在人工智能(AI)對社會所產(chǎn)生的各類影響中，就業(yè)問題備受關(guān)注。在醫(yī)療領(lǐng)域，隨著AI逐步滲透到醫(yī)療各個環(huán)節(jié)，從診斷、治療到護(hù)理都明顯感受到了這種沖擊力。一些三甲醫(yī)院已經(jīng)在積極探索“AI醫(yī)院”、“AI科室”等新運(yùn)營模式。從業(yè)人員對AI情感復(fù)雜，擔(dān)心被替代。在當(dāng)前強(qiáng)調(diào)“穩(wěn)就業(yè)”“穩(wěn)民生”的大環(huán)境下，這些擔(dān)憂理應(yīng)受到重視。
回顧歷次技術(shù)革命，通用技術(shù)的出現(xiàn)總會帶來“創(chuàng)造性破壞”，沖擊現(xiàn)有社會系統(tǒng)，引發(fā)失業(yè)浪潮，但也會催生新職業(yè)和崗位，如MRI放射科醫(yī)生、網(wǎng)絡(luò)工程師等。因此，在討論AI對醫(yī)療崗位的替代性影響時，也應(yīng)看到其創(chuàng)造新工作的潛力，這對于產(chǎn)業(yè)升級轉(zhuǎn)型、提供高質(zhì)量工作崗位和生活保障意義重大。
一、如何理解AI對醫(yī)療崗位的影響
理解AI對醫(yī)療崗位的影響，需回歸任務(wù)本質(zhì)的分析框架。MIT學(xué)者Autor提出的“常規(guī)化假說”揭示，技術(shù)進(jìn)步對中等技能崗位沖擊最大。這類崗位（如檢驗(yàn)科樣本分類）依賴規(guī)則明確的重復(fù)性操作，易被算法與機(jī)器人替代；而高技能抽象任務(wù)（如復(fù)雜手術(shù)決策）與低技能手工任務(wù)（如患者搬運(yùn)）則因技術(shù)替代成本過高，需求不降反升，形成就業(yè)市場的“極化現(xiàn)象”。
諾貝爾經(jīng)濟(jì)學(xué)獎得主阿西莫格魯進(jìn)一步指出，任務(wù)層級的替代性分析是預(yù)測AI影響的關(guān)鍵。醫(yī)療服務(wù)的全流程可拆解為數(shù)百項(xiàng)子任務(wù)，每項(xiàng)任務(wù)對知識類型、環(huán)境適應(yīng)與責(zé)任歸屬的要求差異顯著。因此，本文將從上崗要求、實(shí)施過程和影響三個維度分析醫(yī)療工作任務(wù)的AI可替代性。
(一) 上崗要求：知識標(biāo)準(zhǔn)化與經(jīng)驗(yàn)壁壘
知識和技能標(biāo)準(zhǔn)化程度：AI替代的核心門檻在于任務(wù)所需知識的可編碼性。以放射科為例，肺部結(jié)節(jié)識別的影像學(xué)標(biāo)準(zhǔn)相對統(tǒng)一，AI通過海量數(shù)據(jù)訓(xùn)練即可達(dá)到高精度診斷；而腫瘤科醫(yī)生制定化療方案時，需綜合患者基因、并發(fā)癥、藥物耐受性等動態(tài)因素，這類依賴臨床直覺的“隱性知識”難以被算法完全捕捉。
培訓(xùn)周期影響替代成本：某些任務(wù)只需短期見習(xí)適應(yīng)，如護(hù)士靜脈穿刺技能，500次練習(xí)后達(dá)標(biāo)率可達(dá)92%。而有些任務(wù)需長期培訓(xùn)和實(shí)踐，如經(jīng)驗(yàn)豐富的腫瘤科醫(yī)生制定治療方案，需綜合患者多種因素判斷并調(diào)整，其準(zhǔn)確率高于僅靠AI輔助的醫(yī)生。還有些工作雖知識要求不高，但需大量實(shí)踐經(jīng)驗(yàn)，如資深護(hù)士憑借多年經(jīng)驗(yàn)判斷病情和處理突發(fā)狀況。
體力勞動的自動化邊界：醫(yī)院急救、后勤人員從事大量體力勞動，如患者移動、物資搬運(yùn)等。AI可替代部分高強(qiáng)度體力勞動，如物流機(jī)器人運(yùn)輸物資，但因醫(yī)院環(huán)境復(fù)雜、人流量大，需人工干預(yù)確?；颊吆臀镔Y準(zhǔn)確到位，完全用AI替代存在困難。
（二）任務(wù)實(shí)施：從規(guī)則驅(qū)動到情境適應(yīng)
任務(wù)重復(fù)性和規(guī)律性：規(guī)則明確、流程固定的任務(wù)構(gòu)成AI替代的“低垂果實(shí)”。某三甲醫(yī)院檢驗(yàn)科引入全自動生化分析儀后，樣本分類效率提升300%，人力需求縮減70%。與之相對，外科醫(yī)生在腹腔鏡手術(shù)中遭遇血管變異時，需在數(shù)秒內(nèi)調(diào)整操作策略，此類非結(jié)構(gòu)化決策遠(yuǎn)超當(dāng)前AI的技術(shù)邊界。
環(huán)境復(fù)雜感知和操作能力：在實(shí)驗(yàn)室封閉環(huán)境中，相關(guān)任務(wù)更容易被AI替代，如一些手術(shù)機(jī)器人對特定手術(shù)的成功率可達(dá)99.9%。但護(hù)理機(jī)器人在病房場景的應(yīng)用受阻，主因在于難以適應(yīng)人流密集環(huán)境中的動態(tài)避障需求。
決策復(fù)雜性和實(shí)時性：部分任務(wù)需在短時間內(nèi)做出復(fù)雜決策，且受多種動態(tài)因素影響，需強(qiáng)大計(jì)算能力和復(fù)雜算法，更難被AI替代。例如心臟驟停搶救需在10秒內(nèi)決定除顫能量，不同患者病情和身體狀況千差萬別，需醫(yī)生靈活制定個性化治療方案，人類醫(yī)生現(xiàn)場決策幾乎不可替代。
人際密切互動和情感支持：如果任務(wù)執(zhí)行需與人頻繁互動、提供情感支持、安慰或建立信任關(guān)系，交互復(fù)雜度較高，AI替代性低。同時，AI缺乏情感和倫理認(rèn)知，在理解和處理復(fù)雜人類情感方面有局限性。典型的如護(hù)士需與患者、家屬及其他醫(yī)護(hù)人員溝通協(xié)作，建立良好人際關(guān)系，這對患者治療和康復(fù)至關(guān)重要。AI雖可承擔(dān)部分溝通任務(wù)，但無法滿足患者情感支持和倫理決策需求，更無法完全替代護(hù)士與患者的情感互動。
(三) 任務(wù)影響
錯誤容忍度：指任務(wù)失誤可能造成的損害程度與可逆性。低風(fēng)險場景如健康檔案管理，AI替代較易；高風(fēng)險場景如手術(shù)操作，AI替代較難。世界衛(wèi)生組織報告提出“首先，不可傷害”是衛(wèi)生保健服務(wù)基本原則，但現(xiàn)實(shí)是每10名患者中約1人在衛(wèi)生保健中受傷害，每年300多萬患者因不安全醫(yī)護(hù)死亡，在低收入和中等收入國家，每100人中就有4人死于不安全醫(yī)護(hù)。因此，涉及患者安全問題成為醫(yī)療機(jī)構(gòu)引進(jìn)AI等新技術(shù)時最關(guān)注的事項(xiàng)。
長期影響性：AI側(cè)重短期數(shù)據(jù)和即時結(jié)果，難以全面評估和承擔(dān)長期影響。若醫(yī)生診斷和治療方案對患者健康和生命有長期影響，需綜合考慮患者長期健康和生活質(zhì)量來制定方案，如慢性病管理，需持續(xù)數(shù)年監(jiān)測患者病情并調(diào)整治療方案，這種情況下，不適宜用AI替代。
法律和倫理責(zé)任承擔(dān)：任務(wù)涉及生命權(quán)、隱私權(quán)等核心倫理范疇時，因AI無法獨(dú)立承擔(dān)責(zé)任，涉及重大倫理和法律責(zé)任的決策和任務(wù)，很難完全替代人類。例如器官移植過程需考慮倫理問題和法律規(guī)定，不能由AI獨(dú)立決策。在責(zé)任可追溯和歸因問題上，若醫(yī)療事故原因可明確歸因于技術(shù)或人為因素，則AI較易被接受；相反，在模糊責(zé)任場景下，如涉及價值觀決策，很難將責(zé)任歸咎于哪一方，AI難以完全替代人類承擔(dān)最終責(zé)任。
二、破局之道：AI醫(yī)療可能興起的四類新崗位
在醫(yī)療領(lǐng)域AI替代傳統(tǒng)崗位過程中，預(yù)計(jì)會催生出四類新型崗位，即技術(shù)增強(qiáng)型崗位、人機(jī)協(xié)作型崗位、倫理治理型崗位和新型服務(wù)型崗位。這些崗位包含的任務(wù)通常需要人類與AI深度協(xié)作，而非完全由AI或人類獨(dú)立完成。未來醫(yī)療領(lǐng)域會出現(xiàn)大量人-AI團(tuán)隊(duì)任務(wù)協(xié)作情況，這是未來“AI醫(yī)院”重點(diǎn)建設(shè)方向。
1. 技術(shù)增強(qiáng)型崗位
針對人類能獨(dú)自完成的工作，借助AI技術(shù)助手，工作人員能更高效、高質(zhì)量地完成任務(wù)，以人為主，技術(shù)為輔。
例如醫(yī)療AI訓(xùn)練師，核心任務(wù)是標(biāo)注醫(yī)療影像數(shù)據(jù)、優(yōu)化診斷算法、構(gòu)建知識圖譜。針對胸部CT的肺炎AI診斷系統(tǒng)訓(xùn)練，需呼吸科醫(yī)生與數(shù)據(jù)工程師聯(lián)合工作，利用AI自動識別80%標(biāo)準(zhǔn)化病例，醫(yī)生負(fù)責(zé)標(biāo)注數(shù)據(jù)、評估模型，數(shù)據(jù)工程師負(fù)責(zé)構(gòu)建算法、優(yōu)化模型。
又如數(shù)字療法設(shè)計(jì)師，核心任務(wù)是開發(fā)AI心理干預(yù)程序、構(gòu)建慢性病管理算法。在針對抑郁癥患者的數(shù)字療法方面，設(shè)計(jì)者需構(gòu)建AI聊天機(jī)器人，通過分析患者言語和行為，提供個性化心理支持和認(rèn)知行為療法。
2. 人機(jī)協(xié)作型崗位
針對原有需團(tuán)隊(duì)協(xié)作完成的工作，AI可作為團(tuán)隊(duì)成員加入，形成人-AI團(tuán)隊(duì)。AI可配合團(tuán)隊(duì)工作，成為協(xié)調(diào)員、初審員等，使團(tuán)隊(duì)更高效合作。
例如手術(shù)機(jī)器人協(xié)調(diào)員，核心任務(wù)包括術(shù)前將外科醫(yī)生操作習(xí)慣轉(zhuǎn)化為機(jī)器參數(shù)，術(shù)中監(jiān)控AI視覺導(dǎo)航系統(tǒng)，接管突發(fā)狀況，術(shù)后分析機(jī)器人手術(shù)日志，優(yōu)化動作庫。
還有AI診斷審核員，負(fù)責(zé)審核AI初診結(jié)果，確保診斷的準(zhǔn)確性和可靠性。若置信度不足，則由人工標(biāo)注錯誤類型并反饋至訓(xùn)練系統(tǒng)。
3. 倫理治理型崗位
AI可作為解決方案用于其應(yīng)用本身導(dǎo)致的問題。一般AI并不真正了解人類倫理道德規(guī)范，需經(jīng)專門訓(xùn)練的AI輔助人類開展審計(jì)和監(jiān)督，形成“專家+AI”協(xié)作模式。
例如醫(yī)療算法審計(jì)師，需熟悉算法審計(jì)、數(shù)據(jù)隱私保護(hù)、倫理學(xué)和醫(yī)學(xué)知識。其任務(wù)包括檢測算法偏見，如皮膚癌診斷模型在深色人種的準(zhǔn)確率偏差；評估數(shù)據(jù)隱私保護(hù)等級，進(jìn)行GDPR/HIPAA合規(guī)性驗(yàn)證；建立可解釋性標(biāo)準(zhǔn)，如X光診斷AI的決策路徑可視化等。
人機(jī)責(zé)任界定專員是法學(xué)與醫(yī)學(xué)的交叉崗位，主要任務(wù)包括手術(shù)機(jī)器人事故溯源，區(qū)分機(jī)械故障（廠商責(zé)任）還是操作失誤（醫(yī)生責(zé)任）；以及AI用藥推薦糾紛，判定算法缺陷（訓(xùn)練數(shù)據(jù)不足）還是臨床誤用（超適應(yīng)癥使用）。
4. 新型服務(wù)型崗位
AI應(yīng)用深入會激發(fā)出全新產(chǎn)品和服務(wù)，涌現(xiàn)出很多創(chuàng)業(yè)公司和全新的崗位。
例如數(shù)字孿生健康管家，需掌握醫(yī)學(xué)知識、AI技術(shù)、用戶體驗(yàn)設(shè)計(jì)等知識。其任務(wù)包括通過AI構(gòu)建患者虛擬化身，模擬不同治療方案效果，需人類專家解讀模擬結(jié)果，設(shè)計(jì)“治療沙盤推演”。
AI醫(yī)療設(shè)備運(yùn)維工程師，需掌握電子工程、計(jì)算機(jī)技術(shù)和醫(yī)療設(shè)備維護(hù)知識。其任務(wù)是負(fù)責(zé)維護(hù)智能手術(shù)機(jī)器人、AI影像設(shè)備、遠(yuǎn)程診療系統(tǒng)的軟硬件運(yùn)行，處理設(shè)備與AI平臺的數(shù)據(jù)交互故障。
三、相關(guān)建議
AI在醫(yī)療領(lǐng)域的應(yīng)用牽涉面廣泛，未來將成為醫(yī)療健康服務(wù)流程中的“智能伙伴”，對從業(yè)者的角色定位、能力要求以及行業(yè)的整體人才戰(zhàn)略產(chǎn)生顛覆性影響。為引導(dǎo)這場變革朝著積極方向發(fā)展，本文提供分析框架和醫(yī)療新崗位技術(shù)預(yù)判，供醫(yī)療機(jī)構(gòu)和從業(yè)人員參考。而要構(gòu)建AI賦能、人機(jī)協(xié)同、高效、公平、人性化的醫(yī)療大健康新生態(tài)，主管部門應(yīng)采取以下措施：
一是跟蹤AI醫(yī)療的現(xiàn)實(shí)應(yīng)用，更新變革原有政策法規(guī)，鼓勵創(chuàng)業(yè)。在上位法缺失情況下，上?？上刃邢仍嚕M(jìn)行“AI醫(yī)療責(zé)任”立法試點(diǎn)，補(bǔ)充完善現(xiàn)有《醫(yī)療事故處理?xiàng)l例》空白，要求AI系統(tǒng)記錄完整決策日志，確?？勺匪菪?，區(qū)分算法缺陷責(zé)任與臨床誤用責(zé)任等不同責(zé)任類別。
二是推出積極勞動力市場政策，緩解AI帶來的就業(yè)結(jié)構(gòu)性沖擊。一方面，鼓勵醫(yī)療機(jī)構(gòu)和企業(yè)創(chuàng)造新AI醫(yī)療相關(guān)崗位，調(diào)整偏重AI技術(shù)的稅收和補(bǔ)貼政策，改成為企業(yè)凈增新崗位提供更多激勵；另一方面，為面臨失業(yè)風(fēng)險的醫(yī)療人員提供技能再培訓(xùn)和轉(zhuǎn)崗支持，幫助他們適應(yīng)新工作環(huán)境。
三是推動教育改革，適應(yīng)AI醫(yī)療新要求。醫(yī)學(xué)院相關(guān)專業(yè)需增加《醫(yī)療AI系統(tǒng)原理》《人機(jī)協(xié)作診療實(shí)務(wù)》等必修課程，臨床實(shí)習(xí)階段需增加AI工具操作認(rèn)證。強(qiáng)化批判性思維和創(chuàng)新能力培養(yǎng)，推動終身學(xué)習(xí)和技能升級，鼓勵跨學(xué)科交叉學(xué)習(xí)，培養(yǎng)具備多學(xué)科知識的復(fù)合型人才。
四是高度關(guān)注AI倫理問題。強(qiáng)制醫(yī)療機(jī)構(gòu)設(shè)立人工智能倫理相關(guān)機(jī)構(gòu)和一定比例的倫理審核崗位（例如規(guī)定AI應(yīng)用每達(dá)到一定數(shù)量，需要新增1個倫理審核崗位），定期、系統(tǒng)性地審查AI應(yīng)用方案。建立“算法影響評估”制度，避免災(zāi)難性的后果。
來源：澎湃新聞，2025-06-03
作者：趙付春，上海社會科學(xué)院信息所副研究員；AI醫(yī)療創(chuàng)新研究中心黃浩、顧文兵對此文亦有貢獻(xiàn)
