1. 引言
在当代医疗实践中，人工智能(AI)对医学叙事的介入正引发深刻变革。某三甲医院引入的AI病历生成系统，虽能在30秒内将患者主诉转化为结构化文本，却常忽略患者叙述中的情绪线索；某基层医疗机构使用的方言翻译AI，虽能将地方方言转换为标准普通话，却可能过滤掉方言中特有的情感表达与文化隐喻。这些案例揭示了一个核心矛盾：AI在提升医学叙事效率的同时，可能正在剥离其作为“生命经验传递载体”的本质属性——当“叙述生命”这一最具人性的活动被技术中介，医患之间基于理解的“主体间性”正面临前所未有的挑战。
马克思主义认为，“人的本质是一切社会关系的总和”，强调人的存在通过具体的社会互动得以实现[1]；医学哲学中的“生命间性”理论则进一步指出，医患关系是“生命–生命”的共在互动，其本质是共情、责任与意义共享[2]。然而，AI的介入可能将这一关系简化为“人–机–人”的间接关联，导致社会关系的技术化、价值工具化与主体性削弱。本文以马克思主义“社会关系”理论与“生命间性”哲学为批判透镜，旨在揭示AI医学叙事中“主体间性”危机的具体表现与深层根源，并提出以“算法生命间性”为核心的重构路径——通过技术设计、伦理规范与人文实践，实现算法与生命间性的融合，使AI成为增强医患互动的工具，而非取代人文关怀的“替代者”，从而守护医学的人文内核。
2. 理论基石：叙事、主体间性与人的本质
2.1. 医学叙事：作为生命间性的具象化
医学叙事绝非简单的“信息传递”或“故事复述”，其本质是患者将混沌、碎片化的生命痛苦转化为可理解、可共鸣的意义系统的过程。当患者用颤抖的声音描述“胸口像压了块石头”，或用方言诉说“夜里疼得睡不着”，这些叙述不仅包含病理信息，更承载着对生存的恐惧、对家庭的牵挂、对尊严的坚守——这些无法量化的生命体验，需通过叙事被赋予结构与意义。在此过程中，医学叙事成为构建医患理解桥梁的核心实践：医生通过倾听、追问与反馈，将患者的个体经验纳入医学知识体系；患者则通过医生的回应，确认自身经验的合法性与价值。这种双向互动，正是“生命间性”的具象化呈现[3]。
“生命间性”作为主体间性在医疗场域的深化，强调医患关系的本质是两个生命整体的相遇。它突破了传统医患关系中“医生–患者”的二元对立框架，将双方视为具有主体性、情感性与历史性的完整存在。医生的每一次问诊、每一次解释，都不仅是技术操作，更是对患者生命故事的回应与共情；患者的每一次倾诉、每一次信任，也不仅是对医疗服务的接受，更是对医生专业性与人文性的双重认可。这种相遇，以共情为纽带，以责任为边界，以意义共享为目标，构成了医学叙事的核心价值。
2.2. 马克思主义视角：作为社会与实践关系的医患关系
马克思指出，“人的本质不是单个人所固有的抽象物，在其现实性上，它是一切社会关系的总和。”这一论断为理解医患关系提供了根本视角：医患关系并非抽象的人际互动模式，而是在特定社会实践(即医疗实践)中结成的、具体的、历史的社会关系。在医疗场域中，医生与患者通过诊断、治疗、护理等实践行为，共同参与对疾病的认知与应对，这一过程不仅涉及医学知识的运用，更包含伦理判断、情感支持与社会责任的分配。例如，医生在建议治疗方案时，需考虑患者的经济能力、家庭支持与文化背景；患者在接受治疗时，也需信任医生的专业判断并配合医疗行为。这种互动，本质上是社会关系在医疗场景中的具体化。
马克思主义强调“实践”的核心地位，认为真正的共情与理解源于共同的社会性实践，而非纯粹的信息交换。在医患关系中，这种实践性体现为：医生通过长期临床实践积累的经验，使其能更敏锐地捕捉患者叙述中的隐含信息；患者通过与医生的多次互动，逐渐理解医学的局限性与可能性。这种基于实践的共情，远比算法对数据的分析更深刻、更人性。然而，AI的介入可能削弱这种实践性：当医学叙事被简化为“输入症状–输出诊断”的信息交换过程，当医患互动被中介为“人–机–人”的间接关联，社会关系的技术化与价值工具化便不可避免。这为后文批判AI的“非实践性”埋下了理论伏笔：AI或许能模拟共情的“形式”，却难以复制共情的“实质”——因为它缺乏社会实践的土壤与生命经验的滋养。
3. 危机诊断：AI介入与“算法生命间性”的异化
3.1. “算法生命间性”的概念界定
当AI深度渗透医疗实践，医患互动的底层逻辑正经历一场静默的变革，催生出一种新型关系形态——“算法生命间性”。这一概念并非对传统主体间性的简单技术延伸，而是指在AI技术作为必要中介的情境下，医患之间的理解与共情机制被算法逻辑重构后呈现的简化、异化状态[4]。在传统医疗场景中，医生通过倾听患者的叙述、观察其表情与肢体语言，结合临床经验与医学知识，构建对疾病的理解；患者则通过医生的反馈，确认自身经验的合法性与价值。然而，AI的介入使这一过程被技术系统切割：患者的生命体验被转化为传感器采集的生理指标、自然语言处理提取的症状标签等结构化数据，医生的诊疗决策则依赖于算法对这些数据的解析与推荐。在此过程中，医患双方的主体性被算法的“黑箱”操作部分遮蔽——原本基于生命经验的直接对话，被替换为“患者–AI–医生”的间接三角，共情的深度与责任的承担被算法的效率与准确性稀释。这种关系形态虽保留了医患互动的形式，却可能扭曲其本质：生命间的直接理解被技术中介过滤，医疗的人文内核面临被技术理性殖民的风险。
3.2. 危机的三重表现
叙事异化：生命经验的碎片化与重构。AI对医学叙事的介入，首先表现为对患者生命经验的碎片化与重构。传统医学叙事中，患者的痛苦并非孤立的症状集合，而是嵌套在其生活史、文化背景与情感状态中的完整体验[5]。例如，一位慢性疼痛患者对“疼痛”的描述，可能包含对工作能力的担忧、对家庭责任的愧疚，以及对未来生活的恐惧。这些隐含信息需要医生通过共情式倾听与追问逐步挖掘，才能转化为具有治疗意义的叙事。然而，AI的介入将这一过程简化为“数据采集–特征提取–模式匹配”的技术链条：患者的叙述被拆解为疼痛部位、强度、持续时间等结构化指标，其背后的生活语境与情感联结被剥离。例如，某AI疼痛评估系统虽能通过语音分析识别患者的情绪状态，却因无法理解患者提及的“子女升学压力”“父母健康问题”等社会因素，导致其评估结果与患者实际需求脱节。这种异化导致患者面临双重困境：一方面，其生命故事被算法定义为“他者”的客观数据，失去了主观叙事的完整性；另一方面，患者因无法通过叙事确认自身经验的合法性，可能产生对医疗行为的抵触或自我怀疑。正如现象学所强调的，当个体的经验被外部系统“殖民”，其与自我世界的联结将被削弱，医疗的人文关怀随之流失。
关系物化：从“生命对话”到“技术交互”。医患关系的物化是“算法生命间性”危机的第二重表现[6]。传统医患关系中，医生与患者通过直接对话建立信任，这种对话不仅是信息交换，更是情感支持与责任共担的过程。医生通过触摸患者的脉搏、观察其眼神，传递关怀与专业；患者通过倾诉痛苦、表达诉求，确认自身在医疗过程中的主体地位。然而，AI的介入将这一关系转化为“患者–AI–医生”的间接三角：患者首先与AI系统交互(如语音问诊机器人、可穿戴设备)，AI生成诊断建议后，医生再基于建议做出决策。在此过程中，医患双方的互动被技术系统中介，原本基于生命共情的直接关系，被替换为与算法的交互。例如，某医院引入的AI分诊系统，虽能通过症状标签快速筛选急症患者，却因缺乏对患者情绪状态的感知，导致一位因焦虑而表述混乱的胸痛患者被误判为“非急症”，延误了治疗时机。这种物化不仅削弱了医患之间的情感联结，更可能因算法的局限性(如数据偏差、模型过拟合)导致医疗决策的偏差。当医生过度依赖算法推荐，患者逐渐将医疗信任转移至技术系统，医患关系便从“生命与生命的对话”退化为“人与机器的技术协作”，医疗的人文本质被技术理性遮蔽。
权力转移：算法霸权与医疗场域的再封建化。“算法生命间性”的第三重危机在于叙事解读与定义权力的转移。在传统医疗场域中，医生凭借专业知识与临床经验，患者凭借主体体验与价值选择，共同参与对疾病的认知与治疗决策。医生需通过共情理解患者的需求，患者需通过信任接受医生的建议，这种双向权力平衡构成了医疗伦理的基础。然而，AI的介入使部分权力转移到算法模型及其背后的设计者与资本逻辑手中：算法通过训练数据与模型优化，逐渐成为“疾病解释者”与“治疗推荐者”，医生和患者则可能沦为算法的“执行者”与“被决策者”[7]。例如，某AI辅助诊断系统因训练数据主要来自城市三甲医院，对基层患者(如少数民族、老年群体)的方言、文化习惯识别不足，导致其建议与患者实际需求脱节。更严重的是，当算法的决策逻辑被商业利益(如药品推广、设备销售)影响时，医疗场域可能陷入“再封建化”——资本通过算法控制医疗资源的分配，将特定治疗方案(如高价药物、高端设备)优先推荐给支付能力更强的患者，而基层患者则因算法偏见被边缘化。这种权力转移不仅违背了医学的公平性原则，更可能动摇公众对医疗体系的信任基础：当患者发现医疗决策受算法背后的资本逻辑驱动，而非基于自身健康需求，其对医疗系统的认同感将大幅下降，医患关系的伦理根基随之崩塌。
4. 重构路径：迈向一种负责任的“算法生命间性”
4.1. 价值嵌入：从“工具理性”到“价值理性”
当AI深度介入医疗叙事，其设计逻辑需从“效率优先”的工具理性转向“价值共生”的价值理性。传统医疗工具的开发往往聚焦于功能实现(如诊断准确率、操作便捷性)，而AI叙事工具的特殊性在于其直接参与医患意义建构的过程——患者的生命故事通过算法被转译，医生的决策依据因算法被重塑[8]。因此，AI的设计不应仅是技术优化的产物，更应成为医学伦理与人文价值的载体。具体路径可包括：在算法中嵌入“不确定性提示”机制，当AI对患者的症状解读存在数据局限时，主动标注“此结论基于有限信息，需结合临床观察”，避免患者因算法的确定性表述产生过度依赖；引入“情感标注”功能，通过自然语言处理识别患者叙述中的隐含情绪(如焦虑、绝望)，并在医生端生成共情提示(如“患者提及家庭经济压力，可能影响治疗选择”)，从而为医患对话预留情感联结的空间。这种设计不是用算法替代医生的共情能力，而是通过技术提示扩大医患对话的维度——从单一的症状讨论，延伸至生活史、价值观与社会支持系统的全面审视，最终实现“技术辅助共情”而非“技术决定共情”。
4.2. 角色重塑：在医疗共同体中定位AI
AI在医疗场域中的角色需从“决策者”回归为“辅助者”，其定位应服务于医疗共同体的整体目标，而非颠覆既有伦理秩序。医疗共同体的核心在于医生、患者、护士、药师等多主体基于生命关怀的协作，AI的介入应强化而非削弱这种协作。具体而言，需明确医生的“主导性”与“裁决权”：医生是患者生命意义的最终诠释者，AI的推荐(如诊断建议、治疗方案)仅作为参考，最终决策需由医生结合临床经验、患者偏好与伦理原则综合判断。例如，某医院引入的AI辅助决策系统，在生成治疗方案时，会同步标注“此方案基于当前数据最优，但需考虑患者对手术风险的接受度”，并提示医生与患者进一步讨论。这种设计将AI定位为“超级助手”——它通过数据整合与模式识别，帮助医生更高效地获取信息，却将价值判断的权力始终保留在医生与患者手中。同时，需建立AI的“责任追溯机制”：当算法偏差导致医疗争议时，设计者需承担技术优化责任，医疗机构需承担应用审核责任，而医生则需承担最终决策的临床责任，形成“技术–机构–医生”的三级责任链，避免权力转移带来的伦理失序。
4.3. 实践回归：以技术促进真正的生命互动
AI在医疗叙事中的终极目标，应是强化而非替代医患之间的生命互动。马克思曾指出，人的本质是“感性的人的活动”，医疗实践的本质亦在于通过互动实现生命意义的共建。AI的介入需服务于这一本质：例如，AI生成的叙事摘要不应是封闭的“诊断结论”，而应是开放的“对话起点”。当患者描述其慢性疼痛的经历时，AI可提取关键信息(如疼痛部位、持续时间、影响活动)，生成结构化摘要，但同时标注“以下信息需与医生进一步讨论：疼痛是否与近期工作压力相关？是否有未提及的伴随症状？”。医生在接诊时，可基于摘要快速把握核心问题，通过追问与共情深入患者的生命语境，最终实现“技术效率”与“人文深度”的平衡[9]。此外，AI可促进医疗共同体的扩展：通过分析大量医患对话数据，提炼共情沟通的最佳实践(如倾听技巧、情绪回应方式)，生成培训模块供医生学习，从而提升整体共情能力。这种实践回归的本质，是将AI从“替代者”转化为“赋能者”——它通过技术手段优化医疗流程，却始终将生命互动的核心保留在人与人之间，确保医疗实践始终扎根于“感性的人的活动”之中。
5. 结论与展望
5.1. 总结论断：划定边界——医学人文在AI时代的哲学使命
AI技术对医疗领域的渗透，本质上是工具理性与价值理性的深刻博弈。当算法试图重构医患关系的底层逻辑时，医学人文的核心任务并非抗拒技术革新，而是以哲学智慧为技术划定不可逾越的伦理边界。马克思主义主体间性思想揭示了人际互动中“共情–责任–意义”的共生关系。这一理论为批判“算法生命间性”的异化提供了关键视角：技术可以优化信息传递的效率，却无法替代生命间基于经验共享与情感联结的意义建构；算法可以模拟决策模式，却无法承担因自由意志缺失而衍生的道德责任。因此，医学人文的使命在于构建“技术–伦理”的双重框架——既要承认AI在数据处理与模式识别中的工具价值，更要坚守医患关系中“人”的主体地位，确保技术始终服务于人的健康需求，而非凌驾于人的价值之上。这种边界的划定，不是对技术的否定，而是对医疗本质的回归：医疗从来不是冰冷的算法运算，而是温暖的生命对话。
5.2. 未来展望：跨学科协作——从源头塑造负责任的医疗AI
重构“算法生命间性”的未来路径，亟需跨学科的深度协作。传统医疗AI的开发往往遵循“技术导向”的单一逻辑：工程师专注于算法优化，设计师追求用户体验，而医学伦理的考量常被置于开发流程的末端。这种碎片化的模式导致技术异化的风险被低估。未来的突破点在于建立“哲学–医学–工程”的协同机制：哲学家需深度参与算法设计，将主体间性的核心原则(如共情、不确定性、责任追溯)转化为技术可实现的约束条件；医生需从临床视角反馈技术应用的伦理痛点，确保算法的推荐符合医疗实践的复杂性；工程师则需在技术实现中嵌入伦理模块，例如通过“可解释AI”揭示算法的决策逻辑，避免“黑箱”操作导致的信任危机。例如，某研究团队正在开发的“共情增强型AI”，其核心设计并非追求诊断准确率的极致，而是通过自然语言处理技术，实时分析医患对话中的情感张力，并在医生端生成共情提示(如“患者对手术风险表现出过度担忧，建议优先安抚情绪”)。这种跨学科协作的成果，标志着医疗AI从“技术工具”向“伦理载体”的转型——技术不再仅仅是解决问题的手段，更成为传递人文关怀的媒介。
5.3. 最终升华：医学教育——守护不被技术侵蚀的人文精神
在AI时代，医学教育的核心目标需从“技术熟练度”转向“人文批判力”的培养。传统医学教育侧重于知识传授与技能训练，却常忽视对技术伦理的反思能力培养。当AI逐渐承担诊断、治疗甚至患者管理的部分职能时，医生若缺乏对技术局限性的认知与对人文价值的坚守，极易沦为算法的“执行者”，而非患者生命的“守护者”。因此，未来的医学教育需构建“技术–人文”的双重课程体系：在技术层面，教授AI的基本原理、应用场景与潜在风险，使医生具备与算法协作的能力；在人文层面，通过哲学、伦理学与社会学的跨学科课程，培养医生对技术异化的批判意识(如识别算法偏见、警惕数据殖民)、对医患关系的共情能力(如倾听患者未言说的需求)以及对医疗价值的坚守能力(如在效率与人文之间平衡)。例如，某医学院正在试点的“AI时代医学人文工作坊”，要求医学生不仅学习如何操作AI辅助诊断系统，更需通过角色扮演模拟“算法推荐与患者意愿冲突”的场景，训练其在技术压力下维护患者主体性的能力。这种教育模式的终极目标，是培养一代既能驾驭技术、又能守护人文的“全人医生”——他们深知，医疗的本质不是算法的精准，而是生命的温度；不是数据的堆砌，而是意义的共建。在AI重塑医疗的时代，这种人文精神与批判能力的守护，将成为医学教育最珍贵的遗产。