作者：劉輝&羅素素

“AI以后會不會替代醫生？”

這是很多患者第一次接觸醫療人工智能時最常問的問題。

但真正進入臨床后會發現，AI并不是來代替醫生的。它更像一種新的工具：幫助醫生更快整合信息、更穩定識別風險、更系統地管理長期疾病。

尤其是在肝癌這種需要長期隨訪、反復決策、持續管理的疾病中，AI真正改變的，不是誰來治病，而是醫生獲取信息和做出判斷的方式。

從篩查、手術，到復發監測和長期隨訪，醫生與算法，正在逐漸形成新的協作關系。

一、為什么肝癌特別需要數字化管理？

肝癌并不是一種做完手術就結束的疾病。

很多患者從發現腫瘤開始，往往會經歷多年管理：定期抽血、復查CT或MRI、評估肝功能、監測腫瘤標志物，還可能伴隨抗病毒、介入、消融、靶向或免疫治療。

一個患者在整個治療過程中，可能會產生：

※ 大量實驗室指標；

※ 多次影像檢查；

※ 長期病歷與病理記錄；

※ 不同階段的治療數據。

過去，這些信息主要依賴醫生人工整理和經驗判斷。隨著數據量越來越大，單純依靠記憶和直覺，已經越來越困難。

而AI最擅長的事情，恰恰是處理復雜、大量、重復的信息。

它不會替醫生做決定，但能夠幫助醫生更快發現趨勢、更早識別風險，并把原本分散的信息整合起來。

AI不替醫生思考，但能讓醫生看到更全的世界[1]。

二、AI正在進入肝癌管理的四個關鍵環節

1）智能篩查：幫助更早發現異常

在肝癌早篩中，影像識別一直是核心環節。

一些小結節在早期階段并不典型，不同醫生之間也可能存在一定解讀差異。近年來，AI影像算法開始被用于輔助分析CT、MRI和超聲影像，幫助識別可能需要進一步關注的病灶[2]。

部分研究發現，在特定任務和特定場景下，AI輔助系統能夠提高小病灶識別率，并改善不同醫生之間的判讀一致性。

它的另一個優勢，是能夠快速對比患者歷次影像變化。例如，某個結節半年內是否增大、強化模式是否變化、邊界是否變得不規則，這些趨勢性信息，AI更容易進行量化分析。

但需要明確的是：AI看到的是圖像模式，而不是完整的患者。

最終是否屬于肝癌，仍需要結合病史、肝炎背景、實驗室指標和臨床經驗，由醫生綜合判斷。

2）智能決策：讓治療更個體化

肝癌治療并不存在一種標準答案。

同樣是復發，有的人適合再切除，有的人適合消融，有的人更適合TACE、放療或系統治療。真正困難的，不是有沒有方案，而是哪種方案對這個患者最合適。

AI輔助決策系統，正在嘗試解決這一問題。

它可以基于大量既往病例，對腫瘤大小、位置、肝功能、治療反應和預后數據進行統計分析，為醫生提供風險評估和決策參考。

在部分研究中，AI輔助系統與專家團隊在某些臨床決策上的一致性較高[3]。但這種一致，目前僅限于幫助醫生進行信息整合，而不是自動生成治療方案。

因為醫學決策從來不只是算數據。

同樣的治療方案，有的人能耐受，有的人可能出現嚴重并發癥；有的人希望積極治療，有的人更在意生活質量。這些內容，目前仍需要醫生與患者共同判斷。

3）智能病理：提高效率，而不是替代病理醫生

病理診斷是肝癌診療的重要基礎。

但一張數字病理切片，往往包含海量細胞和組織信息。病理醫生需要在高倍顯微鏡下反復觀察、比對和判斷，這是一項高度依賴經驗且耗時的工作。

近年來，AI病理系統開始被用于輔助識別一些特征結構，例如腫瘤邊界、壞死區域、微血管侵犯相關形態，以及部分特殊病理模式。

在多中心研究中，這類系統顯示出提高閱片效率和一致性的潛力，尤其適合用于大量重復性篩查工作[4]。

但AI病理并不是機器自動出診斷。

真正的病理診斷，仍需要病理醫生結合組織結構、染色結果、臨床背景和經驗進行綜合判斷。AI更像一個高效率助手，幫助醫生減少遺漏、提高效率，而不是取代專業判斷。

4）智能隨訪：讓長期管理不斷線

對于很多肝癌患者來說，最困難的并不是手術當天，而是術后幾年持續不斷的管理。

什么時候復查？指標變化意味著什么？需不需要提前回醫院？很多問題，如果缺乏長期跟蹤，很容易被忽視。

近年來，一些數字化隨訪平臺開始結合AI輔助分析，用于幫助患者完成長期管理。例如提醒復查時間、整合檢查結果、提示異常變化趨勢，或輔助醫生篩查需要重點關注的患者。

部分實踐發現，這類數字化工具有助于提高患者隨訪依從性，減少因為遺漏復查而延誤評估的情況[5]。

它真正改變的，不是醫生不再隨訪，而是讓長期管理變得更連續、更系統。

三、醫生與AI：誰都替代不了誰

AI能算病，但醫生懂人。

醫學的核心始終是人。

AI 的價值，在于讓醫生從重復、繁雜的信息處理中解放出來，

從而把更多精力投入到思考、溝通和決策中。

四、數字化醫療真正的未來，不只是智能

現在很多人提到AI，容易聯想到機器人、自動診斷甚至未來醫院。

但醫學真正重要的，未必是技術本身，而是技術能不能讓患者獲益。

未來正在探索的方向，包括數字孿生肝臟模型、多模態數據整合、動態風險預測等，希望能夠更系統地理解疾病演變過程，并支持個體化管理。

不過，這些技術很多仍處于研究和驗證階段，還遠遠沒有達到替代臨床的程度。

真正成熟的醫療AI，不應該制造“神話”，而應該讓醫療更穩定、更規范、更可及[3]。

五、寫在最后

未來的醫療，更像一種協作：

醫生負責判斷和決策，

AI負責整合和分析，

患者則成為長期管理中的主動參與者。

未來醫療最值得期待的，并不是 AI 替代醫生，而是人機協作，是 AI 幫助醫生更好地理解復雜信息、作出精準判斷，也幫助患者在漫長的疾病管理過程中，獲得更連續、更主動、更有溫度的支持。

這或許才是數字化與AI，最值得期待的方向。

參考文獻與原創繪圖：

陸妍 海軍軍醫大學與上海理工大學聯合培養 碩士研究生在讀

走進肝癌系列（目前到第18期，共21期）

參考文獻：

[1] SATO M, TATEISHI R, YATOMI Y, 等. Artificial intelligence in the diagnosis and management of hepatocellular carcinoma[J]. Journal of Gastroenterology and Hepatology, 2021, 36(3): 551-560.

[2] OKIMOTO N, YASAKA K, KAIUME M, 等. Improving detection performance of hepatocellular carcinoma and interobserver agreement for liver imaging reporting and data system on CT using deep learning reconstruction[J]. Abdominal Radiology, 2023, 48(4): 1280-1289.

[3] YING H, LIU X, ZHANG M, 等. A multicenter clinical AI system study for detection and diagnosis of focal liver lesions[J]. Nature Communications, 2024, 15(1): 1131.

[4] MO A, VELTEN C, JIANG J M, 等. Improving Adjuvant Liver-Directed Treatment Recommendations for Unresectable Hepatocellular Carcinoma: An Artificial Intelligence-Based Decision-Making Tool[J]. JCO clinical cancer informatics, 2022, 6: e2200024.

[5] NIRAULA D, CUNEO K C, DINOV I D, 等. Intricacies of human–AI interaction in dynamic decision-making for precision oncology[J]. Nature Communications, 2025, 16: 1138.