2025年4月，国际顶级医学期刊JAMA首次发表了关于中国自主研发大模型DeepSeek在医疗领域应用的观点文章。
文章由清华大学副教务长、医学院院长黄天荫教授领衔，联合清华大学医学院曾典博士、秦义明博士，以及上海交通大学计算机科学与工程系盛斌教授共同撰写。
文章围绕医疗领域中人工智能的安全应用，呼吁加快建立多维度、体系化的治理框架，强调在推动技术创新的同时，必须同步提升法律规范、伦理审查与风险管理能力，确保AI技术在医疗实践中实现安全、可靠、可控的落地。这一倡议不仅回应了国家对人工智能发展提出的新要求，也为全球医疗AI治理探索提供了中国经验与中国方案。
文章指出在医疗 AI 领域，一场由低成本开源模型掀起的变革正在中国医院系统中迅速展开。来自中国量化投资公司子公司开发的大语言模型 DeepSeek-V3 与 DeepSeek-R1，凭借MIT 开源协议的加持，实现了近乎零成本的技术启动门槛，不仅允许免费商业使用与二次开发，还通过保留原始版权声明保障了知识产权安全。这一特性打破了传统 AI 模型的高部署成本壁垒，截至 2025 年 3 月，其全球下载量已突破 1.1 亿次，引发国际广泛关注。
文章显示在中国市场，DeepSeek 的热度更呈现爆发式增长。百度数据显示，2025 年 1 月底以来，其搜索量已达到 OpenAI 的 ChatGPT 和谷歌 Gemini 的 10 倍。医疗场景中，超 300 家医院已完成本地化部署，尝试将其整合到临床诊断、患者教育、科研支持及医院管理系统中。医院倾向于本地化部署，认为这是保护数据完整性与患者隐私的安全方案。
（2025年1月22日至2月24日期间，DeepSeek、ChatGPT、Google Gemini 的百度搜索量）
文章警示，当AI创新技术以“近零成本”迅速渗透至大量基层医院时，若缺乏成熟的临床安全评估体系，容易导致“技术采用曲线”与“监管成熟度曲线”的危险错位，加剧潜在风险。
临床安全：幻觉风险与信任危机
尽管 DeepSeek 通过推理链提升了逻辑能力，但其 “幻觉” 问题（生成看似合理但事实错误的内容）已引发担忧。研究表明，推理能力的提升可能伴随更高的幻觉发生率，导致患者对医生建议产生怀疑，或促使医护人员过度依赖 AI 而漏诊。例如，微博上 “DeepSeek 达到顶级医院水平” 的热议，已导致患者持 AI 建议质疑医生的临床决策案例。
数据安全：本地化部署的双刃剑
看似更安全的本地化部署实则将数据保护责任转移给医院 —— 许多机构缺乏完善的网络安全架构。当 DeepSeek 与现有医院信息系统整合时，若缺乏防护措施，海量敏感医疗数据可能因模型参数需求和硬件配置漏洞面临风险。
监管滞后：创新与规范的失衡
中国医疗法规明确禁止 AI 开具处方，但对 LLM 在辅助诊断等场景的应用尚未建立标准化评估框架。2025 年的一项系统 review 显示，仅 32.8% 的研究涉及伦理问题，16.1% 关注监管 gaps，多数研究未使用真实患者数据或量化偏差。
面对 “速度与安全” 的悖论，文章提出三方协同治理框架：
分场景评估体系
将医疗 AI 应用划分为临床决策支持、患者管理、科研教学三类，制定差异化标准。例如，高风险的诊断支持需多阶段验证和专家共识对比，患者教育则需定期内容审计与患者反馈机制。
全周期风险管理
预部署阶段：采用杜克大学 ABCDS 框架，基于临床 outcomes 而非技术参数评估工具有效性；
落地后：建立动态知识库更新、医护人员 AI 使用培训及跨机构基准测试网络。
技术 - 伦理平衡机制
借鉴欧洲 TRAIN 计划与美国 HHS 战略，强调 AI 的辅助定位 —— 例如，在医患沟通中，AI 可提升共情能力（研究显示其文本咨询沟通质量媲美人类医生），但最终决策权仍需由临床医生掌握。
DeepSeek 的爆发式应用，折射出中国医疗体系的独特张力：一方面是区域医疗资源不均、老龄化加剧（60 岁以上人口超 20%）的现实压力，另一方面是数字渗透率高达 92% 的技术红利。如何在 “降本增效” 与 “安全底线” 间找到平衡点，不仅关乎单一模型的成败，更可能定义全球医疗 AI 的治理范式。
文章认为，DeepSeek在中国的实践，本质是一场关于“技术普惠”与“安全底线”的全球预演。当开源技术打破了“AI 贵族化”壁垒，当医疗场景的复杂性又倒逼技术加速迭代，中国案例清晰地揭示：医疗大模型的安全治理，不能停留在“避免明显错误”的初级阶段，而必须构建涵盖“技术可靠性、临床适配性、社会接受度”等多维度的综合评估体系。
以DeepSeek为代表的国产大模型在医疗领域的应用实践，是全球数字医疗转型进程中的重要探索。这一实践不仅展现了技术创新为医疗行业带来的巨大潜力，也提醒全球医疗界，在快速发展的过程中，必须同步构建科学、透明、可持续的治理体系。中国经验表明，只有在技术可靠性、临床适配性与社会接受度之间实现动态平衡，医疗AI技术才能真正成为提升医疗服务质量、保障人民健康的有力工具，助推全球医疗事业的可持续发展。
文章强调，唯有让“创新速度”与“治理精度”形成良性共振，才能真正实现希波克拉底誓言与算法代码的深度融合。这不仅是中国医疗AI发展的必答题，也是全球数字医疗转型的共同挑战。
正如文章结语所言：“当 AI 成为医患关系的‘第四方’，我们需要的不是技术的狂飙，而是让创新在规范中生长的智慧。” 或许，中国医疗 AI 的真正价值，不在于速度，而在于能否探索出一条 “技术普惠” 与 “伦理守护” 并行的可持续路径。
文章链接：
Zeng D, Qin Y, Sheng B, Wong TY. DeepSeek’s “Low-Cost” Adoption Across China’s Hospital Systems: Too Fast, Too Soon? JAMA. Published online April 28, 2025. doi:10.1001/jama.2025.6571
