医疗AI如何确保可审计性？专家：医疗推理需以可执行代码形式呈现

每经特派记者：张宏 编辑：陈俊杰

每经北京7月6日讯（记者张宏）7月4日，2026全球数字经济大会医疗健康专题论坛在北京国家会议中心盛大召开。京东健康智能算法领域的负责人胡浩源在论坛上发表重要讲话，他指出，医疗大模型与通用大模型在发展路径上存在显著差异，医疗大模型已从单纯追求规模扩张，转变为更加注重严谨性与可控性。鉴于医疗场景的特殊性，任何细微的失误都可能带来无法挽回的严重后果，因此，医疗大模型的发展已超越单纯的技术突破阶段，迈入了规模化交付的深层次领域。

胡浩源强调，可信与合规是医疗大模型发展的基石。他提出，医疗推理过程应当以“可执行、可测试”的代码形式来呈现，以确保其透明度和可追溯性。在训练医疗大模型时，应聚焦于“操作流轨迹”而非“思维链轨迹”。思维链轨迹往往是在模型生成结论后，再补充一段看似合理的解释，这种机制下，即使推理路径存在错误，输出结果也可能逻辑严密、表述流畅，从而具有很强的误导性。相比之下，操作流轨迹的每一步都对应着真实的工具调用，如加载影像序列、选取ROI（感兴趣区域）、执行测量、进行比对等，整个过程可重放、可校验、可审计，每一步都有明确的真值对照，代码要么成功执行，要么直接报错，不存在虚构或编造的空间，从而大大提高了医疗推理的准确性和可靠性。

胡浩源在论坛现场发言 图片来源：每经记者 张宏 摄

上海影禾医脉的董事长王世和则从另一个角度阐述了医学影像AI的发展方向。他认为，对于医学影像AI而言，准确率虽然重要，但更为关键的是AI工具与模型能否真正融入医生的实际工作场景，能否获得医生的认可和医院的付费支持。医学影像AI的价值体现在“开单—扫描—诊断—临床应用”的完整服务链条中。在临床实践中，医生面对CT（电子计算机断层扫描）、MRI（磁共振成像）、DR（数字化X线摄影）、超声等多种影像手段，以及各自数百项的检查项目，在影像技术快速迭代的背景下，很难每次都精准选择最优的检查方案。因此，确保开单的正确性，是影像AI需要攻克的首要难题，也是提升医疗服务质量的关键环节。

针对医院采购AI医疗设备的积极性问题，胡浩源在会后接受《每日经济新闻》记者采访时表示，医生群体对AI的接受度存在差异，其中头部医院的态度相对积极。这些医院一方面会与外部科技巨头开展合作，共同推动AI技术的研发与应用；另一方面也会自建技术团队，加速AI在院内的落地进程，以提升医疗服务的智能化水平。

对于付费与调用模式的问题，胡浩源告诉《每日经济新闻》记者，目前这一领域仍处于商业化探索阶段，尚未形成明确的共识。从部署方式来看，医院普遍倾向于私有化部署，即直接在院内完成模型的搭建与运行，以确保数据的安全性和隐私性，因此较少出现调用外部大模型的情况。这种部署方式虽然增加了医院的运营成本，但也为医院提供了更大的自主权和灵活性。