二十年跨境老炮，见过最黑的坑，也见过最真的佛。 这篇讲中医与 AI 的"最热"组合——大模型 + 中医海外问诊。 ——你以为 AI 问诊是未来，但它可能是 6 种处罚的开端。
开篇：大模型 + 中医的"虚火"
2023 年起，ChatGPT 类的通用大模型在中医领域引起轰动：
-
"让 GPT 当老中医" -
"训练中医大模型" -
"AI 中医辅助诊疗" -
"AI 中医健康咨询"
很多团队以为这是中医出海的新蓝海。
但实际上，海外患者问"AI 老中医"——可能触发 6 种处罚：
-
医疗设备违规 -
AI 算法违规 -
跨境数据违规 -
虚假宣传 -
行医执照违规 -
消费者保护法违规
今天这篇，专门讲清楚这些坑。
一、大模型 + 中医海外应用的 5 种场景
场景 1：纯文本问诊（基础）
做法：
-
患者在 APP 输入症状 -
大模型分析 + 输出建议 -
用户付费
是否构成"医疗行为"：
-
美国 FDA：可能构成"医疗决定"——需要 SaMD 认证 -
欧盟：可能构成"AI 医疗系统"——需要 AI Act + MDR 合规 -
中国：可能构成"中医远程医疗"——需要互联网医疗牌照
场景 2：图像 + 文本问诊
做法：
-
患者发送舌像、面色、面部图像 -
大模型分析 -
输出健康建议
风险：
-
图像 + 分析 = 明确"影像诊断"——属于医疗器械 -
海外几乎所有国家都按医疗器械监管
场景 3：脉象 + 设备 + AI
做法：
-
可穿戴设备采集脉象 -
大模型分析 -
输出中医辨证
风险：
-
设备 + AI + 诊断 = 高度医疗器械 + AI 风险
场景 4：持续问诊 / 聊天陪伴
做法：
-
类似 ChatGPT 的聊天陪伴 -
长期对话形成"AI 中医师"形象
是否构成"医疗行为"：
-
取决于是否有"诊断"、"治疗"、"开方"等元素 -
纯陪伴 = 一般 AI 服务 -
含"诊断建议" = 医疗器械
场景 5：AI 与真人中医师协同
做法：
-
AI 做初诊 -
真人中医师审核签字 -
患者拿到"AI + 医师"共同建议
这是相对最安全的方式——因为真人医师承担最终责任。
老炮心法：5 种场景合规难度差异 5—10 倍。
老炮应对心法：先做最难合规的"AI+医师协同"，再做单独 AI 应用。
二、海外主要市场的合规要求
2.1 美国 FDA
FDA 对"大模型 + 中医"应用的监管：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
FDA 的"AI 医疗监管新规"：
-
AI 模型必须有"预期用途"声明 -
必须公开 AI 模型的局限性 -
必须有"人工智能透明度" -
必须有"持续学习"许可（如适用） -
必须有"软件生命周期管理"
FDA 对"中医 AI"的特别关注：
-
AI 不能宣称"治愈"任何疾病 -
AI 不能完全替代医生 -
AI 必须有"中医师监督"机制 -
任何开方建议必须有医师签字
2.2 欧盟 MDR + AI Act
欧盟对"大模型 + 中医"的监管：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
EU AI Act（2024 年生效）的关键要求：
-
所有高风险 AI 必须做"符合性评估" -
AI 决策必须可解释——大模型的"幻觉"成问题 -
必须有"人类监督"——AI 不能完全替代人 -
必须有"风险管理文档" -
必须有"数据治理"机制
欧盟对中医 AI 的担忧：
"中医 AI 输出结果难以解释——这违反了 AI Act 的透明度要求"
2.3 中国 NMPA
NMPA 对"大模型 + 中医"的监管：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
NMPA 的特别要求：
-
中医 AI 必须有医师负责 -
AI 不能独立开方 -
中医 AI 必须本地化（中国数据本地训练） -
生成式 AI 内容需要审核
国家药品监督管理局（NMPA）对“大模型+中医”的监管，并非单一法规，而是一个由医疗器械注册、算法服务备案、专项政策指引共同构成的复合型监管体系。其核心目标是确保这类产品在提供中医诊疗辅助时的安全性、有效性与合规性。
🏛️ 核心监管框架：三重路径并行
目前，一个中医大模型若要合法进入市场，通常需要满足以下三个层面的要求：
-
第一重：医疗器械注册（NMPA核心管辖）这是最核心、最严格的监管路径。判断标准取决于大模型的功能：
-
第三类医疗器械（最高风险）：如果模型能自主完成中医证型判定，并输出独立的临床辨证决策（如直接指导医师用药），则被界定为第三类医疗器械。这是监管最严的类别，必须通过NMPA的注册审批。例如，武汉知医邦的“ChatiSS寒热辨证辅助诊断软件”正为此类产品进行注册攻坚。 -
第二类医疗器械（中低风险）：如果模型仅具备图像识别、基础筛查等功能，如舌象识别、体质初步筛查，无独立决策能力，则按第二类医疗器械管理。 -
第二重：算法服务备案（网信办主导）只要大模型以软件服务形式（如SaaS平台）向公众提供生成式AI服务，就必须根据《生成式人工智能服务管理暂行办法》，向国家互联网信息办公室（国家网信办） 进行算法备案。这主要审查数据隐私、算法透明度等。
-
实践案例：北京中医药大学的“薪火中国药”大模型、中国中医科学院的“医源”中医大模型等均已通过国家生成式AI服务备案，获得了面向公众服务的“合法身份”。 -
第三重：专项政策指引（NMPA战略指导）NMPA发布了《关于“人工智能+药品监管”的实施意见》，为AI在药品全生命周期的应用提供了顶层设计。文件明确提出要加快“两品一械”审评审批大模型的研发应用，并构建“数智赋能、人工复核、全程留痕”的人机协同机制。
📜 具体监管要求与行业标准
-
产品分类界定：依据《人工智能医用软件产品分类界定指导原则》进行精准分级。 -
注册审查指导：NMPA已发布19项人工智能医疗器械相关的指导原则及审查要点，包括《人工智能辅助检测医疗器械（软件）临床评价注册审查指导原则》等。 -
行业技术标准：NMPA于2024年9月发布了行业标准 YY/T 1833.5-2024《人工智能医疗器械质量要求和评价 第5部分：预训练模型》，专门针对大模型底层的“预训练模型”提出了质量要求。 -
临床应用规范：国家卫健委和国家网信办联合发布的《医疗人工智能大模型临床应用规范（征求意见稿）》进一步细化要求，规定L3级（独立诊断和治疗决策支持）的大模型必须作为三类医疗器械通过NMPA注册。
🗺️ 合规路径与注册流程
对于旨在提供临床辅助决策的中医大模型，典型的合规路径如下：
-
第一步：定性。根据产品功能，向NMPA申请确定其医疗器械分类（二类或三类）。 -
第二步：验证。对于三类器械，需进行前瞻性、多中心的临床试验，以证明其安全有效性。 -
第三步：注册。向NMPA提交注册申请，接受技术审评。目前，NMPA已累计批准超过110款基于深度学习的第三类医疗器械独立软件产品。 -
第四步：备案。同步向国家网信办完成生成式人工智能服务算法备案。
📊 监管现状与挑战
-
现状：目前市场上多数中医AI产品为二类医疗器械，功能相对基础。尚无中医AI软件获得NMPA三类医疗器械注册证，仅有少数产品在进行三类注册攻坚。 -
挑战： -
合规门槛高：三类医疗器械注册流程复杂、成本高昂、周期长。 -
行业乱象：存在大量未取得医疗器械注册证的“AI中医”产品在市场上使用。 -
数据与标准：中医辨证的主观性和数据标准化不足，给临床试验和审评带来挑战。
💎 总结
总的来说，NMPA对“大模型+中医”的监管已形成清晰框架：根据功能风险分级，以医疗器械注册为核心，辅以算法备案和专项政策指引。这一体系旨在规范市场，引导产业走向“合规、安全、有效”的高质量发展路径。对于相关企业而言，准确界定产品分类、满足严格的注册与备案要求，是产品成功上市的关键。
2.4 英国的 MHRA + NHS
英国的特殊要求：
-
AI 自动开方： 不可 -
AI + 中医师审核： 可 -
AI 单独的诊断软件： 需 MHRA 认证 -
NHS 对中医 AI 不感冒——但私立诊所可考虑
2.5 加拿大 Health Canada
加拿大的特殊要求：
-
AI 自动开方： 不可 -
AI 辅助诊断： 需 Health Canada 审查 -
AI 聊天陪伴： 一般无害 -
数据本地化： 严格
三、大模型 + 中医的 5 大致命陷阱
陷阱 1："幻觉"问题
问题：大模型会一本正经地胡说八道。
典型案例：
大模型输出："建议您每天服用 100 克朱砂，可治失眠。"事实：100 克朱砂会致死。
大模型输出："针灸足三里可治高血压。"事实：高血压需要综合治疗，单一针灸可能延误。
大模型输出："您可能是肺癌，建议停止化疗，吃中药。"事实：完全没有医学依据，且违反海外医师行为。
为什么中医 AI "幻觉"更危险：
-
中医有"千人千方"——AI 难以处理 -
中医有"自我矛盾"——同病可能异治 -
中医有"经验性"——很多没有循证 -
中医有"文化性"——跨文化 AI 难以理解
老炮心法：AI 在中医领域的"幻觉"比西医更危险——因为更难被验证。
老炮应对心法：必须限制 AI 输出——加上"免责声明 + 中医师审核"。
陷阱 2：输出"诊断"
问题：即使你在产品设计时只想做"健康咨询"，AI 模型可能在某些问题上输出"诊断"。
典型案例：
患者问："我这两天咳嗽，怎么办？" AI 输出："你可能是肺炎，建议你去做 CT。"问题：这句输出 = 诊断——即使你的本意是"健康咨询"。
这触发了：
-
FDA 的 Medical Device 监管 -
欧盟 SaMD 监管 -
中国 NMPA 的诊断监管
老炮心法：AI 输出诊断 = 医疗器械——无论你意图是什么。
老炮应对心法：设置"红线 prompt"——明确不输出诊断。
陷阱 3：跨境数据违规
问题：海外患者使用你的 AI，个人数据可能被传到中国用于训练。
触发条件：
-
患者 IP 在欧盟 -
数据传输到中国 -
数据未加密或未签 GDPR 标准合同
典型处罚：
-
欧盟 GDPR：罚款 2000 万欧元或全球营收 4% -
英国 ICO：罚款 1700 万英镑或全球营收 4% -
美国：罚款 + 集体诉讼
老炮心法：跨境数据违规 = 上百万欧元的罚款——比医疗合规罚款高 10 倍。
老炮应对心法：数据本地化 + 不跨境。
陷阱 4：训练数据的合规
问题：用中国患者数据训练 AI 海外版——可能违反当地法规。
典型案例：
-
中国某 AI 中医公司训练 AI 用的是中国患者数据 -
想推向美国市场 -
被美国 FDA 质问"训练数据是否符合 HIPAA"——几乎必然被拒
老炮心法：训练数据合规是 AI 医疗的最大隐藏成本——往往被低估。
老炮应对心法：针对每个市场，重新训练一套 AI。
陷阱 5："老中医"形象的法律问题
问题：用"老中医"作为 AI 人设，可能触发"虚假宣传"。
典型问题：
-
"AI 老中医，免费看病"——可能触犯"虚假宣传" -
"AI 老中医，比真中医更准"——可能触犯"虚假比较" -
"百年老字号 AI 中医"——可能触犯"虚假身份"
典型案例：
"我们的 AI 模仿了 30 位国医大师，结合了 500 年中医经验。"问题：这种陈述极可能违法——无论真假。
老炮心法："AI 老中医"人设是高风险——可能触犯 5 国法律。
老炮应对心法：人设只用"AI 中医助手"等简单称谓。
四、海外部署大模型 + 中医的 5 个最佳实践
最佳实践 1：AI + 中医师协同模式
核心：AI 做初诊，中医师必须签字——AI 不独立做决定。
优点：
-
降低 AI 风险（医师承担最终责任） -
满足海外合规（医师监管 AI） -
患者信任度更高
具体做法：
-
AI 输出 → 中医师审核 → 中医师确认 → 给患者 -
医师有权修改 AI 输出 -
所有 AI 输出必须记录 -
医师签发 = 法律保护
最佳实践 2：海外数据中心 + 本地训练
核心：在海外运营的国家，建立自己的数据中心 + AI 模型。
做法：
绝对不要把中国 AI 模型直接放到海外——必须有本地化版本。
最佳实践 3：明确的"红线"设计
核心：在 AI 模型上设置明确的"红线 prompt"——明确不让 AI 输出什么。
红线示例：
system_prompt = """
你是 AI 中医健康助手。以下是你必须遵守的规则：
1. 你不能诊断任何疾病——只能提供健康建议。
2. 你不能开具处方——只能建议用户咨询中医师。
3. 你不能使用砷、汞、雄黄、蟾酥、附子等毒性成分。
4. 你不能让患者停止西医治疗。
5. 你不能宣称"治愈"任何疾病。
6. 你必须建议用户在紧急情况下立即联系西医。
7. 你必须在所有回答中注明"本回答仅供参考，不构成医疗建议"。
"""
最佳实践 4：完整审计日志
核心：每次 AI + 中医师互动，必须有审计日志。
审计日志必须包含：
-
时间戳 -
患者 ID -
AI 输出 -
中医师审核记录 -
中医师修改记录 -
中医师签字 -
患者接收时间 -
患者反馈
保留时长：
-
美国：至少 6 年 -
欧盟：至少 30 年 -
中国：至少 15 年
最佳实践 5：用户知情同意 + 免责声明
核心：用户使用前，必须同意免责声明 + 知情同意书。
必备条款：
本 AI 中医健康助手提供的内容仅供参考，不构成医疗诊断或治疗。
- 不替代专业医疗建议
- 不替代处方药物
- 不替代中医师的诊断
- 紧急情况请联系当地医疗机构
- 我们不收集您的任何个人数据
- 您的数据仅在本地存储
[我已阅读并同意] [下一步]
老炮心法："AI + 中医师"模式是合规路径——但永远不说"AI 中医诊断"。
老炮应对心法：5 个最佳实践必须全做到。
五、大模型 + 中医出海的"5 句真话"
第一句：AI 不能独立开方——医师签字 = 合规开关；第二句：AI "幻觉"在中医领域更危险——限制输出范围；第三句：跨境数据是高风险——本地化训练是出路；第四句：AI 输出"诊断" = 医疗器械——无论你意图；第五句：每个市场需要单独的 AI 版本——不是"一招鲜"。
如果要做大模型 + 中医出海——
第一步：评估产品的医疗器械分类；第二步：选择"AI + 中医师协同"模式；第三步：设置明确的红线 prompt；第四步：建立本地数据中心 + AI 模型；第五步：准备完整的审计日志 + 用户同意书。
