医学伦理研究存在不同层面的关注点，临床伦理聚焦诊疗过程中的医患关系，生命伦理聚焦技术应用的边界，政策研究更关心的则是一个前置性问题，即当技术已经跑到前面，制度如何跟上，伦理如何落地？

　　伦理的“场域转移”

　　在传统医疗场景中，伦理是具体而微观的。经典医学伦理框架建立在尊重自主、不伤害、行善、公正四大原则之上，本质是对“医患二元关系”的制度性回应，医生掌握专业知识，患者处于相对弱势地位，因此需要以伦理约束医者、保护患者。

　　人工智能正在打破这一结构，形成“患者—医生—AI”三元关系。世界卫生组织发布的《医疗人工智能伦理和治理指南》与各国相关规范强调同一个判断：AI带来的伦理问题，本质上不是技术问题，而是治理问题。伦理的场域从诊室扩展到算法、数据和系统本身，风险点从“人的判断”转移到“系统与规则”。医学伦理不再只是个体的职业道德问题，而成为制度设计与公共政策问题。

　　技术进步何以带来伦理困境？核心变量在于技术迭代速度与制度适配速度之间的落差。恩格斯在《英国工人阶级状况》中观察到：机器大生产推动生产力飞跃，普通劳动者却未同步受益，技术红利高度向资本集中。“恩格斯停顿”现象提示我们：技术本身是中性的，终极价值本应是服务人的发展，但在制度约束缺位的条件下，技术会脱离人的掌控，异化为支配人的力量。医疗人工智能同样面临这一风险，当算法以效率最大化为目标时，就可能反过来牵引诊疗。

　　从公共管理实践看，政策从制定到落地周期长、环节多，而技术迭代迅速。这种“技术快、制度慢”的落差，正是技术异化容易滋生的缝隙，也是一道全球性难题。欧盟于2024年发布《人工智能法案》，但高风险AI的核心义务2026年才生效。可见问题的根源不在技术本身，而在制度适配的普遍滞后。

　　因此，政策研究的核心命题不是是否应发展医疗人工智能，而是如何让治理体系的适配速度跟上技术的发展速度，防止技术异化侵蚀医疗卫生的公益属性。

　　公平正义：从临床实践到政策价值

　　医疗资源配置不均衡，是临床实践中比单一疾病诊疗更为沉重的结构性问题。当代政治哲学为分析这一问题提供了工具。有学者提出，制度安排应使最不利者的处境得到改善；也有学者认为，衡量公平既要看资源是否均等分配，也要看每个人能否将资源转化为实际福祉。

　　在医疗人工智能领域，AI高度依赖高质量数据、算力、算法和复合型人才，而这些资源天然向发达地区、大型医院和技术企业集聚。缺乏政策引导，AI可能放大既有的健康差距——少数人享受前沿智能诊疗，基层、农村、老年和低收入群体遭遇数字排斥。算法若基于有偏的历史数据训练，还会系统性复刻既有的诊疗偏差。2019年Science的一项研究就是明证：算法用“医疗费用”充当“健康需求”的代理变量，而黑人患者在同一健康水平下的历史医疗支出更低，因而被系统性低估。这提示我们，当研究成果用于分级诊疗、资源配置等实际决策时，必须检视所选指标能否真正反映需要解决的问题。

　　我们要建成的健康中国，是均衡普惠、优质高效的健康中国。健康是公民最基本的可行能力。衡量AI赋能医疗的成效，不仅要关注效率是否提升，更要看最需要的人能否公平享有技术进步带来的健康获益——效率是发展的基础，公平是发展的价值归宿。

　　构建“3+1”的政策框架

　　以“人机协同、以人为主”守住伦理底线。无论AI多强大，最后的诊疗决策必须由医生负责——躺在病床上的是一个有尊严的人，不是数据样本。传统医疗责任建立在“行为主体可归责”之上，AI参与决策后出现新难题：一旦出差错，责任归于开发者、使用者、医疗机构，还是算法本身？至少现阶段，AI更适合作为医生的助手，最终决策权和医疗责任仍由医生承担。这一原则同样适用于科研领域。今年，国家卫生健康委印发的《加强医学科研诚信专项治理的工作方案》要求主动声明人工智能辅助情况并对论文真实性负责，这与中国社会科学院《人工智能辅助科研基本规范（试行）》提出的“人主智辅”“如实披露”相一致。

　　以分级分类、全链条治理提升制度适配能力。监管若采取“一刀切”方式，既无法有效管控风险，也会抑制创新。应根据AI的技术功能、应用场景、临床介入程度和潜在风险实行分级分类管理，把审查延伸到实施过程，推动伦理审查从“事后补丁”走向“源头预防、全过程跟踪、动态预警”的敏捷治理。

　　以分配调节机制整合资源。通过财政、医保、价格政策引导技术资源向基层和欠发达地区倾斜，推动普惠型医学模型共享，健全劳动者技能转型保障，避免数字鸿沟转化为健康鸿沟。数据治理是该机制的关键环节，以罕见病研究为例，多机构共享病例才有可能获得足够样本，能否在明确用途、限定范围、保护隐私的前提下依法获得数据，直接决定研究能否开展。数据转作他用时，患者权益由谁保障。答案不是要禁止共享，而是要建立清晰、可操作的规则。

　　以人文价值统领治理理念。AI治理不能停留在技术层面的“价值对齐”，而应把人文价值纳入伦理审查标准、科研评价指标和医务人员AI素养培训。医学的对象不是数据，而是具体的人。技术持续赋能诊疗过程，但医患之间的信任与温度无法被算法替代，这一判断应成为治理理念的底层预设。

　　破解人工智能时代的医学伦理难题，需要结合临床实践、治理经验与理论研究，使伦理不再停留于价值呼吁，而是成为可落地的制度安排，使技术创新的红利转化为全体人民公平可及的健康福祉。

　　（作者系国家卫生健康委医院管理研究所研究员）