导语：AI辅助诊断正在从大型医院走向县医院、社区卫生服务中心和乡镇卫生院。它可以帮助基层医生识别影像异常、审核处方、提示危急值，但也可能因训练数据偏差、输入信息不完整或模型“幻觉”产生误判。🤖 当误判进一步造成延误治疗、错误用药或不必要检查时，责任不能简单推给“算法”，更不能笼统地让一线医生独自承担。
一、AI进入基层后，法律身份仍是“辅助工具”
目前，AI通常不具有独立实施医疗行为、签署诊断报告或承担民事责任的主体资格。国家卫生健康委等部门发布的政策提出，要推动基层智能辅助诊疗应用，但强调规范应用、服务安全和风险可控；到2030年，基层诊疗智能辅助应用将基本实现全覆盖。这意味着政策方向是扩大应用，而不是让AI取代医生。相关内容可查看“人工智能+医疗卫生”实施意见。
在互联网诊疗场景中，监管边界更加明确：人工智能软件不得冒用、替代医师本人提供诊疗服务，处方必须由接诊医师本人开具，不得由AI自动生成。该规则虽然主要针对互联网诊疗，但反映了现阶段医疗AI的基本定位——可以提示和辅助，不能绕过医师完成关键医疗决策。详见《互联网诊疗监管细则（试行）》。
二、发生误诊后，责任通常从四条线判断
1. 医疗机构是否存在诊疗或管理过错
《民法典》第一千二百一十八条规定，患者在诊疗活动中受到损害，医疗机构或者其医务人员有过错的，由医疗机构承担赔偿责任；医务人员未尽到与当时医疗水平相应的诊疗义务并造成损害的，医疗机构也应承担责任。换句话说，患者通常首先面对的是医院，而不是某个算法账号。相关条文可参见《民法典》侵权责任编。
基层医院的管理过错可能包括：采购不符合预期用途的系统、未经本地验证即投入高风险场景、没有建立复核制度、未培训医生、模型更新后未重新评估，以及发现连续异常仍未停用。若医院只是“买来就上”，出了问题后再强调厂商宣传的准确率，通常不足以证明已经尽到管理义务。
2. 医生是否履行了实质性复核义务
医生点击“确认”不等于完成复核。责任认定会关注医生是否核对原始影像和检验数据，是否结合病史、查体、用药情况进行鉴别诊断，是否注意到AI结论与临床表现之间的矛盾，以及是否对高风险提示安排复查、会诊或转诊。若医生未经独立判断直接复制AI结论，可能被认定未尽合理诊疗义务。
反过来说，如果医生按照制度完成检查、复核和风险处置，却因系统存在难以识别的隐藏缺陷而发生误判，也不宜把全部责任压在医生个人身上。医疗纠纷审理通常需要结合诊疗规范、当地医疗水平、患者个体差异和因果关系综合判断，而不是实行“AI出错、医生必然全责”。
3. 技术供应商是否存在产品或服务缺陷
如果误诊源于算法设计缺陷、训练数据代表性不足、性能边界未披露、软件更新引入新风险，或者厂商夸大适用范围，供应商可能承担产品责任或合同责任。若相关AI属于医疗器械，因产品缺陷导致患者损害，《民法典》还为患者向生产者或医疗机构请求赔偿，以及医疗机构赔偿后追偿，提供了制度路径。
不过，供应商担责并非看到一次错误即可成立。实践中通常需要证明系统存在不合理危险，该缺陷在损害形成中具有原因力，而且医院和医生是在产品规定的适用范围内使用。为此，模型版本、输入数据、输出结果、置信度、更新记录和故障告警都是重要证据。
4. 患者行为和疾病本身是否影响结果
患者隐瞒重要病史、拒绝必要检查或不遵从合理复诊安排，也可能影响责任比例。同时，医学本身存在不确定性，并非所有误诊都等于医疗过错。责任成立一般需要同时审查损害事实、过错、因果关系和原因力大小。最高人民法院相关司法解释也将诊疗过错、产品缺陷及其与损害后果之间的因果关系列为可鉴定事项，详见医疗损害责任纠纷司法解释。
三、医生复核机制出现哪些新动态？
当前行业治理正在从“医生最后签字”转向“复核过程可证明”。2026版医疗机构人工智能应用与治理专家共识提出分级准入、多学科审查、人机协同、动态监测和熔断机制等思路，并强调高风险预警、影像识别、病理分析等结果应当复核，必要时实行双人复核。该文件属于专家共识，并非法律法规，但对医院完善内部制度具有较强参考价值，可查看共识介绍。
- 分级复核：普通流程提醒可由接诊医生确认；肿瘤、急危重症、病理和重大用药建议应提高复核层级。
- 冲突触发：当AI结论与症状、检验结果或既往病史不一致时，系统自动提示暂停采纳。
- 全程留痕：记录AI版本、输入来源、原始输出、医生采纳或否决理由，避免仅留下“已阅”。
- 异常熔断：出现连续严重错误、模型漂移、数据泄露或异常更新时，立即切换人工流程。🛑
- 远程复核：基层医院可依托县域医共体，由上级医院对高风险影像、心电和病理结果进行远程二次审核。
四、基层医院可立即落地的复核流程
- 先核输入：确认患者身份、检查部位、影像质量、计量单位和病历信息是否准确。
- 再看原始资料：医生不得只看AI摘要，应调阅原始影像、检验报告和既往记录。
- 进行独立判断：先形成初步临床意见，再与AI结论比对，降低自动化偏见。
- 处理意见冲突：对无法解释的矛盾结果，启动复查、会诊或上转，不能让系统“自动拍板”。
- 记录修改原因：明确填写采纳、部分采纳或否决AI建议的依据。
- 开展周期评估：按科室、病种和设备统计假阳性、假阴性及人工纠正情况，发现性能漂移及时停用。
关键判断：未来的责任认定不会只问“AI准不准”，而会进一步追问医院是否审慎准入、医生是否实质复核、厂商是否充分披露风险，以及完整证据链能否还原当时的诊疗过程。
总结
AI进入基层医院后，误诊责任更可能形成“医疗机构对外担责、医生按履职情况接受内部评价、供应商依产品缺陷和合同约定承担责任”的分层结构。真正能够保护患者、医生和医院的，不是一句“AI仅供参考”，而是一套可以执行和追溯的制度：合规准入、风险分级、独立复核、双人审核、远程会诊、异常熔断和全程留痕。🏥 技术越深入诊疗核心，人工复核就越不能流于形式；AI可以提高基层医疗效率，但最终医疗判断仍必须由具备资质并能够承担专业责任的人完成。
