AI医疗卡在L2上不去，核心瓶颈并非算力或算法，而是从“获得数据”到“理解数据”的跨越难以实现，叠加医疗决策对可解释性与人类监督的刚性要求，形成了技术与伦理的双重壁垒。这一判断与埃里克·托普在《深度医疗》中的分析一致：目前在理想环境下自动驾驶已达L3，但AI医疗仍处在L1到L2的路上，且托普认为AI医疗不太可能超越自动设备的L3水平。
技术卡点：数据≠理解
医疗数据被称为AI时代的“石油”，但数据本身并不等于能力。IBM医疗AI沃森的失败正源于此——其最基本的失误之一，就是将获取数百万页医疗信息等同于理解或使用这些信息。对现阶段的AI医疗产品而言，理解医疗数据远比获得数据更重要也更困难。
医疗领域的大数据集表现为全基因组序列、高分辨率图像、可穿戴设备连续数据输出等形式。数据不断井喷的背后，是人类对海量信息的“无能为力”，而AI能否真正驾驭并迭代出改变时代的力量，取决于它能否完成从“存储”到“认知”的质变。
数据孤岛：结构性约束
医疗数据的获取本身就存在天然壁垒。医疗数据属于患者隐私，但在实际中，其权属基本在医院方；有观点认为所有权在患者、控制权在医院、管理权在政府，第三方机构需借助政府支持和医院配合方能进行商业化开发。目前AI模型训练所需数据，大都是通过企业与医院签署研发协议获得，且通常采取“数据不出院、模型出院”的物理隔离方式。这种结构性约束，进一步延缓了数据流通与模型迭代的速度。
伦理约束：不可逾越的底线
与自动驾驶相比，AI医疗面临更严重的伦理问题。自动驾驶的L3允许系统在特定条件下接管驾驶，但医疗决策直接关乎生命——在任何时候、任何情况下，绝不能容忍没有人类医生监督的AI独立诊疗。这正是AI医疗难以突破L2、迈向L3的根本原因：技术可以进步，但责任主体不能缺位。
常见问题
AI医疗和自动驾驶的L2有何不同？
自动驾驶的L2是“部分自动驾驶”，系统可同时控制车速和转向，但需人类司机监督；AI医疗的L2类似，AI可辅助阅片、提供临床决策建议，但必须有人类医生把关。两者最大差异在于伦理约束强度——医疗场景对错误零容忍，且责任归属无法转移给机器。
医疗数据足够多，AI就能突破L3吗？
不能。沃森的教训表明，获取海量数据不等同于理解数据。即便数据规模持续扩大，若AI无法深刻理解医疗场景的上下文、因果关系和个体差异，更多数据只会“徒耗电力”。理解能力的突破，才是L2迈向L3的真正前提。
人类医生会被AI取代吗？
在可预见的未来不会。托普的观点是，AI医疗不太可能超越自动设备的L3水平——很多诊断、阅片工作可由AI辅助完成，但就医学整体而言，任何时候都不能容忍没有人类医生监督的自动化。AI的定位是增强医生能力，而非替代医生责任。