原创

当DeepSeek跨界开处方：AI医疗的可行性与法律迷宫

DeepSeek 开处方，真能治病吗？

最近，人工智能领域热闹非凡，其中 DeepSeek 更是备受瞩目。它不仅在知识问答、文本创作等方面展现出强大的能力，甚至还涉足医疗领域，开始为患者 “开处方” 。只要用户输入自己的症状，DeepSeek 就能在短时间内生成一份包含药材、剂量、煎服方法及注意事项的完整处方。这一现象引发了广泛的关注和讨论，不少人对其可行性产生了浓厚的兴趣。

从技术原理来看，DeepSeek 拥有庞大的知识库，涵盖了海量的医学文献、临床案例和专业知识。它通过对这些数据的深度学习和分析，能够模拟医生的诊断思路，根据患者描述的症状给出相应的处方建议。但大家都知道，现实中的疾病诊断是一个极为复杂的过程，绝非简单的症状匹配就能完成。

以中医诊断为例，中医讲究 “望闻问切” 四诊合参。医生不仅要询问患者的症状，还要观察患者的面色、舌苔，聆听声音气息，触摸脉象等，通过综合判断来确定病因和病情。而 DeepSeek 仅能基于患者输入的文字信息进行分析，无法进行面对面的观察和感知，必然会缺失很多重要的诊断信息。比如，同样是头痛症状，可能是由外感风寒、肝阳上亢、血虚等多种原因引起，仅凭患者的简单描述，DeepSeek 很难准确判断具体病因，从而给出精准的处方。

再从西医角度来说，疾病的诊断往往需要结合各种检查结果，如血液检查、影像学检查等。不同患者的身体状况、病史、过敏史等因素也会对诊断和治疗产生重要影响。DeepSeek 在这些方面同样存在局限性，它无法全面了解患者的个体差异，难以给出个性化的治疗方案。

从技术看 DeepSeek 处方的可行性

（一）DeepSeek 的技术原理

DeepSeek 之所以能实现 “开处方”，背后是强大的机器学习和大数据分析技术在支撑。它就像一个勤奋的学生，日夜不停地 “阅读” 海量的医学文献，从经典的医学著作到最新的临床研究报告，从中医的古籍医案到现代西医的诊疗指南，无一遗漏。同时，它还收集了大量的临床案例数据，这些案例涵盖了各种疾病类型、不同年龄段和不同身体状况的患者。

通过对这些数据的深度学习，DeepSeek 能够建立起复杂的疾病诊断模型。当用户输入症状时，它会迅速在自己的 “知识宝库” 中进行搜索和匹配，分析各种可能的病因，并根据学习到的医学知识和治疗经验，生成相应的处方建议。比如，当用户描述咳嗽、咳痰、发热等症状时，它会综合考虑这些症状出现的频率、持续时间、伴随症状等因素，结合它所学习到的感冒、流感、肺炎等疾病的诊断标准和治疗方法，给出初步的诊断和处方建议。

（二）与传统医疗诊断的差异

传统医疗诊断是一个综合性的过程，医生通过与患者面对面的交流，观察患者的表情、神态、肢体语言等，获取直观的信息。“望闻问切” 中的望诊，医生可以观察患者的面色、舌苔、眼睛等部位的变化，判断身体的健康状况。比如，面色苍白可能提示贫血或气血不足，舌苔黄腻可能表示体内有湿热。闻诊则通过听患者的声音、呼吸、咳嗽声等，以及嗅患者的口气、体味等，辅助诊断疾病。像咳嗽声重、咳痰清稀，可能是外感风寒；而咳嗽声急促、咳痰黏稠色黄，可能是风热犯肺。

切诊中的脉诊更是中医的特色之一，医生通过触摸患者的脉搏，感受脉象的变化，如脉的快慢、强弱、深浅等，来判断人体的气血盛衰、脏腑功能状态。在西医中，医生还会借助各种先进的仪器设备，如血常规、尿常规、CT、MRI 等检查，获取更详细的身体信息，从微观层面了解疾病的发生发展机制。

相比之下，DeepSeek 缺乏这种直观感知和动态交互的能力。它只能依赖用户输入的文字信息进行分析，无法像医生那样主动观察和询问患者的细节信息。而且，患者在描述症状时，可能存在表达不准确、不全面的情况，这也会影响 DeepSeek 诊断的准确性。比如，患者可能只说自己头痛，但没有描述头痛的具体部位、疼痛的性质（如刺痛、胀痛、跳痛等）、发作的时间规律以及是否伴有其他症状（如恶心、呕吐、视力模糊等），这些关键信息的缺失可能导致 DeepSeek 给出的诊断和处方出现偏差。

（三）实际应用案例分析

在实际应用中，DeepSeek 的表现也引起了人们的广泛关注。有网友分享自己向 DeepSeek 咨询孩子发烧的经历，DeepSeek 给出的诊断结果和医生的诊断结果基本一致，用药也相差不大。还有医生对 DeepSeek 进行测评，如浙大二院的主任医师在测评中发现，DeepSeek 给出的诊断和他们非常接近，而且仅用 56 秒就出了诊断结果，其分析条理清晰、全面，甚至在某些方面不亚于三甲医院的主治医师。

但也有不少案例暴露出 DeepSeek 的局限性。有患者向 DeepSeek 描述自己 “鼻塞、不通气，但不咳嗽、不流鼻涕” 的症状，DeepSeek 给出了鼻炎、外感风寒及肺脾气虚三种可能的诊断，并提供了中药处方和煎服方法。然而，成都医学院的中西医结合科主任李涛指出，AI 问诊过程缺乏全面性，无法考虑患者的性别、年龄等重要因素，开出的建议往往是笼统且通用的。

在面对复杂病症时，DeepSeek 的局限性更加明显。比如对于一些罕见病、疑难杂症，由于疾病的症状不典型，病因复杂，涉及多个系统和器官的病变，需要医生进行深入的分析和综合判断。而 DeepSeek 可能因为缺乏足够的病例数据和临床经验，无法准确诊断和给出有效的治疗方案。

处方背后的法律风险

（一）法律对处方开具主体的规定

在我国，处方的开具有着严格的法律规定。根据《处方管理办法》，处方必须由注册的执业医师和执业助理医师在诊疗活动中为患者开具。这是从法律层面保障医疗安全和患者权益的重要举措，因为执业医师经过多年的专业学习和实践培训，具备扎实的医学知识和临床经验，能够准确判断病情并开具合理的处方。

比如，一名执业医师在取得医师资格证书并注册后，在其执业地点，如医院、诊所等，才能为患者开具处方。他们在诊断过程中，会综合考虑患者的症状、体征、检查结果、病史等多方面因素，确保处方的准确性和安全性。而 DeepSeek 作为人工智能，并不具备医师资格，没有经过专业的医学教育和临床实践，也无法承担相应的法律责任，所以它不具备处方权。如果 DeepSeek 随意开具处方，就违反了我国的相关法律法规，扰乱了正常的医疗秩序。

（二）误诊、医疗事故的责任认定困境

倘若 DeepSeek 给出的处方导致误诊或引发医疗事故，责任认定将面临极大的难题。这涉及到多个主体，包括 DeepSeek 的开发者、使用者（如医疗机构、患者等）以及监管者，各方的责任划分错综复杂。

从开发者角度来看，如果是因为算法设计缺陷、训练数据偏差等原因导致 DeepSeek 给出错误的处方建议，开发者是否应该承担主要责任？比如，若训练数据中关于某种罕见病的病例极少，使得 DeepSeek 在面对该疾病时无法准确诊断和开具处方，那么开发者可能需要对由此产生的后果负责。但要证明开发者的过错，需要具备专业的技术知识和深入的调查，这对于普通患者来说难度极大。

对于使用者，以医疗机构为例，如果医疗机构盲目使用 DeepSeek 开具的处方，而没有经过专业医师的审核，那么医疗机构在医疗事故中又该承担怎样的责任？医疗机构有责任对使用的医疗技术和工具进行审慎评估，确保其安全性和有效性。如果医疗机构在使用 DeepSeek 时，没有尽到合理的注意义务，导致患者受到损害，就可能需要承担相应的赔偿责任。

监管者在这一过程中也有不可推卸的责任。如果监管部门对 DeepSeek 这类人工智能在医疗领域的应用监管不力，没有制定完善的规范和标准，也可能被追究责任。例如，监管部门未能及时发现 DeepSeek 存在的安全隐患，或者没有对其使用进行有效的监督，导致医疗事故的发生，监管部门需要反思自身的监管漏洞。

（三）患者隐私和数据安全问题

在数字化时代，患者隐私和数据安全至关重要。DeepSeek 在处理患者数据时，面临着诸多隐私和数据安全风险。

患者在向 DeepSeek 咨询病情时，通常会提供大量的个人信息，包括姓名、年龄、病史、症状等敏感信息。一旦这些数据被泄露，患者的隐私将受到严重侵犯，可能会给患者带来不必要的困扰和损失。比如，患者的病情信息被泄露到网络上，可能会影响患者的个人声誉和社会形象，甚至可能导致患者在就业、保险等方面受到歧视。

数据滥用也是一个不容忽视的问题。如果 DeepSeek 的开发者或运营者将患者数据用于其他商业目的，如将患者数据出售给药企用于药物研发或市场推广，而没有经过患者的明确同意，这就构成了对患者数据的滥用。这种行为不仅违反了患者的隐私权，也可能损害患者的利益。

AI 治疗的法规与地方实践

（一）人工智能治疗相关法律法规梳理

为了规范人工智能在医疗领域的应用，我国出台了一系列法律法规和规章。2022 年发布的《互联网诊疗监管细则 (试行)》明确规定，医师接诊前需进行实名认证，确保由本人提供诊疗服务，其他人员、人工智能软件等不得冒用、替代医师本人提供诊疗服务，处方应由接诊医师本人开具，严禁使用人工智能等自动生成处方。这一规定从源头上保障了医疗服务的专业性和安全性，防止人工智能在诊疗过程中出现越界行为，避免因技术滥用而导致的医疗风险。

《处方管理办法》对处方的开具、调剂、保管等环节都作出了详细规定，强调了处方开具主体必须是具备相应资质的医师，明确了医师在处方开具过程中的责任和义务。这些法规相互配合，形成了一套较为完善的监管体系，为人工智能在医疗领域的健康发展提供了法律依据。

（二）各省人工智能治疗实务情况

在实际应用中，各省积极探索人工智能辅助医疗的新模式，取得了不少成果。浙江省人民医院的静脉用药调配中心配置了智能一体化设备，包括全自动贴签机、针剂摆药系统和 AI 视觉智能自检系统等，形成了高效的药品调剂、复核及分拣流程。这一系统不仅显著降低了药品破损和调剂差错率，还节省了约 25% 的人工成本，提升了医疗服务的效率和质量。

安徽省积极推动人工智能技术在医疗领域的创新研发和应用，拓展智慧医疗应用场景。“智医助理” 系统已覆盖 1702 家乡镇卫生院和社区卫生服务中心、1.7 万家村卫生室，医生使用人数达 3.2 万人，实现全省基层医疗卫生机构全覆盖。截至目前，“智医助理” 系统累计提供辅助诊断建议 6.8 亿次，为基层医疗卫生工作提供了有力辅助，提升了基层诊疗的精准度。

（三）不同地区监管差异与原因分析

不同地区在人工智能医疗监管上存在一定差异。一些经济发达、科技水平较高的地区，如北京、上海、广东等地，对人工智能医疗的监管相对较为严格，注重技术的安全性、有效性和数据隐私保护。这些地区的医疗机构和科研机构在人工智能医疗领域的投入较大，技术应用较为广泛，因此需要更严格的监管来规范市场秩序，保障患者权益。

而一些经济相对落后、医疗资源相对匮乏的地区，在人工智能医疗监管方面可能相对宽松。这些地区可能更注重利用人工智能技术来提升医疗服务的可及性，解决医疗资源不足的问题，对技术的监管要求相对较低。不同地区的政策导向也会影响监管差异，一些地区为了鼓励科技创新，可能会在一定程度上放宽对人工智能医疗的监管，为技术发展提供更宽松的环境；而另一些地区则更注重医疗安全和质量，会采取更为严格的监管措施。

理性看待 AI 医疗的未来

DeepSeek 开处方这一现象，让我们看到了人工智能在医疗领域的巨大潜力，也引发了我们对其可行性和法律风险的深入思考。从技术层面来看，DeepSeek 具备强大的数据分析能力，能够在短时间内提供大量的医学知识和治疗建议，为医疗决策提供参考。但它在疾病诊断的全面性和准确性上存在明显不足，无法完全替代医生的专业判断。

在法律层面，DeepSeek 开处方面临着诸多风险，包括违反处方开具主体的法律规定、责任认定困境以及患者隐私和数据安全问题等。这些风险不仅可能损害患者的权益，也会影响人工智能在医疗领域的健康发展。

然而，我们不能因噎废食，人工智能在医疗领域的应用是大势所趋。通过合理的监管和规范，人工智能可以在医疗辅助、疾病预测、药物研发等方面发挥重要作用，为医疗行业带来创新和变革。我们应理性看待人工智能在医疗领域的应用，既要充分发挥其优势，也要警惕其潜在风险，通过完善法律法规、加强技术监管、提升技术水平等措施，确保人工智能在医疗领域的安全、可靠应用，为患者提供更加优质、高效的医疗服务。

作者：何继成律师

正文到此结束

所属分类：案例分析

本文标签： 合同纠纷医疗损害法律事件
本文链接： http://www.hejicheng.cn/article/19911
版权声明： 本文由深圳何继成律师原创发布，转载请遵循《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权