积极应对医疗人工智能的法律风险
近年来，得益于医疗大数据、深度学习算法的迅猛发展，人工智能与大健康产业正在深度融合，覆盖医疗、医药、医学等各个领域。目前，我国相继批准了肺结节CT影像辅助检测软件、冠脉CT造影图像血管狭窄辅助分诊软件、糖尿病视网膜病变眼底图像辅助诊断软件等多款医疗人工智能产品上市。医疗人工智能依托强大的数据挖掘和深度学习能力，能够自主得出诊断结论和推荐治疗方案，广泛而深刻地影响着医疗决策的过程和结果，并且在速度、精准度方面具有强大优势，能够在相关领域提升诊疗水平、缓解医疗资源紧张的问题。
科技是发展的利器，也可能成为风险的源头。医疗人工智能的发展，为我们呈现了一个美好前景。与此同时，相较于自动驾驶汽车、人脸识别技术等，医疗人工智能直接应用于医疗活动当中，与患者的生命健康利益紧密关联，给现行法律规制提出了更大挑战。尤其是医疗损害发生后的法律责任承担以及医疗数据的保护和利用等问题存在较多不明确之处，亟待探讨解决。
第一，医疗数据的治理难题。医疗人工智能的深度学习需要收集并分析海量的、高质量的数据资源。由于医疗数据具有特殊性、隐私性，大规模的共享利用难度很大，数据孤岛的现象严重。这导致目前医疗人工智能的数据来源较为有限，常常局限于某个地区的一家或者几家医疗机构，训练数据的质量与数量还无法得到保证，这直接影响医疗人工智能的准确率和实用性。
第二，患者知情同意权的保护难题。医疗活动中的检查诊断流程是一套基于现象与结果之间因果关系的经验演绎，采取的诊断与治疗措施依据的也都是长期反复的临床经验总结。与此不同的是，医疗人工智能的核心是数据和算法，而深度学习算法本质上是一套基于统计学的数学模型，输入层与输出层更多的是基于某种概率相关性而非因果关系，由此会产生黑箱医疗问题。这意味着医疗人工智能可以给出精准的机器判断，却无法解释这些判断是如何作出的。这对于将知情同意规则视为基本原则的医疗领域来说，其中冲突该如何解决值得思考。
