每年两会期间，代表委员的提案建议都是观察政策风向的重要窗口。
两会期间，AI与大数据成为了会场内外的核心议题，相关战略部署被重点纳入《政府工作报告》和《国民经济和社会发展计划报告》中。
尤其是，AI
医疗
则成为医疗卫生最热门的话题之一。AI促进医疗效率，打破区域资源不平衡已经是行业共识。
关于怎么用AI、用好AI、监管AI，代表们都提出了自己的想法。我们选取了部分观点跟大家分享。
强基层：AI如何打破医疗不均衡？
刘庆峰：AI已具备全面赋能基层的能力
全国人大代表、科大讯飞董事长刘庆峰代表在今年两会上，则对技术的进展表示自信，并且给出了建议。
他表示，AI已经可以诊治2600多种疾病，且在不断完善。在国家级医师资格考试中，AI成绩已超过99%的基层医生，完全可以赋能基层，大幅提升诊疗效果。
他建议国家有关部门将AI相关服务纳入基本公共卫生服务体系，明确服务标准与服务对象。除开基层诊疗、家庭医生、慢病管理外，AI还将成为每个人的健康助手。
马秀珍：宁夏实践已经证明AI有效
针对AI医疗基层应用，全国政协委员、九三学社宁夏区委会主委马秀珍分享了宁夏的宝贵经验。
作为全国首个“互联网+医疗健康”示范区，宁夏已实现基层AI辅助诊断全覆盖，辅助诊断符合率从87%提升至96.3%，证明AI是破解基层资源不均的有效平台。
甘华田：AI医疗被大大高估了，未来5年发力点是基层
全国政协委员、四川大学华西医院教授甘华田对AI医疗的观点，既有对行业热潮的冷静降温，又有对基层落地的务实期待。
他认为大众对于AI医疗的应用想象被大大“高估”了。2025年AI医疗虽然迎来舆论热度，应用场景变多，但落到临床实处，AI的应用依然非常局限。
AI技术本身的发展还有瓶颈，要真正和医疗深度绑定、深度融合到医院的全流程工作中，还有很长的路要走。
未来5年，AI医疗最激动人心的落地场景，可能还是在基层。初级的辅助诊断、影像初筛、病史采集、用药指导等，会在基层医院普遍推广开来，帮助补齐基层诊疗能力的短板。
耿福能：国家设置专项补贴，给基层医生配上AI助手
关于AI赋能基层医疗，全国人大代表、好医生集团董事长耿福能带来了具体建议。
他指出，基层医疗机构占全国95%以上，但设备、资金受限。对此，他建议设立专项补助金，中央与地方财政分担，对基层采购AI智能体给予30%-50%的购置补贴，此外划出10%的资金，用于基层医生AI智能体实操培训，确保基层医生能够熟练运用AI智能体开展诊疗工作。
破壁垒：如何跨越数据孤岛与人才鸿沟？
甘胜莲：打破数据孤岛，才能让AI真正普惠
全国人大代表、常德市第一人民医院内分泌科主任甘胜莲，从专业角度指出了当前AI医疗推广的深层障碍——数据不通。
例如不同医院数据格式不统一，形成“数据孤岛”。导致我国医疗领域数据丰富，却难以形成被业内普遍使用的高质量标准数据集。
她建议由国家卫健委牵头，建立全国统一的AI语料集标准体系，推动数据标准化、共享化，打造AI基础模型共享服务平台，优化资源配置等。
肖伟：建议构建三维人才培养体系
伦理难：出了问题，谁来担责？
张文宏：AI问诊有风险，不能把生命健康直接交给AI
全国政协委员、华山医院感染科主任张文宏对AI医疗的落地采取了审慎的态度。
在他看来，尽管人工智能的发展为医疗发展带来了新的可能，但医学体系的根基仍必须牢牢掌握在人的手中。因为医疗行为的责任主体必须是医生，患者自诊一旦出错，既无专业人员兜底，也面临法律追责缺失的困境，直接威胁生命安全。
葛均波：患者隐私怎么保护？医疗责任由谁来承担？
葛均波预测，在不久的将来，随着AI技术的进步以及算法的完善，AI的能力一定会超过最顶尖的医生，从辅助医生逐步走向具有独立思考能力的诊疗工具。
然而，在AI医疗发展的过程中，葛均波提出了两个关键问题：第一是患者隐私如何保护，第二是AI在医疗过程中一旦出现问题，责任由谁来承担？
王建安：建立医疗AI安全可追溯性强制标准
全国政协委员、中国科学院院士王建安聚焦AI医疗的安全与伦理，提出了底线思维的建议。
医疗领域具有高专业性与高风险性，AI系统的算法迭代性、数据依赖性使其安全风险呈现复杂化趋势，医疗数据在采集、传输等全链条中存在泄露隐患。
建议构建系统化保障体系，建立安全可追溯性强制标准，强化数据全链条安全治理，完善分类分级管理，推广隐私保护技术。
攀高峰：AI破局药物研发难题
韩峰：AI有望改写新药研发“双十定律”难题
全国人大代表、南京医科大学副校长韩峰表示，AI有望改写新药研发“双十定律”的现状，即平均十年花费十亿美元，成功率不足10%。一是构建“临床医药大数据+AI”的新药研发范式，发现原创靶点。
其次是利用强大的算力和算法，实现靶标与药物库的“双向筛选”，从而极大压缩研发周期，降低成本。
孙飘扬：AI赋能新药研发，助力医药产业高质量发展
作为医药企业的代表，恒瑞医药董事长孙飘扬从产业视角带来了AI赋能新药研发的实践思考。
在他看来，AI已从单点应用逐步融入研发全流程，通过高质量AI大数据平台、高性能算力与算法模型的结合，企业在靶点发现、分子设计、成药性预测及优化等关键环节取得积极进展。
未来应该聚焦肿瘤、神经退行性疾病、自身免疫性疾病等重大疾病领域，攻坚核心技术，提升原始创新能力。
推荐阅读
