肯尼迪最近公开谈到人工智能在医疗中的作用，最值得注意的并不是一句“AI可能比医生掌握更多信息”，而是这种说法已经开始从科技公司的宣传，进入美国卫生政策最高层的公开讨论。与此同时，OpenAI高管甚至提出，在一些情况下，不向AI寻求第二意见未来可能接近医疗失职。虽然这种说法目前显然走在法律和临床规范前面，但它反映出的方向已经越来越清楚：医疗正在从“医生拥有知识、患者向医生购买判断”，逐渐转向“AI拥有大规模知识处理能力，医生负责复杂情况和最终处置”。
这并非纯粹想象。2026年的临床研究已经显示，前沿AI在标准化诊断推理任务上可以达到很高水平。更值得注意的是，多模态医疗AI已经能够同时处理病史、皮肤照片、心电图和临床文件，在模拟远程诊疗中，其诊断准确性、问诊质量等多项指标超过参加实验的基层医生。另一些医疗智能体甚至已经能够自动收集信息、形成诊断，并根据自身置信度把高风险病例转交人工处理。
这意味着医疗AI真正的瓶颈正在发生转移。几年前的问题还是“AI懂不懂医学”；现在越来越变成“患者的信息能否完整输入AI，以及法律是否允许AI根据判断采取行动”。
医生几十年积累的经验当然仍然重要，但其中一部分本质上也是病例模式识别。年轻医生亲自见过的病例有限，而AI已经接触过巨量医学论文、病例、指南和药物资料。因此，在信息条件相同的情况下，AI首先超过部分年轻医生并不奇怪。真正困难的是把老医生所拥有的隐性经验——面色、语气、步态、呼吸方式以及大量难以文字化的弱信号——数字化输入AI。随着摄像头、可穿戴设备、家庭心电、连续血糖、血压和血氧监测普及，这道障碍也会逐渐降低。
于是医疗体系可能出现一个重要变化：过去一个病人从头到尾都必须经过医生；未来则可能被拆成不同模块。
稳定高血压、糖尿病、高脂血症、常见感染、常规续方等低风险病例，可以由家庭监测设备提供数据，AI负责分析，药房完成检测、配药甚至注射。复杂病例、异常情况和高风险决策再升级给医生。手术、介入、重症和急诊当然仍需要大量专业人员，但普通门诊中最标准化的认知工作，未必还需要医生逐例完成。
这对美国尤其重要。
2024年美国医疗支出已经达到5.3万亿美元，占GDP的18%；其中医生和临床服务本身就超过1.1万亿美元，Medicare和Medicaid合计超过2万亿美元。即使AI只让整个医疗体系提高5%的效率，涉及的资源也是数千亿美元级别。
因此，美国今天所谓“医生短缺”，其实建立在现有医疗生产方式之上。如果一个医生借助AI能够覆盖过去两三倍的患者，或者大量普通病例根本不需要医生介入，那么未来的问题可能不再是“美国缺多少医生”，而是“哪些类型的医生仍然短缺”。
真正的障碍可能越来越集中到法律和制度：谁有权开检查，谁能开药，药师能否根据AI方案执行，患者能否自行承担低风险治疗责任，AI出错时责任如何分配，以及保险是否承认新的医疗模式。
肯尼迪的讲话因此值得重视。它显示美国卫生政策讨论正在接近一个更根本的问题：医生是否必须继续作为医疗知识和治疗权限的唯一入口。
如果答案逐渐变成“不必”，AI给医疗带来的就不会只是医生工作效率提高20%，而可能是整个医疗服务结构的重组。对一个每年花费五万多亿美元在医疗上的国家而言，这或许会成为AI最具现实经济价值的应用之一。
