当 AI 开始看病历，谁能保证它不看见病人？ (2026)

一份体检报告、一次复诊病历、一张 CT 影像结论，放进普通 AI 对话框里，确实能很快得到一版解释：哪些指标偏高，哪些问题应该追问医生，复诊前该整理什么材料。对患者来说，这很有用；对陪诊的家属来说，也能少一点慌乱。

但医疗材料的麻烦在于，它不是一串可以随时修改的密码。血糖、肿瘤标志物、用药史、精神科就诊记录、遗传风险、影像报告，一旦被错误收集、转存、共享或训练进不可控系统，伤害往往不是「换个账号」就能止住。《个人信息保护法》把医疗健康信息列入敏感个人信息，并要求处理敏感个人信息必须有特定目的、充分必要性和严格保护措施。1

这就是医疗场景使用 AI 时最尖锐的矛盾：材料越完整，AI 越能帮你把问题说清楚；材料越完整，泄露后的代价也越大。荆华密算 AI 隐私平台要解决的，是让高敏感医疗材料在进入 AI 流程时，尽可能变成「可用、不可见」的数据，而不是让用户在便利和隐私之间二选一。

医疗材料为什么比普通隐私更难处理

普通隐私泄露，很多时候暴露的是一个联系方式、一个账号、一次交易。医疗隐私暴露的是人的身体状态，以及围绕身体状态展开的一整串社会关系。

一份病历里可能同时有姓名、身份证号、住址、就诊科室、主诉、现病史、既往史、用药史、检查检验结果和医生判断。国家卫健委 2025 年关于电子病历信息使用管理的通知明确，电子病历是医疗活动过程中使用信息系统生成的文字、符号、图表、图形、数字、影像等数字化医疗记录，包括门急诊病历和住院病历。2

这些材料有三个特点。

第一，它很难「脱敏到无害」。去掉姓名，不代表风险消失。罕见病、就诊时间、地区、年龄、检查组合、用药组合，都可能把人重新指回到具体个体。医疗数据的可识别性，常常藏在多个字段的交叉里。

第二，它会影响现实待遇。一次精神科问诊、一项遗传筛查、某种慢性病用药史，如果被不该看到的人看到，可能影响就业、保险、婚恋、家庭关系，甚至让患者不敢继续求医。

第三，它经常需要长期保存和跨环节流动。互联网诊疗监管细则要求，互联网诊疗病历记录按照门诊电子病历有关规定管理，保存时间不得少于 15 年；诊疗中的图文对话、音视频资料等过程记录保存时间不得少于 3 年。3 这意味着医疗数据不是一次性信息，而是会在诊疗、复诊、质控、科研、保险理赔、健康管理等链条里反复出现。

所以，医疗 AI 不是简单地把「病历贴给模型」这么轻巧。真正的问题是：谁能看到原文？谁能保存副本？谁能调用历史记录？谁能证明没有越权？

AI 在医疗场景里最该做什么，不该做什么

先把边界说清楚：AI 隐私平台不是医生，不替代诊断、处方、治疗决策和急救判断。互联网诊疗监管细则也明确，其他人员、人工智能软件等不得冒用、替代医师本人提供诊疗服务，处方应由接诊医师本人开具，严禁使用人工智能等自动生成处方。3

医疗场景里的 AI，更适合承担三类辅助工作。

把材料读成患者能理解的话：把检查报告里的专业词翻译成复诊前能看懂的问题清单，比如「这个指标为什么要复查」「这项检查和症状之间有什么关系」。
帮助整理复诊材料：把多次就诊记录、用药变化、检查时间线整理成一页摘要，减少患者和家属在诊室里临时翻手机的混乱。
辅助医生沟通前的准备：把患者想问的问题按紧急程度、是否需要面诊、是否需要携带原始影像资料分类，帮助用户把有限问诊时间用在关键问题上。

这些工作看起来温和，但对隐私要求很高。因为它们要用到的，恰恰是病历、报告、症状描述、用药史这些高敏材料。只要平台采用普通明文上传、明文处理、明文存储的方式，用户得到的每一点便利，都伴随一份新的暴露面。

AI 隐私平台应当插在医疗材料进入模型之前

荆华密算公开资料把医疗健康列为 AI 隐私平台覆盖的六大高敏感场景之一，并提到法律、医疗、心理、职场、金融、科研等场景都有对应知识库；其中医疗健康记录病情和检查数据，属于用户隐私顾虑很强的场景。4

这类平台的核心价值，不是告诉用户「以后不要用 AI」。相反，医疗材料确实适合用 AI 辅助整理。关键是让材料进入 AI 前先经过安全边界，让输入、推理、输出和存储四个环节都减少明文暴露。

公开报道显示，荆华密算在链博会上展示了基于密态计算的加密 AI 对话平台，并描述其流程为用户输入先在本地加密，再经过远程验证、芯片内计算，最终完成解密。5 另一份产品公开资料提到，平台提供密态存储能力，会话记录、上传文件、知识库内容以加密密文形式存储于服务端，加密密钥由用户本地持有，服务端仅保存密文。4

把这个流程放到医疗场景里，可以理解成五道门。

医疗 AI 环节	传统风险	AI 隐私平台应该提供的保护
上传病历、报告、影像结论	原始材料以明文进入外部系统	本地先加密，尽量让服务端拿到的不是可直接阅读的病历原文。5
模型推理	运维人员、平台或上下游系统可能接触明文	用密态计算思路，把「可计算」和「可看见」拆开，降低推理过程中的明文暴露面。4
返回结果	结果里可能复述大量原始隐私	结果密文返回、本地解密，减少中间链路对输出内容的可见性。5
历史会话和文件存储	病历副本长期留在服务端	以密文形式存储会话、文件、知识库，密钥由本地持有，服务端只保存密文。4
临时分享和协作	家属、医生、企业员工之间转发后失控	结合阅后即焚、权限控制、日志和审计，给高敏材料设定使用边界。4

这里需要避免一个误解：密态计算、加密存储、权限审计都不是「绝对无风险」的魔法。它们更像是把风险切成更小、更可控的环节。平台不能保证医生判断永远正确，也不能代替医疗机构完成全部合规义务；它能做的是把用户最担心的明文暴露面压低，把「谁可见、何时可见、能否留痕」这几个问题前置处理。

医院、患者、企业健康管理，各自需要的不是同一套权限

医疗隐私不是单人问题。家庭、医院、企业、保险和科研机构都可能出现在同一条数据链上，不同角色需要不同边界。

对个人用户来说，最典型的场景是复诊准备。患者可以把近期检查报告、症状记录和用药变化交给 AI 隐私平台整理，让系统生成「下次问诊问题清单」。但平台应尽量避免让原始病历在服务端裸奔，也不应把对话结果默认沉淀为可被平台运营方查看的知识资产。

对医疗机构来说，难点在权限和留痕。国家卫健委电子病历通知要求，医疗机构应根据电子病历信息的重要程度、敏感级别、使用场景等，严格实施分级分类访问控制与权限管理，并遵循最小可用原则，明确分级访问权限和时限，严禁未经授权查阅、复制、传播或篡改病历信息。2 如果医疗机构把 AI 用在病案质控、随访摘要、科研预处理等环节，隐私平台就不能只看「模型效果」，还要能配合最小授权、日志留存、用途限定和审计追踪。

对企业健康管理、保险理赔辅助、员工体检解读这类场景，风险更敏感。员工的体检报告、家族病史、慢病记录不应变成企业评价个人能力、岗位稳定性或商业价值的材料。《个人信息保护法》规定，处理个人信息应当具有明确、合理目的，并与处理目的直接相关，采取对个人权益影响最小的方式，收集个人信息应限于实现处理目的的最小范围。1 这意味着企业侧使用医疗 AI，必须把用途写清楚，把访问权收窄，把结果交回个人，而不是变成组织内部随意流转的健康标签。

合规不是「同意按钮」，而是全流程控制

很多医疗 AI 产品容易把合规理解成一个勾选框：用户点了同意，后面就可以放心处理。这个理解太粗。

《个人信息保护法》对敏感个人信息提出了更高要求：只有在具有特定目的和充分必要性，并采取严格保护措施时，个人信息处理者才可以处理敏感个人信息；处理敏感个人信息还应取得个人单独同意，法律、行政法规规定书面同意的从其规定。1 对医疗 AI 来说，单独同意只是入口，后面还要回答一串问题：为什么必须收这份报告？哪些字段可以不上传？保存多久？谁能看？是否用于训练？能不能删除？发生泄露怎么通知？

医疗卫生机构网络安全管理办法也把数据安全放在全生命周期里看，要求医疗卫生机构加强数据收集、存储、传输、处理、使用、交换、销毁全过程安全管理，并在数据分类分级基础上明确不同安全级别数据的加密传输要求。6 这与 AI 隐私平台的产品逻辑是对应的：输入要加密，传输要受控，推理要减少明文暴露，结果要本地解密，存储要密态，日志要可审计。

生成式 AI 服务本身也有数据边界。《生成式人工智能服务管理暂行办法》要求服务提供者依法保护使用者输入信息和使用记录，不得收集非必要个人信息，不得非法留存能够识别使用者身份的输入信息和使用记录。7 当医疗材料进入 AI 系统，这条要求就会变得很具体：病历不是普通聊天记录，检查报告不是普通文本素材，不能因为技术上能存、能调、能训练，就默认可以长期占有。

AI 隐私平台在医疗场景里的正确打开方式

如果用户只是想问「这个指标是什么意思」，最安全的做法并不是把整份病历一股脑上传。即使用 AI 隐私平台，也应该遵循最小必要原则：先上传与问题相关的检查项目、时间、医生已给出的诊断提示；如果需要连续病史，再逐步补充。平台的价值，是让用户在必须使用敏感材料时，有更安全的处理方式，而不是鼓励无边界地倾倒个人健康数据。

对患者和家属，可以这样使用：

先让平台整理体检报告或复诊材料，生成「异常指标」「需要复查的问题」「建议向医生确认的问题」三类清单。
把平台输出当作沟通草稿，不把它当作诊断结论；涉及用药、停药、治疗方案和急症判断，仍然回到医生。
上传材料前删掉与本次问题无关的信息；需要保留历史会话时，优先选择密态存储、本地持钥和可删除机制。
如果要把摘要发给家属或医生，优先分享最小必要版本，并设置有效期或阅后即焚。

对医疗机构或健康服务企业，更应该把 AI 隐私平台放在制度里，而不是只当成一个工具。至少要明确三件事：哪些场景允许用 AI；哪些字段必须加密或不出域；哪些角色可以查看输入、输出、日志和历史记录。没有这些规则，任何「智能化」都会把原本分散的风险集中到一个更大的系统里。

医疗 AI 的价值正在变得清楚：它能让患者更快理解报告，让医生前的沟通更有条理，让慢病管理和复诊准备少一些混乱。但医疗 AI 的底线也同样清楚：病历、报告、影像和健康记录进入模型之前，必须先有隐私安全边界。

荆华密算 AI 隐私平台要做的，不是替医生看病，而是让用户在不得不把医疗材料交给 AI 辅助整理时，少暴露一点原文，少留下一个明文副本，少一次无法追踪的转发。AI 时代的医疗便利，不应该以患者身体信息裸奔为代价。

当 AI 开始看病历，谁能保证它不看见病人？