DeepSeek类生成式人工智能助推医患命运共同体的构建研究

Research on DeepSeek-like generative artificial intelligence in promoting the construction of a doctor-patient community with a shared future

摘要

随着中国生成式人工智能的快速发展，以ChatGPT为代表的对话式DeepSeek类生成式人工智能在医疗领域展现出巨大潜力，助推了“医师-人工智能-患者”新型医患关系的加速形成，为构建医患命运共同体带来了新的机遇和挑战。DeepSeek类生成式人工智能应用于医疗诊断，具有辅助医师快速处理数据和图像、优化医疗资源配置、打破医患信息不对等的优势。与此同时，也会因技术依赖导致医患信任危机、诊断错误引发责任归属问题、隐私泄露引起医患关系疏离等问题的产生。DeepSeek类生成式人工智能助推医患命运共同体可以通过构建“医师-人工智能-患者”共同决策的诊疗模式、合理界定“人机关系”、完善科技伦理治理体系等实践路径，推动医患关系健康发展。

Abstract

With the rapid development of generative artificial intelligence (GAI) in China, conversational GAI models like DeepSeek (represented by ChatGPT) have demonstrated significant potential in the medical field, accelerating the formation of a new “doctor-AI-patient” relationship, and bringing both new opportunities and challenges for building a community of shared future for doctors and patients. The application of DeepSeek-like GAI in medical diagnosis offers advantages such as assisting doctors in rapidly processing data and images, optimizing the allocation of medical resources, and bridging information asymmetry between doctors and patients. However, it also raises concerns including a potential crisis of trust in doctor-patient relationships due to over-reliance on technology, ambiguity in accountability arising from diagnostic errors, and erosion of doctor-patient relationships caused by privacy breaches. The doctor-patient community with a shared future empowered by DeepSeek-like GAI can promote the healthy development of doctor-patient relationship through practical pathways including constructing “doctor-AI-patient” shared decision-making mode in diagnosis and treatment, reasonably defining human-AI boundaries, and improving the ethical governance framework of technology.

Graphical abstract

关键词

生成式人工智能 / DeepSeek / 医患命运共同体 / 医患信任

Key words

generative artificial intelligence / DeepSeek / doctor-patient community with a shared future / doctor-patient trust

医患命运共同体和生成式人工智能（GenAI）的融合与发展，是当前医疗领域探索的重要方向。2024年1月，世界卫生组织发布了《卫生领域人工智能的伦理与治理：多模态大模型指南》，为人工智能技术在医疗领域的应用提供了伦理和治理框架，强调了确保人工智能技术的安全性、透明度和责任性^[1]。为Gen AI应用于医疗领域提供了明确的政策支持，与其相关的研究与实践项目不断涌现。2025年1月DeepSeek的发布与上线，引发群众使用生成式人工智能的热潮，患者通过上传病例数据和图像到DeepSeek，DeepSeek能够得出与医师诊断相似的结果，快速给出病因及用药分析，为医师和患者提供了极大的便利；但是，DeepSeek在应用中也会存在诊疗差异，造成医患不信任等问题的产生。因此，如何通过DeepSeek类生成式人工智能赋能医患命运共同体，推动医患关系从“单向权威”到“平等互动、共同合作”的模式转变，成为学界研究的新命题。

1 DeepSeek类生成式人工智能技术应用于医疗诊断

目前，国内许多医院都在本地化部署DeepSeek，掀起了GenAI在医疗领域落实的热潮。DeepSeek类生成式人工智能的落地不仅引发了医疗实践的变革，也为医患关系发展带来新的机遇，更为医患合作提供了极大便利。必须灵活运用生成式人工智能造福于医师和人民健康，DeepSeek类生成式人工智能应用于临床的流程图如图1所示。

2 DeepSeek类生成式人工智能对构建医患命运共同体的积极价值

医患关系本身就是命运共同体，医患命运共同体指在疾病到健康的治疗过程中，医患双方从共同的目标和利益出发，形成的相互信任、相互配合的紧密联系。将DeepSeek类生成式人工智能应用于临床医疗，有助于构建医患命运共同体，提高工作效率及准确性，推动医疗公平，提升医患平等关系，缓解医患矛盾。

2.1 辅助处理数据和图像，提高效率及准确性

对于医师而言，GenAI拥有很强的综合分析与推理能力，可协助医师分析和解读患者的症状、病史记录、生化检测结果以及影像学诊断资料，减轻医师的工作负担与压力^[2]。DeepSeek类生成式人工智能能够对患者的病例信息和化验数据展开全面分析，并快速识别病例关键信息，为医师综合判断病情及最终决策提供便利。遇到复杂病症时，DeepSeek类生成式人工智能可以快速在数据库中搜索相似病例帮助医师辅助判断，为医师提供多种治疗思路，降低漏诊与误诊风险，有效提高诊疗的效率与准确性^[3]。

对于患者而言，在医院进行必要的各项检查后，可将结果上传到DeepSeek类生成式人工智能进行分析，提前了解自身的身体健康状况、疑似疾病与治疗方案，为接下来的医患沟通和治疗方案决策奠定基础。DeepSeek类生成式人工智能数据库包括了海量的医学知识资料，可以通过深度思考和联网搜索两个模块功能，快速将与患者相关的病例信息进行整合分析，解答患者诸多医学问题。借助于DeepSeek类生成式人工智能的先进且强大的技术，使患者能够更加积极主动地参与到自己的健康诊疗中，增强医患之间的信任与合作。

2.2 优化医疗资源配置，提升医疗服务能力

医疗资源供给不足且分配不均是制约我国医疗卫生事业发展的突出问题，东西部地区医疗水平和城乡医疗发展水平差距过大亦是亟须解决的重点问题。目前，患者仍集中于大城市大医院进行诊疗，大城市大医院面临巨大诊疗压力，DeepSeek类生成式人工智能通过智能化的医疗信息整合和分析能力有望缓解这一困境。当患者输入自己身体的不适症状，DeepSeek类生成式人工智能能够快速分析患者的病症以及匹配合适的医疗资源，引导患者到适合的就医地点，促使医疗资源得到合理分配。DeepSeek类生成式人工智能辅助诊断系统通过AI影像识别、病理分析等技术，使医师能够获取更加准确且全面的患者病症信息，从而快速准确地诊断出病症并给出治疗建议，缩小城乡医疗差距。DeepSeek类生成式人工智能可以打破地域限制，开展远程医疗协作“5G+AI”的远程会诊，实现三甲医院的专家与基层医院医护人员的实时协作。不仅能够提升基层医师的诊疗水平，也能增强患者对医师和基层医疗机构的信任，使患者不再过度依赖大医院，从而有效缓解大医院的就医压力，推动医疗资源的合理分配。

2.3 打破医患信息不对等，促进医患关系和谐

DeepSeek类生成式人工智能应用于医疗领域，可以打破医患信息的不对等状况，推进医患关系朝着和谐方向发展。GenAI可以为医患双方提供透明化的决策方案，借助可视化技术呈现病灶标注、风险概率、注意事项以及用药建议等内容，以此帮助患者理解治疗方案，辅助医患共同决策，减少医疗争议。DeepSeek类生成式人工智能作为医师和患者的得力助手，可实时回应患者问题，采用通俗易懂的方式解答复杂医学知识，既方便患者理解又能节省时间。依靠智能化的交互信息处理方式，能有效缓解医患之间因信息不对称而产生的矛盾^[4]，使患者对于自身健康状况和治疗方案有了更为清晰的认识，同时医师对患者身体状况和治疗方案的把握也更为全面，最终做出以患者为中心、实现患者利益最大化的治疗决策。信息和决策的透明化提高了医患之间的信任度，提升了患者的治疗效果和满意度。

3 DeepSeek类生成式人工智能对医患关系的潜在风险

医患冲突、医患矛盾一直以来是医疗服务过程中所面临的难题。即便在医疗领域应用了DeepSeek类生成式人工智能，缓解了看病难、看病贵、误诊等相关问题，但其技术仍然存在局限性，其中包含可能引发医患冲突的潜在风险，如技术依赖、诊断错误以及隐私泄露等问题，都对医患关系的健康发展构成了严重威胁。

3.1 技术依赖，加剧医患信任危机

将DeepSeek类生成式人工智能应用于临床诊断，使得原本由医师主导的病史分析、病情评估、治疗方案制定等职责在一定程度上被GenAI所代替，可能导致医师过度依赖该技术进行辅助诊断。这不仅会削弱医务人员的主体地位，导致医师角色的边缘化，甚至会影响其专业判断、临床决策和临床实践的能力，使医疗服务从“医师为主体”转变为“人工智能为主体”的诊疗模式。此外，人文关怀在医疗服务的实践中尤为重要，GenAI减少了医患沟通交流的机会和时间^[5]。传统模式的医患沟通是医师通过对患者进行详细的病史询问、身体检查、了解患者家庭情况及个人经历来综合判断病情，并给予患者尊重、关怀的心理慰藉，这一过程是医师与患者在沟通交流中建立信任的重要途径^[6]。但当DeepSeek类生成式人工智能成为医学诊断的主要工具时，患者可能会感觉医师对于自己的病情了解不深入、不详细、不全面，进而怀疑医师的专业知识和能力，容易滋生“医师无用论”的观点，导致医患之间的信任危机。由于DeepSeek类生成式人工智能存在“以单模态为主、多模态不成熟”“信息黑箱”“算法歧视”等局限性，将其应用于医疗诊断可能出现诊疗过度的现象，如对于某些非必要的医疗检查项目和药品，GenAI可能会出现过度干预的建议，不仅会增加患者的经济负担，还会造成医疗资源的浪费。同时，GenAI也可能会出现诊疗不足的情况，如对于某些疑难杂症，人工智能可能无法提供全面且准确的治疗建议，还可能会延误患者治疗的最佳时机。而且，随着DeepSeek类生成式人工智能功能的全面性、高效性、准确性的不断提高，患者对于AI基于大数据算法给出的诊疗建议的信任度将超过医师，出现患者信任主体偏移现象，不利于医患关系的健康发展。因此，当DeepSeek类生成式人工智能的诊断结果与医师的诊断结果存在偏差，或未能达到患者预期的治疗效果时，患者可能会感到失望、不满并产生质疑，认为医师为了利益把自身病症复杂化，或者把自身病症简单化从而质疑医师的专业性，加剧医患之间的紧张关系^[7]。

3.2 诊断错误，引发责任归属问题

目前，“医师-人工智能-患者”新型医患关系的诊疗模式应用于临床并未形成统一的规章制度和标准，相关法律法规尚不完善。2025年5月12日，国家科技伦理委员会研究编制了《虚拟现实技术研发伦理指引》，供科研机构和科研人员作参考，但现有的伦理规范和法律体系对于人工智能在医疗诊断中的责任归属问题仍旧缺乏明确规定。DeepSeek类生成式人工智能的“黑箱”问题是引发医患冲突的重要隐患，GenAI的决策过程往往是基于大数据算法，而实际生活中由于患者个体差异，加之数据的复杂性和数据处理的局限性，DeepSeek类生成式人工智能系统可能会受到误导性数据的影响，从而导致诊断结果的偏差。一旦DeepSeek类生成式人工智能诊断失误且医师尚未察觉，极易引发医疗事故，责任归属问题将变得异常复杂^[8]。患者会认为是医师的专业能力不足、医院监管不到位；技术平台方会认为GenAI只是作为辅助工具，医院和医师应该负主要责任；医师和医院会认为是GenAI平台诊断结果误导医师引发事故。责任归属的不确定不仅会导致法律纠纷，还会加剧医患冲突。因此，如若发生医疗事故，患者的权益如何保障，人工智能应用于医疗服务的责任归属如何划分，是当前亟须解决的问题。

3.3 隐私泄露，导致医患关系疏离

DeepSeek类生成式人工智能应用于医疗领域，致力于构建基于医疗大数据的一体化智慧医疗服务体系。医疗大数据涉及患者的姓名、年龄、性别、身份证号、职业、收入、病史、血型、居住地址等个人隐私信息。尽管DeepSeek类生成式人工智能在对患者数据处理完毕后会执行删除操作，但也无法保证信息和数据绝对不会被恢复、绝对不会被泄露。在医疗领域，患者的个人隐私极为敏感，患者治病心切，在治疗过程中希望尽快恢复健康。一旦隐私信息泄露，非法分子有可能利用这些信息进行诈骗勒索或者开展其他非法活动，使患者的人身安全、财产安全等都将受到严重威胁^[9]。医师掌握患者的个人隐私信息，一旦患者的隐私数据被泄露，不仅对患者造成严重的身心伤害，还会严重破坏医患之间的信任关系^[10]。医患关系疏离可能致使患者因担心隐私安全而选择隐瞒自身病情，影响治疗效果。此外，患者的隐私信息泄露可能引发法律问题、伦理纠纷以及道德争议等，加剧医患关系的紧张程度。如何保障患者隐私安全、防止隐私泄露，以及医疗机构收集患者隐私数据如何确保患者的知情同意权，是DeepSeek类生成式人工智能在医疗领域应用中必须面对和解决的重要问题。

4 DeepSeek类生成式人工智能助推构建医患命运共同体的实践路径

人工智能背景下构建医患命运共同体，促进医患关系的和谐发展，需要在建设新型诊疗模式、规避智能算法风险、保护患者隐私等多个方面共同发力，推动DeepSeek类生成式人工智能与医疗诊断的协同合作、医师与患者的共同决策，促进决策的智慧性与科学性，最终实现医患利益的深度绑定，构建医患命运共同体。

4.1 构建“医师-人工智能-患者”共同决策的诊疗模式

DeepSeek类生成式人工智能赋能医患命运共同体，应积极构建“医师-人工智能-患者”三位一体、共同决策的诊疗模式。一是“患者-DeepSeek类生成式人工智能”的协同交互。当患者察觉自己身体出现不适症状后，借助DeepSeek类生成式人工智能进行智能预问诊。患者通过语音或文字描述自身的症状、病史，获得初步的诊断结果和治疗建议。二是“医师-DeepSeek类生成式人工智能”的协同交互。高效利用GenAI为医师提供辅助决策支持，提升工作效率和准确率^[11]。DeepSeek类生成式人工智能依据患者症状及病史，基于医疗数据库、类似病例数据、知识图谱等识别疑似疾病，推荐初步检查项目并评估该疾病的潜在风险，生成个性化治疗建议。三是“医师-患者”的协同交互。医师与患者要进行深入的沟通和交流，明确患者诉求，对患者进行人文关怀、舒缓患者情绪。医师根据GenAI建议、患者疾病史及个人专业判断，做出最佳的医疗决策。在这一过程中，医师要讲清疾病风险、预测疾病的发展趋势，保证患者的知情同意权、自主选择权。医师与患者共同制定出“以患者的病为中心”、最适合患者的诊疗方案，确保治疗顺利进行及治疗效果的最大化。“医师-人工智能-患者”三位一体共同决策的模式通过数据透明化、沟通人性化、责任明晰化，将GenAI从“技术工具”升级为“信任助手”（如图2所示）。

4.2 合理界定“人机关系”，有效预防智能算法风险

在构建医患命运共同体的实践中，合理界定“人机关系”，要求必须明确医师、人工智能各自的角色与责任，以确保智能算法的安全与有效利用。需要法律、医疗、技术和伦理等多个领域的专家共同参与、共同协商，商讨合理的责任划分机制，以确保医疗诊断的合法性、准确性和安全性，维护医患双方的合法权益。一方面，要坚持医务人员在诊疗过程中的主体地位。尽管GenAI智能算法能对患者疾病诊断、用药及手术方案推荐起到积极作用，但其“技术工具”的本质没有改变，无法代替医师在医疗实践中的主导地位。当智能算法的结果与医师主体判断发生偏移时，可以通过多名专家的共同商讨敲定治疗方案，以医师的最终判断为主，并及时反馈给智能算法进行结果修正。人工智能的确能够为医师提供辅助，但要减少对DeepSeek类生成式人工智能的依赖。要保证医师的全过程参与，治疗前与患者进行沟通，治疗中及时关注患者的临床反应，治疗后跟进患者的恢复程度，夯实主体责任落实。另一方面，要坚持DeepSeek类生成式人工智能在诊疗过程中的辅助地位。DeepSeek类生成式人工智能可以提供数据支持、疾病初诊等辅助功能，但其诊断过程是基于大数据算法和规律，无法替代医师个人的精准判断^[12]。在“医疗+GenAI”过程中，要不断提高人工智能算法的透明性、可解释性和公平性，将GenAI技术严格锚定在辅助者的角色上，DeepSeek类生成式人工智能必须应用在“医患共益”的伦理基石上，避免医疗沦为冰冷的数字技术游戏，实现真正的科技向善。

4.3 完善科技伦理治理体系，保护患者数据及个人隐私

为应对GenAI给医学领域带来的伦理挑战，必须完善科技伦理治理体系，保护患者的隐私数据及个人隐私不泄露、不滥用。针对保护患者的隐私安全，各国相继出台了相关法律法规保障患者的信息安全。美国于2020年制定《国家人工智能倡议法案》，进一步规范对于人工智能的使用，通过不断完善和革新《健康保险携带和责任法案》（Health Insurance Portability and Accountability Act，HIPAA）来加强对患者隐私信息的保护，增加了对泄露个人隐私数据的惩罚措施；欧盟于“95指令”基础上指定的《通用数据保护条例》（General Data Protection Regulation，GDPR）强调关系到个人隐私数据都有特定限制，对于数据主体权利、数据掌握者的义务、个人隐私数据传输的规则等做出明确规定，又在2021年制定了《人工智能法案》,强调尊重个人隐私和保护个人数据；日本早在2003年就颁布了《个人信息保护法》，旨在保护个人信息安全，防止因个人信息泄露对人民造成伤害^[13]。这些国家的个人隐私保护措施为DeepSeek类生成式人工智能在医疗领域的应用提供了参考借鉴。

要不断提高医务人员及GenAI技术提供方的医疗数据安全保护意识，确保医疗数据存储及使用的安全性^[14]。制定专门针对“AI+医疗”的法律法规、规章制度和管理办法，切实执行和落实医疗数据责任归属和惩戒措施，严控数据访问权限、增强多次访问数据的审核流程^[15]。健全GenAI技术在医疗领域的监管机制。例如，组建跨学科的科技伦理审查委员会，对所有涉及患者隐私数据的应用进行严格的审查和规范，严控“AI+医疗”相关项目的准入、审批和监督，确保GenAI技术的使用符合伦理要求，具有合法性、合规性及安全性。此外，还要加强对医务人员科技伦理的培训和教育，提高他们的伦理意识及责任感。提高DeepSeek类生成式人工智能开发者的隐私保护意识及能力，在技术开发的过程中严格遵守保护患者隐私的原则，将保护患者隐私作为技术设计的核心要素之一，通过隐私信息的加密、匿名等手段保证患者数据在采集、分析、存储、传输过程中的安全性。规范医师、人工智能、患者三方的行为，共同维护医疗领域的伦理底线，是推动GenAI在医疗领域健康发展、构建医患命运共同体的重要保障。

5 结束语

DeepSeek类生成式人工智能对提升医疗服务的智能化水平，优化医患关系、构建医患命运共同体产生着积极作用，但我们也应清醒地认识到，DeepSeek类生成式人工智能在给医疗领域带来便利的同时，也伴随着一系列潜在风险。DeepSeek类生成式人工智能只是增强人类医疗水平和能力的工具，不能代替医患之间基于生命关怀的情感联结。DeepSeek类生成式人工智能在医疗领域的蓬勃发展，使我们更加意识到医师对患者的人文关怀与情感共鸣的重要性。DeepSeek类生成式人工智能助推构建医患命运共同体，持续校准医患认知差，最终建设以患者为中心，以信任为基础，以健康为共同追求的医疗体系。展望未来，可以继续探索医学领域的其他AI技术，助力医学教育、实验科学研究、临床实践一体化的智能医学体系，为人类的健康事业做出更大的贡献。

参考文献

[1] WORLD HEALTH ORGANIZATION. Ethics and governance of artificial intelligence forhealth: Guidance on large multi-modal models[EB/OL]. [2024-02-20].

[2] WANG F Y, MIAO Q H, LI X, et al. What does ChatGPT say: The DAO from algorithmic intelligence to linguistic intelligence[J]. IEEE/CAA Journal of Autoatica Sinica, 2023(3): 575-579.

[3] 邹文卿, 高雪晗. 智能医疗对构建新型医患关系的影响及对策研究[J]. 医学与哲学, 2025(1): 25-29.

[4] 陈默, 张文沛. 人工智能辅助临床诊断对医患主体性的影响分析[J]. 科学与社会, 2024(4): 69-81.

[5] 宋冠澎, 王启帆. 医疗人工智能算法决策的伦理风险及规制策略[J]. 中国医学伦理学, 2024(9): 1080-1086.

[6] SAUERBREI A, KERASIDOU A, LUCIVEROF, et al. The impact of artificial intelligence on theperson-centred, doctor-patient relationship: Someproblems and solutions[J]. BMC Medical Informatics and Decision Making, 2023(1): 73.

[7] 张荣, 徐飞. 智能医学算法决策的伦理困境及风险规制[J]. 医学与哲学, 2022(8): 10-15.

[8] 周罗晶, 邵旸, 张瑞, 等. 智慧医疗场景下人工智能应用伦理问题与治理路径探讨[J]. 中国医院, 2024(2): 38-41.

[9] 王慧君, 袁羽西, 杨坤蓉. ChatGPT时代下的医疗实践变革: 潜能、 挑战和应对[J]. 中国医学教育技术, 2025(2): 153-157.

[10] 王远旭, 刘梦伟. 人工智能医疗背景下医患关系面临的伦理挑战及对策建议[J]. 中国医学伦理学, 2022(7): 764-768.

[11] 黄一洲, 谭郑雨. 生成式人工智能对于医患关系的伦理重构[J]. 医学与哲学, 2024(3): 49-53.

[12] 张如意, 周运翱, 彭迎春. “医生-医疗人工智能-患者”新型医患关系建构路径探析[J]. 中国医学伦理学, 2025(1): 103-108.

[13] 王乐子, 母健康, 朱翀, 等. 国外医疗信息化领域隐私数据保护现状及其启示[J]. 医学信息学杂志, 2019(2): 40-46.

[14] 杨毅, 刘卓. 人工智能医疗设备应用的伦理问题分析[J]. 中国医疗设备, 2024(4): 137-141.

[15] 张如意, 周运翱, 彭迎春. “医生-医疗人工智能-患者”新型医患关系建构路径探析[J]. 中国医学伦理学, 2025(1): 103-108.

基金资助

2024年辽宁省教育厅高校基本科研项目“基于伦理视角下的医疗人工智能应用价值研究”(LJ112410160042)