞。
一方面，DeepSeek 大幅削弱了医院对 AI 技术和产品成熟度的质疑。某省会三甲医院的管理者张梅（化名）向中国新闻周刊表示，尽管 DeepSeek 无法摆脱 AI 幻觉，但从实际在医院相关管理的应用情况以及医生个人使用体验来看，它确实具备更高效且准确地执行任务的能力。
很多医生以前会抱怨 AI 助手是 AI 的“累赘”，因为它完成一次工作后，我们需要投入大量精力去审核它的产出。至少现在在减轻文书工作量方面，尤其是在写病历这方面，确实能帮助医生解决问题。
有影像科医生称，之前用 AI 来看片子。倘若肺片里存在结节，AI 所发现的准确性实际上已经较为良好。然而，对于这个结节在大小之外的那些更多的形态进行判断，AI 是做不到的，同时也无法给出相应的随访建议等。
一方面，张梅认为，借助开源的 DeepSeek，医院能够自行进行本地化部署，并且数据安全相较于之前更有保障了。
张梅所在的医院综合考虑，认为效率可行，安全有保障，低成本也可接受，所以觉得可以一试。
但这是否就意味着 AI 医疗的落地会一路快速前行呢？恐怕并非如此，还有诸多问题需要去解决。
首先，从技术层面来看，大模型的幻觉问题若在医疗领域中变得严重，甚至有可能危及生命。这就要求医院能够整合院内的完备数据库，这些数据库涵盖电子病历、各类检查结果以及诊断记录等。这样一来，DeepSeek 等模型在医院医生的经验水平基础上能够变得更聪明，并且在更细分的领域逐渐训练出更高的准确性。
DeepSeek 技术不断完善提升，同时疾病信息也在完善与丰富，这使得它对基本疾病的认知不断提高，估计很快会有（临床）应用的那一天。然而，在一些疾病领域，像疑难、罕见疾病等，它不可能完全取代临床医生。林俊岭表示。
其次，北京中医药大学卫生法学教授邓勇是大成律师事务所的合伙人，他提示了 AI 医疗在法律与合规方面所面临的挑战。这些挑战包含对 AI 误诊的责任界定以及由此产生的相应法律纠纷，还有怎样去平衡患者隐私保护与数据共享之间的矛盾等。在伦理层面上，AI 走向临床后，可能在医患沟通等方面引发“去人性化”方面的质疑。
某大型三甲医院的信息管理者向中国新闻周刊坦言，当下其院内工作人员对 DeepSeek 的认知程度并不深。他们需要在实际应用过程中去发现和加深对 DeepSeek 的理解。并且，这种对新技术的教育普及现象，并非仅仅是这一家医院所独有的问题。
从医院角度来看，接入 DeepSeek 后，实际投入产出比是否已经达到收支平衡，甚至变为正值，这还需要通过实际时间来检验。
