生成式人工智能（AI）有助于减少文书工作、提升诊断水平、扩大服务可及性，并增强公众对公共卫生系统的信任。
如今，在线订机票、缴费或购买日用品只需几分钟。然而，预约就诊、查询化验结果或共享病历，却常让人有“回到过去”的感觉。医疗卫生仍是数字化程度最低的领域之一：不仅体系分散，而且文书繁重、变革迟缓。
生成式AI或将成为推动医疗卫生系统迈入数字时代的关键力量。通过生成新的文本、图像，甚至合成数据，它能够重塑医务工作者记录、诊断、沟通和创新的方式。
不同于仅能分析数据的传统AI，生成式AI能够整合信息并生成解决方案。在医疗卫生领域，这意味着它可以总结复杂病史，起草出院记录，或生成逼真的临床培训案例。
生成式AI还能帮助放射科医生及早识别疾病模式，通过设计新分子加速药物研发，甚至模拟公共卫生情景以改进规划。
生成式AI潜力巨大，尤其是在医疗卫生系统普遍面临医务人员长期短缺、数据碎片化和服务需求不断上升等挑战的亚太地区。通过自动化常规任务，生成式AI能够减轻医护人员的行政负担，使其将精力集中在“救治病患”这一核心要务上。
当前，AI发展方兴未艾，但各方仍保持审慎。各国政府正陆续制定相关规则。欧盟《人工智能法案》将医疗领域的AI应用列为“高风险”类别，要求确保安全性、透明度和人工监管。
美国食品药品监督管理局（FDA）发布了针对AI医疗器械和软件的指导方针。中华人民共和国出台了《生成式人工智能服务管理暂行办法》，以促进生成式AI服务健康发展及其在公共领域的规范应用。意大利的新人工智能法聚焦隐私和问责；世界卫生组织则发出全球倡议，呼吁“以负责任、合乎伦理的方式推动AI在医疗卫生领域的应用”。
土耳其最新出台的人工智能法规草案效仿了风险分级监管模式，其国家级AI发展战略特别强调将生成式人工智能技术应用于疾病预防和免疫接种领域。与此同时，巴基斯坦正开展结核病与恶性肿瘤AI筛查试验项目，并将智能医疗写入《2025年人工智能发展纲要》，计划组建专业研究中心并提升医务人员AI技能培训水平。
智能生成技术可缓解医务工作者的文书压力，让其专注于诊疗患者这一关键职责。
这些发展证明各国已意识到潜在的利弊，伦理安全应优先于技术创新。
在亚洲地区，众多国家已建立起完善的数字化医疗与保险体系。以印度为例，该国推行的”全民健康数字计划”(Ayushman Bharat Digital Mission)正着力打造世界级医疗数据平台，旨在实现患者、医院和保险系统的无缝对接，构建庞大的健康信息网络。蒙古国开发了全国性数字医疗系统，而中国构建了与保险机构互联互通的电子病历网络，覆盖面极广。
韩国拥有全球规模领先的医疗理赔数据库，其运营主体为健康保险审查评价院。新加坡通过国家电子健康档案系统，实现了公立与私立医疗机构的无缝对接。泰国实施的全民医保方案将数字化筹资与医疗服务供给有机结合。菲律宾健康保险公司(PhilHealth)持续完善其电子化理赔系统与处方管理平台。
现有基础设施可直接整合生成式AI技术，省去单独试点的必要。通过分析保险数据监测健康状况、自动化合规申报流程，或为基层人员创建智能决策界面，这些平台为AI应用提供了便捷接入途径。
医疗健康领域应用生成式人工智能的关键优势不仅体现在创新性上，更在于它能显著提升医疗体系的运行效率、公平性和响应速度，但所有这些效益的实现都依赖于完善的监管框架。
为推动人工智能在医疗健康行业的规范使用，建议从三方面着手：首要任务是界定高危应用场景，并确保诊疗AI系统满足严苛的伦理与安全要求。此外，算法决策机制需保持高度透明且具备可解释性。最关键的是，必须维持人工监督机制，使AI仅作为医疗专业人员的辅助工具而非替代品。
为建立契合区域特点、消除歧视的医疗体系，关键在于投入本地信息资源和人力资本。此外，各国需合理运用现有数字化健康工具，以可持续的方式推进技术应用。
医疗领域在数字化转型进程中长期进展缓慢。随着生成式人工智能技术的兴起，这一局面有望得到根本改变。若能合理运用该技术，不仅能简化行政流程、提高诊疗准确性，还能拓宽医疗覆盖范围，同时强化民众对公共卫生体系的信心。
全球各国亟待实现从数字化滞后到跨越式发展的转变。如今的关键问题已非医疗健康领域是否采用人工智能技术，而在于如何确保其应用既安全又公正，从而惠及普罗大众。
本文作者
迪内什·阿罗拉（Dinesh Arora）
亚洲开发银行行业发展局人类和社会发展分局主任卫生专家
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
