AI医疗目前仍处在L1到L2的辅助阶段，距离L3级以上的规模化自主落地还隔着三道关键门槛：医疗数据权属争议、机器人主刀的伦理接受度、以及AI误诊的责任归属不确定性。这三重风险相互纠缠，直接拖慢了行业从“辅助工具”迈向“自主决策”的进程。
数据孤岛：权属不清，流通受阻
医疗数据是AI医疗的第一驱动力，但也是最核心的痛点。医疗数据属于患者隐私，所有权理应属于患者，但在实际中，医疗大数据的权属基本在医院方。也有观点认为，医疗数据的所有权在于患者个人、控制权在于医院、管理权在于政府，第三方机构需借助政府支持和医院配合方能对其进行商业化开发和利用。这种三方权属的模糊地带，使得数据流通严重受限。目前AI模型训练所需的医疗数据，大都是通过企业和医院签署研发协议获得，实际操作中通常采取“数据不出院、模型出院”的物理隔离方式，进一步加剧了数据孤岛效应。
伦理接受度：机器人主刀的信任鸿沟
与智能驾驶相比，AI医疗面临着更为严重的伦理问题。正如《深度医疗》作者埃里克·托普所言，在高速公路上用自动驾驶摸鱼的司机，也绝对不希望是机器人给自己主刀。这种心理上的信任壁垒，使得AI医疗不太可能超越自动设备的L3级水平。虽然阅片、辅助诊断等环节可以由AI完成，但就医学整体而言，任何情况下都不能容忍没有人类医生监督的完全自主医疗行为。
责任归属：AI误诊谁来担责
当AI辅助诊断出现误判时，责任该由谁承担——是出具建议的AI系统、采纳建议的医生、还是开发算法的企业？这一法律空白目前尚无明确答案。责任归属的不确定性，让医疗机构在使用AI工具时趋于保守，也令企业在技术研发投入上有所顾虑，客观上延缓了L3+级别的落地节奏。
常见问题
AI医疗目前处于什么阶段？
AI医疗仍处在L1到L2的路上，即辅助诊断和部分自动化阶段，距离L3级条件性自主决策还有明显差距。
医疗数据为什么难以大规模用于AI训练？
核心障碍在于权属不清——患者、医院、政府三方权益如何划分尚无定论，加之数据隐私保护要求，现实中多采用“数据不出院、模型出院”的模式，形成数据孤岛。
AI误诊的法律责任如何界定？
目前尚无统一的法律框架明确AI误诊的责任归属，是AI系统、使用医生还是开发企业担责仍存在不确定性，这也是拖慢AI医疗规模化落地的重要因素之一。