摘 要：醫(yī)療人工智能技術(shù)的輔助性質(zhì)、內(nèi)在的“黑箱”復(fù)雜度，以及其自我學(xué)習(xí)與半自主運(yùn)行的特點(diǎn)，共同構(gòu)成了在涉及此類技術(shù)的醫(yī)療損害案件中認(rèn)定責(zé)任主體與確定救濟(jì)路徑的重大障礙。其凸顯出現(xiàn)行法律制度在應(yīng)對新興科技挑戰(zhàn)時的滯后性以及醫(yī)療人工智能侵權(quán)受害人的法律救濟(jì)困境，如風(fēng)險源頭和責(zé)任主體認(rèn)定難、證明過錯及因果關(guān)系難等。鑒于傳統(tǒng)侵權(quán)損害賠償救濟(jì)制度適用于醫(yī)療人工智能侵權(quán)損害救濟(jì)的缺陷，有必要引入保險救濟(jì)制度，通過該制度在風(fēng)險分?jǐn)偤图铀儋r付方面的優(yōu)勢，解決醫(yī)療人工智能侵權(quán)損害賠償責(zé)任認(rèn)定的技術(shù)依賴性和結(jié)果不確定性問題，為受侵害者權(quán)益提供及時便利的保障，推進(jìn)醫(yī)療人工智能技術(shù)的研發(fā)、生產(chǎn)和應(yīng)用，增進(jìn)社會整體利益。

關(guān)鍵詞：智能醫(yī)療；侵權(quán)行為；責(zé)任主體；救濟(jì)措施；保險制度

中圖分類號：D923；TP18""" 文獻(xiàn)標(biāo)識碼：A"" 文章編號：1001-4225（2024）08-0018-08

2022年7月29日，科技部、國家衛(wèi)生健康委等六部門聯(lián)合發(fā)布了《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》，強(qiáng)調(diào)推廣應(yīng)用人工智能治療新模式，建立快速精準(zhǔn)的智能醫(yī)療體系①。自此，人工智能逐步發(fā)展應(yīng)用于醫(yī)療領(lǐng)域，特別是在醫(yī)療影像分析、手術(shù)機(jī)器人操作、遠(yuǎn)程醫(yī)療、康復(fù)護(hù)理、智能輔助決策以及新藥研發(fā)等方面。人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用有效提升了醫(yī)療服務(wù)的效能[1]，但也產(chǎn)生了醫(yī)療人工智能侵權(quán)時受害人權(quán)利救濟(jì)困境。造成這一困境的主要原因包括人工智能技術(shù)固有的“黑箱”特性、智能醫(yī)療風(fēng)險的多源性及責(zé)任認(rèn)定的技術(shù)依賴性和不確定性。醫(yī)療人工智能的上述特性使得傳統(tǒng)侵權(quán)損害救濟(jì)路徑適用于救濟(jì)智能醫(yī)療侵權(quán)受害人時陷于理論與實(shí)踐雙重困境。理論上，醫(yī)療人工智能法律定位不清，無論是擬制法律人格說、有限法律人格說、人格減等說等“主體說”，抑或是工具說、動物說等“客體說”均難以證成[2]；司法實(shí)踐中，無論是適用產(chǎn)品責(zé)任、醫(yī)療損害責(zé)任，還是高度危險責(zé)任均存在邏輯缺陷。

醫(yī)療人工智能侵權(quán)損害保險救濟(jì)制度的設(shè)立，能夠發(fā)揮保險的風(fēng)險分?jǐn)偣δ?，破解智能醫(yī)療風(fēng)險多源及責(zé)任主體認(rèn)定難等困境，彌補(bǔ)傳統(tǒng)侵權(quán)損害救濟(jì)路徑不暢之缺失。不僅如此，保險救濟(jì)制度還能夠解決醫(yī)療人工智能侵權(quán)救濟(jì)遲緩之困和歸責(zé)難題，并有助于將事前不確定之風(fēng)險轉(zhuǎn)化為當(dāng)事人可以內(nèi)化的成本，從而有效轉(zhuǎn)移風(fēng)險負(fù)擔(dān)，提升救助效果。比較法視角看，將責(zé)任保險制度引入疫苗生產(chǎn)和核能利用等新興產(chǎn)業(yè)在域外已有實(shí)踐。1986年美國《國家兒童疫苗損害賠償法》在疫苗產(chǎn)業(yè)中設(shè)立了賠償信托基金，減輕了生產(chǎn)商的訴訟負(fù)擔(dān)，暢通了受疫苗傷害患者的賠償渠道[3]。類似地，歐盟在《機(jī)器人民事法律規(guī)則》中提議設(shè)立強(qiáng)制性保險項(xiàng)目，旨在分散最終責(zé)任承擔(dān)者的風(fēng)險[4]。

一、醫(yī)療人工智能風(fēng)險類型

醫(yī)療人工智能自主或半自主運(yùn)行、自我學(xué)習(xí)的特性[5]，以及對大規(guī)模醫(yī)學(xué)數(shù)據(jù)的依賴，構(gòu)成了醫(yī)療人工智能獨(dú)特的風(fēng)險譜系。其在無需人工干預(yù)的情況下，依據(jù)算法獨(dú)立分析醫(yī)療信息[6]，模擬臨床決策過程，通過持續(xù)學(xué)習(xí)，不斷優(yōu)化自身的推理邏輯，以適應(yīng)不斷變化的環(huán)境和信息[7]。但這一過程中，每次醫(yī)療互動或數(shù)據(jù)輸入都可能影響其內(nèi)在的判斷邏輯，帶來一定的不可預(yù)見性[8-9]。同時，醫(yī)療人工智能的這種內(nèi)在復(fù)雜性、對數(shù)據(jù)及技術(shù)的高度依賴性，引發(fā)了人們對其安全風(fēng)險的深度關(guān)切[10]。

（一）個性化醫(yī)療可靠性風(fēng)險

個性化醫(yī)療可靠性風(fēng)險較為典型的情形是醫(yī)療人工智能實(shí)際應(yīng)用效果與宣傳不符的問題。以美國IBM公司開發(fā)的醫(yī)療人工智能系統(tǒng)Watson為例，其技術(shù)本質(zhì)為自然語言處理，服務(wù)于臨床決策支持系統(tǒng)（CDSS，即Clinical Decision Support System），旨在通過病例大數(shù)據(jù)，為醫(yī)生決策提供輔助信息。該系統(tǒng)在推廣時承諾提供基于最新醫(yī)學(xué)研究的個性化治療方案，然而在實(shí)際應(yīng)用中，一些醫(yī)療機(jī)構(gòu)發(fā)現(xiàn)其推薦的部分治療方案并非最新或并不適用于特定病例。印第安納大學(xué)健康中心曾因“沃森腫瘤”提供的治療建議與標(biāo)準(zhǔn)治療方案不符而停止使用該系統(tǒng)。2022年4月，IBM的一份內(nèi)部文件提及Watson經(jīng)常給出錯誤的癌癥治療建議，比如給一個已經(jīng)大出血的癌癥病人開了有可能會導(dǎo)致出血的藥①。這些事件折射出醫(yī)療人工智能在提供個性化醫(yī)療建議時可能存在的準(zhǔn)確性問題。

（二）算法設(shè)計缺陷與技術(shù)失誤風(fēng)險

此類風(fēng)險是弱人工智能階段無法避免的問題。算法設(shè)計缺陷、系統(tǒng)故障或技術(shù)失誤等情形會導(dǎo)致診斷錯誤、治療建議不當(dāng)，或在手術(shù)、藥物劑量推薦等環(huán)節(jié)產(chǎn)生錯誤，從而對患者造成傷害。2015年2月，英國首例機(jī)器人“達(dá)芬奇”在心臟瓣膜修復(fù)手術(shù)中，因技術(shù)失誤而錯誤地放置病人心臟，甚至戳穿其大動脈，最終導(dǎo)致患者一周后過世，造成無法挽回的終局性損害。此外，醫(yī)療人工智能存在一些顯著缺點(diǎn)，如沒有觸覺反饋，無法及時通知或警示醫(yī)生、機(jī)器人代替醫(yī)生或加大患者緊張感等不足②。

（三）智能體產(chǎn)品缺陷風(fēng)險

智能體產(chǎn)品缺陷是指智能體產(chǎn)品本身設(shè)計或制造缺陷，較為典型的是手術(shù)機(jī)器人產(chǎn)品缺陷引發(fā)的風(fēng)險。以“達(dá)芬奇”“醫(yī)療”“侵權(quán)”“醫(yī)療損害”“機(jī)器人”等作為關(guān)鍵詞在中國裁判文書網(wǎng)上檢索可得的相關(guān)判決書80份，但判決中多關(guān)注操控者的責(zé)任，對機(jī)器人本身的缺陷引起的損害鮮有提及。原因主要有下列幾個方面：手術(shù)機(jī)器人處于弱人工智能階段，使用者操作規(guī)范性原因力較大；醫(yī)療器械致?lián)p通常與醫(yī)療產(chǎn)品責(zé)任和醫(yī)療損害責(zé)任競合；醫(yī)療損害案件著眼點(diǎn)通常在醫(yī)療機(jī)構(gòu)或醫(yī)務(wù)人員上，對醫(yī)療器械產(chǎn)品的檢測和分析不到位；對于患者而言，追究醫(yī)療機(jī)構(gòu)或醫(yī)務(wù)人員的直接責(zé)任相較于追究醫(yī)療器械生產(chǎn)者的間接責(zé)任更加便捷有效，尤其是在具身智能體③這種新產(chǎn)品引發(fā)的糾紛中[11]。

（四）數(shù)據(jù)隱私與安全風(fēng)險

谷歌DeepMind與英國國家衛(wèi)生服務(wù)（NHS）合作的“Streams”應(yīng)用，曾因非法處理160萬份患者機(jī)密醫(yī)療數(shù)據(jù)而面臨集體訴訟①。盡管DeepMind后來采取措施加強(qiáng)數(shù)據(jù)保護(hù)，但該事件仍凸顯了醫(yī)療人工智能在處理敏感醫(yī)療數(shù)據(jù)時可能存在的隱私泄露風(fēng)險。“新冠疫情”期間，美國一名黑客黑入北京慧影醫(yī)療科技有限公司系統(tǒng)，將公司內(nèi)部新冠檢測技術(shù)和數(shù)據(jù)在暗網(wǎng)上公開出售，嚴(yán)重侵犯了數(shù)據(jù)權(quán)利主體的個人信息權(quán)。伴隨新型數(shù)據(jù)權(quán)利的法律確認(rèn)，如知情同意權(quán)、被遺忘權(quán)、限制處理權(quán)等等，醫(yī)療人工智能面臨的數(shù)據(jù)隱私與安全風(fēng)險挑戰(zhàn)將會更加嚴(yán)峻②。

（五）算法歧視與偏見風(fēng)險

醫(yī)療人工智能中的算法歧視主要源于三個核心問題：首先是數(shù)據(jù)集的不完整性或存在錯誤[12]，這直接影響算法的評估準(zhǔn)確性；其次是數(shù)據(jù)集本身的不足或偏差，導(dǎo)致算法無法全面適用于所有人群；最后是算法通過學(xué)習(xí)帶有偏見的數(shù)據(jù)模式，無意中延續(xù)并放大了這些不公平現(xiàn)象，即所謂的“反饋回路歧視”[13]。特別是針對弱勢群體，他們的醫(yī)療記錄往往是零散和不完整的，如健康數(shù)據(jù)③、生物特征數(shù)據(jù)等④，這導(dǎo)致人工智能算法無法準(zhǔn)確識別其疾病或健康風(fēng)險。此外，低收入群體可能更多地依賴記錄不夠詳盡的私人診所，從而增加了算法評估的誤差[14]。算法選擇性歧視的現(xiàn)象，即算法在設(shè)計和測試階段就存在偏差，尤其是當(dāng)測試數(shù)據(jù)主要來自某一特定群體時，算法的普適性受到質(zhì)疑[15]。

（六）“黑箱”問題

醫(yī)療人工智能決策過程的不透明性，使得在發(fā)生侵權(quán)時難以追溯決策邏輯。這種缺乏透明度的問題不僅會影響醫(yī)務(wù)人員向患者履行告知義務(wù)，也會影響醫(yī)務(wù)人員履行再判斷義務(wù)[16]。首先，算法的不透明性阻礙了醫(yī)務(wù)人員對機(jī)器決策的直接驗(yàn)證，限制了風(fēng)險緩解措施的采?。黄浯危跀?shù)據(jù)相關(guān)性的算法決策難以用傳統(tǒng)循證醫(yī)學(xué)方法進(jìn)行逆向驗(yàn)證，影響了醫(yī)務(wù)人員對機(jī)器判斷的準(zhǔn)確性評估[17]。此外，算法黑箱可能帶來主體關(guān)系及溝通信任秩序的混亂，導(dǎo)致主體之間更嚴(yán)峻的信任風(fēng)險，進(jìn)而破壞醫(yī)療體系良性運(yùn)行的基礎(chǔ)[18]。

總體而言，醫(yī)療人工智能侵權(quán)風(fēng)險的涉眾廣泛，涵蓋了患者、醫(yī)療機(jī)構(gòu)、醫(yī)療人工智能開發(fā)者、制造商、供應(yīng)商、數(shù)據(jù)提供者、數(shù)據(jù)控制者及處理者、醫(yī)務(wù)人員、監(jiān)管機(jī)構(gòu)、技術(shù)維護(hù)與支持服務(wù)提供者、患者家屬或監(jiān)護(hù)人，以及第三方評估機(jī)構(gòu)等。每個主體在醫(yī)療人工智能的應(yīng)用周期中扮演著不同角色，同時也承擔(dān)著相應(yīng)的義務(wù)。侵權(quán)風(fēng)險點(diǎn)遍布醫(yī)療人工智能的整個應(yīng)用周期中，不僅限于診療階段，還存在于技術(shù)開發(fā)、數(shù)據(jù)收集與處理、產(chǎn)品測試、市場推廣、臨床使用及后期維護(hù)等。因此，醫(yī)療人工智能領(lǐng)域的風(fēng)險分散與救濟(jì)機(jī)制中，保險制度扮演著關(guān)鍵角色。它不僅為潛在的技術(shù)失誤和操作風(fēng)險提供經(jīng)濟(jì)緩沖，還確保患者能夠迅速獲得必要的救濟(jì)。

二、侵權(quán)法救濟(jì)路徑之困

（一）產(chǎn)品責(zé)任適用困境

首先，從產(chǎn)品識別的角度看，傳統(tǒng)產(chǎn)品責(zé)任法主要聚焦于有形物，而醫(yī)療人工智能產(chǎn)品往往以軟件或算法形式存在，或與服務(wù)緊密捆綁，如基于云服務(wù)的醫(yī)療輔助診斷軟件常用于為用戶提供決策建議、預(yù)測參考等信息內(nèi)容[19]339-340。我國相關(guān)法律規(guī)定軟件為產(chǎn)品，《民法典》第1223條也規(guī)定了醫(yī)療器械侵權(quán)損害產(chǎn)品責(zé)任，這當(dāng)然適用于醫(yī)療人工智能[20]。但人工智能輸出的信息是否構(gòu)成產(chǎn)品存在爭議，因?yàn)檫@些信息往往被醫(yī)務(wù)人員用于提供醫(yī)療服務(wù)。因此，在大多數(shù)侵權(quán)糾紛案件中，裁判者多適用醫(yī)療損害賠償法中的過錯責(zé)任原則進(jìn)行歸責(zé)，而非產(chǎn)品責(zé)任法中的無過錯責(zé)任或嚴(yán)格責(zé)任原則[21-22]。即便在一些案例中，尸檢結(jié)果顯示有未明的傷害，或是手術(shù)機(jī)器人技術(shù)過于先進(jìn)，超出了常規(guī)鑒定專家的能力范圍，法院依然傾向于關(guān)注手術(shù)規(guī)劃的合理性、醫(yī)生的具體操作手法以及是否履行了必要的注意義務(wù)等方面，從而主張適用醫(yī)療損害責(zé)任歸責(zé)[23]①。

其次，醫(yī)療人工智能產(chǎn)品的特性，如自主學(xué)習(xí)能力、升級更新的持續(xù)性需求，以及與其他醫(yī)療設(shè)備或服務(wù)的交互性，使得傳統(tǒng)產(chǎn)品缺陷的判斷標(biāo)準(zhǔn)適用困難。產(chǎn)品缺陷的認(rèn)定亟待制定一套國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)，其安全場景應(yīng)為產(chǎn)品的整個生命周期[24]。此外，基于我國法律規(guī)定，醫(yī)療人工智能產(chǎn)品責(zé)任通常適用無過錯責(zé)任歸責(zé)原則，即患者或被害人在訴訟中不需要證明生產(chǎn)者有過錯，只需要證明產(chǎn)品存在缺陷以及因缺陷造成的損害，生產(chǎn)者或開發(fā)者需要證明自己存在法定免責(zé)事由。然而醫(yī)療人工智能的復(fù)雜性和輔助性質(zhì)可能增加證明缺陷和因果關(guān)系的難度。同時，產(chǎn)品責(zé)任適用嚴(yán)格責(zé)任，被侵權(quán)人如想請求懲罰性賠償，需要證明侵權(quán)人存在主觀故意，這對于被侵權(quán)人而言本身就存在相當(dāng)大的困難；如果只請求補(bǔ)償性賠償，被侵權(quán)人又會受到司法制度、原因力、訴訟能力、訴訟意愿等多方面的限制。

另外，現(xiàn)有法律對于免責(zé)事由的設(shè)定，例如發(fā)展風(fēng)險抗辯[25]和開源抗辯的適用，尚未充分考慮到醫(yī)療人工智能的特殊性。在醫(yī)療領(lǐng)域，開源軟件的廣泛使用促進(jìn)了技術(shù)共享和創(chuàng)新[26]，但如何在鼓勵創(chuàng)新與保護(hù)患者利益間找到平衡點(diǎn)，尤其是在開源軟件引發(fā)產(chǎn)品缺陷的情況下如何歸責(zé)，法律尚無明確規(guī)定。盡管有觀點(diǎn)認(rèn)為開源軟件提供者在特定條件下可以減輕或免除責(zé)任，但這可能導(dǎo)致責(zé)任分配不公，特別是在醫(yī)療產(chǎn)品關(guān)乎生命安全的背景下，過度寬松的免責(zé)規(guī)則可能損及公眾利益。

（二）醫(yī)療損害責(zé)任適用困境

第一，醫(yī)療人工智能的法律地位與責(zé)任歸屬問題亟待明確。盡管醫(yī)療人工智能被界定為輔助工具，且醫(yī)務(wù)人員在決策中占據(jù)主導(dǎo)，其實(shí)際上卻扮演著提供專業(yè)建議的“知識顧問”角色，具備超越人類認(rèn)知的潛力[27]。醫(yī)務(wù)人員往往基于對技術(shù)的信任，采納人工智能推薦的治療方案。這導(dǎo)致醫(yī)師的注意義務(wù)從審慎注意自身行為轉(zhuǎn)向?qū)︶t(yī)療人工智能系統(tǒng)的審查、檢驗(yàn)、監(jiān)督和接管，但相關(guān)法律尚無明確規(guī)定。司法實(shí)踐中，法院普遍裁定醫(yī)務(wù)人員或醫(yī)療機(jī)構(gòu)承擔(dān)侵權(quán)責(zé)任，將醫(yī)療機(jī)器人視為無主體性的“物”，從而加重了醫(yī)務(wù)人員與醫(yī)療機(jī)構(gòu)的責(zé)任負(fù)擔(dān)。

第二，醫(yī)療損害因果關(guān)系認(rèn)定困難。醫(yī)療人工智能的算法復(fù)雜且不透明，其決策過程難以追溯，這使得在損害發(fā)生時，證明人工智能錯誤與患者損害之間的因果關(guān)系變得極其困難且具有極大的不確定性?；颊咄y以獨(dú)立完成舉證責(zé)任，特別是在醫(yī)療人工智能的輔助決策導(dǎo)致錯誤時，因果鏈的審查復(fù)雜，增加了證明難度。另有觀點(diǎn)指出，具有自我學(xué)習(xí)能力和適應(yīng)能力的人工智能經(jīng)后天迭代造成的損害可以成為一項(xiàng)免責(zé)事由[11]，然而這項(xiàng)免責(zé)事由卻會進(jìn)一步加劇患者尋求救濟(jì)的難度，不利于保護(hù)受害人。

第三，過失判斷標(biāo)準(zhǔn)面臨前所未有的挑戰(zhàn)。這些挑戰(zhàn)主要源自醫(yī)療人工智能的輔助性質(zhì)、技術(shù)特性和法律框架的適應(yīng)性問題。首先，醫(yī)療人工智能輔助定位與責(zé)任界限模糊。傳統(tǒng)的醫(yī)療過失標(biāo)準(zhǔn)，如“當(dāng)時醫(yī)療水平標(biāo)準(zhǔn)”[28]，可能不足以準(zhǔn)確界定責(zé)任，因?yàn)獒t(yī)務(wù)人員的判斷已經(jīng)融入了人工智能的因素。醫(yī)務(wù)人員需要在尊重人工智能建議的同時，進(jìn)行風(fēng)險效益評估，這要求他們在掌握患者病情、人工智能建議的可靠性、以及替代方案等多方面因素的基礎(chǔ)上做出決策。其次，存在設(shè)計缺陷與合理期待的困境。由于診療人工智能屬于專業(yè)醫(yī)療器械，其設(shè)計標(biāo)準(zhǔn)不同于一般消費(fèi)品，簡單套用消費(fèi)者期待標(biāo)準(zhǔn)或理性人標(biāo)準(zhǔn)均不合適。再次，證據(jù)與證明難度增加。這不僅涉及到技術(shù)的復(fù)雜性和算法的不透明性，還包括如何區(qū)分醫(yī)務(wù)人員的過失與人工智能本身的缺陷，或是兩者的共同作用。因此，如何合理分配舉證責(zé)任，確?；颊邫?quán)益得到有效保護(hù)，也是過失判斷標(biāo)準(zhǔn)面臨的挑戰(zhàn)之一。

（三）高度危險責(zé)任適用困境

醫(yī)療人工智能適用高度危險責(zé)任具有一定的合理性，主要體現(xiàn)在其風(fēng)險與利益平衡功能及風(fēng)險預(yù)防功能兩個方面?；凇帮L(fēng)險收益一體化”原則，高度危險責(zé)任確保風(fēng)險制造者對其活動帶來的損害負(fù)責(zé)，特別是在技術(shù)復(fù)雜性和潛在不可預(yù)測性可能導(dǎo)致嚴(yán)重?fù)p害的情況下，適用高度危險責(zé)任可以實(shí)現(xiàn)風(fēng)險與利益的合理分配。在風(fēng)險預(yù)防方面，通過設(shè)定嚴(yán)格責(zé)任，能夠促使人工智能制造商和使用者在設(shè)計、生產(chǎn)等環(huán)節(jié)采取更謹(jǐn)慎和安全的措施，減少技術(shù)失誤和系統(tǒng)漏洞，符合社會對高科技醫(yī)療產(chǎn)品安全性的期待。然而，從司法裁判的現(xiàn)狀看，法院很少適用高度危險責(zé)任，這是由于其適用面臨著下列雙重困境。

第一重困境是高度危險責(zé)任立法缺失。民法典第1236條規(guī)定的高度危險責(zé)任有兩種類型，一種是高度危險作業(yè)致?lián)p，另一種是高度危險物致?lián)p，二者均適用無過錯責(zé)任歸責(zé)原則[29]。如果適用高度危險責(zé)任，首先面臨的問題是難以確定醫(yī)療人工智能屬于高度危險物還是高度危險作業(yè)。醫(yī)療人工智能本身并不存在高度危險性，而是在其使用和工作期間可能產(chǎn)生高度危險。其次，根據(jù)王利明教授的觀點(diǎn)，高度危險作業(yè)具備損害嚴(yán)重性大、損害難以控制、損害的異常性及存在社會價值四要素[30]。這意味著高度危險責(zé)任條款不適用于所有危險責(zé)任，因?yàn)椴⒎撬嗅t(yī)療人工智能致?lián)p都能達(dá)到高度危險的程度。

第二重困境是因果關(guān)系認(rèn)定困難。高度危險責(zé)任屬于自己責(zé)任，需要證明行為人的行為與損害事實(shí)之間存在直接的因果關(guān)系。由于技術(shù)復(fù)雜性、“黑箱效應(yīng)”、數(shù)據(jù)多源性、數(shù)據(jù)偏差以及患者個人因素的影響，難以確定具體哪個環(huán)節(jié)直接造成損害結(jié)果。這同時導(dǎo)致責(zé)任主體模糊，進(jìn)而使得醫(yī)務(wù)人員需要具備極高的注意義務(wù)。但人工智能自主或半自主運(yùn)行、自主學(xué)習(xí)特性，使得醫(yī)務(wù)人員即使盡到合理注意義務(wù)，也難以避免損害發(fā)生。且損害一旦發(fā)生，作為智能體占有人、使用人、活動經(jīng)營者的醫(yī)療機(jī)構(gòu)難辭其咎，而其開發(fā)者、生產(chǎn)者可能脫責(zé)[3]。因此，在沒有特別立法的情況下，司法實(shí)踐中一般將醫(yī)療人工智能侵權(quán)責(zé)任認(rèn)定為高度危險責(zé)任。

三、保險救濟(jì)制度設(shè)立的正當(dāng)性

（一）彌補(bǔ)傳統(tǒng)侵權(quán)損害救濟(jì)機(jī)制之不足

基于醫(yī)療人工智能風(fēng)險的多源性（涉及產(chǎn)品設(shè)計、生產(chǎn)、銷售、使用全鏈條和多環(huán)節(jié)），責(zé)任主體認(rèn)定的技術(shù)依賴性和不確定性，傳統(tǒng)侵權(quán)損害救濟(jì)路徑（無論是產(chǎn)品責(zé)任、醫(yī)療損害責(zé)任，還是高度危險責(zé)任等）呈現(xiàn)顯著的不適應(yīng)性。醫(yī)療人工智能侵權(quán)損害保險制度能夠發(fā)揮保險的風(fēng)險分?jǐn)們?yōu)勢化解其風(fēng)險多源及責(zé)任主體認(rèn)定不確定等缺陷，彌補(bǔ)傳統(tǒng)侵權(quán)損害救濟(jì)路徑不暢之缺失，為受害者提供更加及時和有效的保障。不僅如此，責(zé)任保險風(fēng)險分擔(dān)機(jī)制的引入，還能夠在技術(shù)創(chuàng)新和商業(yè)活動中積極防范和規(guī)避法律風(fēng)險及社會風(fēng)險，降低社會治理成本，增進(jìn)社會整體利益，促成法律目的價值的實(shí)現(xiàn)[31]。

（二）有效維護(hù)受害人合法權(quán)益的需要

傳統(tǒng)侵權(quán)損害救濟(jì)路徑在處理醫(yī)療人工智能損害賠償案件時，可能因險源不明、責(zé)任主體難以認(rèn)定、因果關(guān)系難以證明，以及救濟(jì)路徑不暢等等原因而陷入困境，導(dǎo)致醫(yī)療人工智能侵權(quán)受害人的合法權(quán)益不能獲得及時和合理的保障。在此背景下，醫(yī)療人工智能侵權(quán)損害保險制度的引入，能夠借助保險制度的賠付功能優(yōu)勢，為受害人提供及時的救助和防范損失的進(jìn)一步擴(kuò)大或矛盾的激化。保險制度還有助于減輕受害者的舉證責(zé)任，提高救濟(jì)效率，更周全保障受害者權(quán)益[32]。此外，保險公司基于風(fēng)險評估設(shè)定的保費(fèi)標(biāo)準(zhǔn)和保險條款，激勵醫(yī)療人工智能的相關(guān)責(zé)任主體采取更為嚴(yán)格的安全措施，這種預(yù)防性措施有助于提升智能醫(yī)療的質(zhì)量，減少侵權(quán)事件的發(fā)生，增進(jìn)患者的福祉。

（三）技術(shù)推廣與應(yīng)用的需要

將保險制度引入智能醫(yī)療是基于醫(yī)療人工智能的特殊風(fēng)險和傳統(tǒng)救濟(jì)方式之不足的基礎(chǔ)之上的。立法者依據(jù)醫(yī)療人工智能的風(fēng)險特征設(shè)立相應(yīng)的責(zé)任分擔(dān)機(jī)制是法律適應(yīng)技術(shù)進(jìn)步的必然，也是法律推進(jìn)技術(shù)進(jìn)步的應(yīng)然[33]。這是因?yàn)?，法律不是靜態(tài)的規(guī)范集合，而是隨著技術(shù)進(jìn)步和社會變遷而不斷演進(jìn)的動態(tài)體系[34]。醫(yī)療人工智能侵權(quán)損害保險制度的設(shè)立正是對現(xiàn)有法律體系進(jìn)行適應(yīng)性調(diào)整的一種體現(xiàn)，目的在于彌補(bǔ)傳統(tǒng)侵權(quán)救濟(jì)制度在處理智能醫(yī)療侵權(quán)案件時的不足。此外，保險救濟(jì)制度的引入能夠降低醫(yī)療人工智能研發(fā)人、生產(chǎn)者、經(jīng)營者、使用者的風(fēng)險，推進(jìn)醫(yī)療人工智能技術(shù)的進(jìn)步[35]。而保險制度的風(fēng)險分?jǐn)倷C(jī)制、賠付的及時性和確定性等優(yōu)勢還有助于增強(qiáng)患者對醫(yī)療人工智能的信心，促進(jìn)醫(yī)療人工智能的應(yīng)用和推廣。

四、保險救濟(jì)制度的設(shè)計

（一）險種設(shè)計

醫(yī)療人工智能侵權(quán)損害保險可以作為一個新型險種，旨在專門針對醫(yī)療領(lǐng)域內(nèi)由人工智能輔助系統(tǒng)引起的侵權(quán)損害提供風(fēng)險保障[36]。此險種可分為兩大類：第一，直接責(zé)任保險。該險種主要覆蓋由人工智能系統(tǒng)直接引發(fā)的患者損害，如誤診、治療錯誤等；第二，附加責(zé)任保險。該險種涉及因人工智能系統(tǒng)故障導(dǎo)致的間接損害，例如數(shù)據(jù)泄露對患者隱私的侵犯。該險種設(shè)計上強(qiáng)調(diào)對醫(yī)療人工智能特有風(fēng)險的識別與防范，如算法偏見、系統(tǒng)黑箱效應(yīng)等，確保保險覆蓋的全面性與針對性。

（二）適用范圍

1. 技術(shù)應(yīng)用場景

技術(shù)應(yīng)用場景包括但不限于為醫(yī)生提供影像識別、病理分析等診療輔助系統(tǒng)；幫助制定個性化治療方案的治療規(guī)劃工具，如腫瘤放療計劃、精準(zhǔn)手術(shù)導(dǎo)航等；用于持續(xù)監(jiān)測患者生命體征、預(yù)測疾病進(jìn)展的智能監(jiān)控系統(tǒng)；提供個性化健康管理建議、營養(yǎng)配餐、運(yùn)動指導(dǎo)的人工智能應(yīng)用健康管理平臺；在新藥開發(fā)過程中運(yùn)用人工智能技術(shù)進(jìn)行化合物篩選、臨床試驗(yàn)設(shè)計的藥物研發(fā)與篩選系統(tǒng)等。

2. 責(zé)任主體

責(zé)任主體應(yīng)覆蓋醫(yī)療人工智能技術(shù)全鏈條參與者，包括但不限于負(fù)責(zé)人工智能算法設(shè)計、軟件開發(fā)及硬件制造的開發(fā)商與生產(chǎn)者；適用人工智能技術(shù)進(jìn)行診斷、治療、護(hù)理的醫(yī)院、診所等；直接操作人工智能設(shè)備或依據(jù)人工智能建議提供醫(yī)療服務(wù)的醫(yī)生、護(hù)士等；涉及醫(yī)療數(shù)據(jù)手機(jī)、存儲、分析的第三方數(shù)據(jù)處理方。

3. 損害類型

保險應(yīng)針對由醫(yī)療人工智能技術(shù)引發(fā)的不同類型損害提供保障，包括因人工智能誤診、治療錯誤直接導(dǎo)致患者身體損傷或健康狀況惡化的直接身體傷害；患者因人工智能技術(shù)應(yīng)用不當(dāng)遭受的心理創(chuàng)傷等精神損害；患者因人工智能錯誤導(dǎo)致的額外醫(yī)療費(fèi)用、誤工費(fèi)及其他直接經(jīng)濟(jì)損失；醫(yī)療人工智能系統(tǒng)處理患者數(shù)據(jù)過程中發(fā)生的個人隱私泄露事件。

（三）賠付項(xiàng)目

保險法的根本特點(diǎn)是補(bǔ)償原則[37]。對受害者而言，索賠處理的便捷性極為關(guān)鍵，直接影響其體驗(yàn)滿意度[38]。它涵蓋了直接與間接的損失，旨在全面恢復(fù)受害者至損害發(fā)生前的狀態(tài)，或盡可能地減輕其因人工智能技術(shù)應(yīng)用不當(dāng)造成的不利影響。

1. 直接醫(yī)療費(fèi)用

直接醫(yī)療費(fèi)用包括因人工智能技術(shù)錯誤導(dǎo)致的初次治療、后續(xù)復(fù)健、手術(shù)、藥物及醫(yī)療設(shè)備使用等所有必要醫(yī)療支出；若損害導(dǎo)致患者生活自理能力下降，需支付護(hù)理、輔助器具購置或改造生活設(shè)施的費(fèi)用，即輔助生活費(fèi)用；為恢復(fù)身體功能及心理健康所需的康復(fù)訓(xùn)練、心理咨詢及治療費(fèi)用。

2. 間接經(jīng)濟(jì)損失

間接經(jīng)濟(jì)損失主要包括：收入損失，即患者因傷害所致誤工損失，以及未來預(yù)期收入減少的補(bǔ)償（根據(jù)職業(yè)評估及傷殘程度確定）；照護(hù)成本，即家庭成員因照顧患者而產(chǎn)生的誤工費(fèi)或聘請護(hù)工的費(fèi)用；生活補(bǔ)助，在治療及恢復(fù)期間，為維持原有生活水平提供的經(jīng)濟(jì)補(bǔ)助；特別情況的費(fèi)用與后續(xù)關(guān)懷支出，如對于造成永久性傷害或嚴(yán)重殘疾的情況，提供長期的生活護(hù)理與醫(yī)療支持費(fèi)用；若損害導(dǎo)致患者不幸離世，向其家屬提供喪葬費(fèi)用、依賴親屬的生活費(fèi)及精神撫慰金等。

（四）后續(xù)追償及其程序設(shè)計

基于損失補(bǔ)償原則、公平原則和不真正連帶債務(wù)原理，保險賠償完成后，保險公司享有代位求償權(quán)，有權(quán)向責(zé)任明確的最終責(zé)任主體追償[39]。追償機(jī)制需明確劃分責(zé)任歸屬，確保公平合理。

1. 責(zé)任主體的認(rèn)定

追償責(zé)任主體及其責(zé)任承擔(dān)份額的認(rèn)定適用《民法典》過錯責(zé)任原則。在此基礎(chǔ)上，通過大數(shù)據(jù)調(diào)查結(jié)果及技術(shù)分析等精準(zhǔn)鎖定追償對象，明晰過錯程度，確定責(zé)任份額。無論是醫(yī)療人工智能系統(tǒng)的制造商、軟件開發(fā)者、維護(hù)服務(wù)商，還是直接操作的醫(yī)務(wù)人員，均需根據(jù)其行為的過錯程度承擔(dān)相應(yīng)責(zé)任。這一過程不僅需要嚴(yán)謹(jǐn)?shù)姆煞治?，還涉及到技術(shù)鑒定、醫(yī)療專家意見等專業(yè)評估，確保追償?shù)目茖W(xué)性與精確度。

2. 追償程序

追償程序的設(shè)計應(yīng)靈活多元，涵蓋調(diào)解、協(xié)商、仲裁及訴訟等多種途徑，旨在高效解決爭議，減少不必要的法律成本。調(diào)解作為首選方案，旨在促進(jìn)雙方在第三方調(diào)解機(jī)構(gòu)的協(xié)助下達(dá)成和解，這有利于維護(hù)行業(yè)合作關(guān)系，減少對抗性①。然而，當(dāng)調(diào)解無果時，仲裁或訴訟則成為必要的法律武器，確保權(quán)利主張得以落實(shí)。

完善的后續(xù)追償機(jī)制及其程序設(shè)計對于醫(yī)療人工智能產(chǎn)業(yè)的正向激勵作用不容忽視。一方面，它促使醫(yī)療人工智能產(chǎn)業(yè)鏈的各參與主體更加注重技術(shù)研發(fā)與質(zhì)量控制，通過提高產(chǎn)品和服務(wù)的安全性來降低賠償風(fēng)險，這實(shí)質(zhì)上是市場機(jī)制對技術(shù)創(chuàng)新與質(zhì)量提升的內(nèi)在驅(qū)動。另一方面，通過追償實(shí)踐積累的案例與數(shù)據(jù)，為行業(yè)提供了寶貴的風(fēng)險管理經(jīng)驗(yàn)，促使相關(guān)主體建立更加科學(xué)的風(fēng)險預(yù)警與防控機(jī)制，有效減少了未來侵權(quán)事件的發(fā)生，為醫(yī)療人工智能技術(shù)的健康發(fā)展提供更加有效的保障。

結(jié)" 語

數(shù)據(jù)經(jīng)濟(jì)時代，人工智能技術(shù)在醫(yī)療服務(wù)領(lǐng)域的推廣和應(yīng)用是大勢所趨。無論是法學(xué)理論界還是實(shí)務(wù)界都必須正視這一現(xiàn)實(shí)并深入該課題的研究，以推進(jìn)相關(guān)立法進(jìn)程和司法實(shí)踐的統(tǒng)一，在推動智能醫(yī)療發(fā)展的同時，更有效應(yīng)對其中的風(fēng)險和挑戰(zhàn)。醫(yī)療人工智能風(fēng)險的多源性、責(zé)任主體認(rèn)定的技術(shù)依賴性及不確定性等特征要求我們突破傳統(tǒng)侵權(quán)損害救濟(jì)機(jī)制的局限，尋求與其風(fēng)險特征相適應(yīng)的救濟(jì)路徑，為醫(yī)療人工智能侵權(quán)受害人提供更加及時和周全的保障。保險制度的風(fēng)險分?jǐn)倷C(jī)制和賠付能力優(yōu)勢為醫(yī)療人工智能侵權(quán)損害救濟(jì)提供了可行的選擇，其不僅能夠彌補(bǔ)傳統(tǒng)侵權(quán)損害救濟(jì)機(jī)制之不足，有效維護(hù)受害人合法權(quán)益，還有助于推進(jìn)醫(yī)療人工智能技術(shù)的推廣與應(yīng)用。但醫(yī)療人工智能侵權(quán)損害保險救濟(jì)制度價值的實(shí)現(xiàn)還依賴于科學(xué)的制度設(shè)計，包括險種設(shè)計、適用范圍、賠付項(xiàng)目、追償及其程序設(shè)置等。此外，司法工作者應(yīng)充分了解醫(yī)療人工智能的風(fēng)險特征，認(rèn)識到傳統(tǒng)侵權(quán)損害救濟(jì)措施適用的困境，以積極司法突破現(xiàn)行法律框架之拘囿，推進(jìn)醫(yī)療人工智能侵權(quán)損害保險救濟(jì)制度的立法進(jìn)程。

參考文獻(xiàn)：

［1］韓曉光，朱小龍，姜宇楨，等.人工智能與機(jī)器人輔助醫(yī)學(xué)發(fā)展研究[J].中國工程科學(xué)，2023，25（5）：43-54.

［2］王軼晗，王竹.醫(yī)療人工智能侵權(quán)責(zé)任法律問題研究[J].云南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，52（3）：102-110.

［3］景荻.自動駕駛汽車侵權(quán)責(zé)任研究[D].西南政法大學(xué)，2019：95.

［4］賈章范，張建文.智能醫(yī)療機(jī)器人侵權(quán)的歸責(zé)進(jìn)路與制度構(gòu)建[J].長春理工大學(xué)學(xué)報（社會科學(xué)版），2018（4）：40.

［5］彭沛菲.醫(yī)療人工智能侵權(quán)責(zé)任適用問題研究[D].重慶大學(xué)，2023：3.

［6］孟亞楠.人工智能醫(yī)療產(chǎn)品侵權(quán)中的責(zé)任主體問題探究[J].東南大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2019（12）：91.

［7］張童.人工智能產(chǎn)品致人損害民事責(zé)任研究[J].社會科學(xué)，2018（4）：104.

［8］許可.人工智能的算法黑箱與數(shù)據(jù)正義[N].社會科學(xué)報，2018：3-29.

［9］司曉，曹建峰.論人工智能的民事責(zé)任：以自動駕駛汽車和智能機(jī)器人為切入點(diǎn)[J].法律科學(xué)（西北政法大學(xué)學(xué)報），2017（5）：170.

［10］何煉紅，王志雄.醫(yī)療人工智能影像診斷侵權(quán)損害賠償法律問題[J].政治與法律，2020，（3）：27-37.

［11］朱鐘銳，馬輝.手術(shù)機(jī)器人主體地位及其侵權(quán)責(zé)任承擔(dān)[J].中國衛(wèi)生法制，2023，31（6）：71-76.

［12］Brakenhoff TB， van Smeden M， Visseren FLJ， et al. Random measurement error： Why worry？ An example of cardiovascular risk factors[J]. PLOS ONE， 2018， 13（2）： e0192298[2024-05-23].https：//doi.org/10.1371/journal.pone.0192298.

［13］David Casacuberta. Bias in a Feedback Loop： Fuelling Algorithmic Injustice[EB/OL].（2018-05-09）[2024-05-

23]. https：//lab.cccb.org/en/bias-in-a-feedback-loop-

fuelling-algorithmic-injustice/.

［14］趙偉.數(shù)字時代的醫(yī)療算法歧視及其法律規(guī)制[J].上海法學(xué)研究，2022，7（1）：177-199.

［15］Craig Konnoth. Health Information Equity[J]. Colorado Law Scholarly Commons， 2017， 165： 1317. https：//scholar.law.colorado.edu/faculty-articles/701.

［16］Helen Smith， Kit Fotheringham. Artificial intelligence in clinical decision-making： rethinking liability[J]. Medical Law International， 2020， 20（2）： 136.

［17］鄭志峰.診療人工智能的醫(yī)療損害責(zé)任[J].中國法學(xué)，2023（1）：203-221.

［18］Thomas P Quinn， Manisha Senadeera Stephan Jacobs et al. Trust and medical AI： the challenges we face and theexpertise needed to overcome them[J]. Journal of the American Medical Informatics Association， 2021， 28（4）： 890-894.

［19］[美]戴維·Ｇ·歐文.產(chǎn)品責(zé)任法[M].董春華，譯.北京：中國政法大學(xué)出版社，2012：339-340.

［20］Lise Aagaard. Artificial Intelligence Decision Support Systems and Liability for Medical Injuries[J]. Journal of Research in Pharmacy Practice， 2020， 9（3）： 125-127.

［21］趙西巨. 我國《侵權(quán)責(zé)任法》中的醫(yī)療產(chǎn)品責(zé)任立法之反思——以商品與服務(wù)二分法為視角[J].東方法學(xué)，2013（2）：102.

［22］楊立新，岳業(yè)鵬.醫(yī)療產(chǎn)品損害責(zé)任的法律適用規(guī)則及缺陷克服——“齊二藥”案的再思考及《侵權(quán)責(zé)任法》第59條的解釋論[J].政治與法律，2012（9）：121.

［23］朱鐘銳，馬輝.涉及手術(shù)機(jī)器人醫(yī)療損害糾紛案例分析[J].中國醫(yī)院，2024，28（5）：72-74.

［24］鄭志峰.人工智能產(chǎn)品責(zé)任的立法更新[J/OL].法律科學(xué)（西北政法大學(xué)學(xué)報），2024（4）：1-15[2024-06-27].

［25］張新寶.侵權(quán)責(zé)任法[M].第5版.北京：中國人民大學(xué)出版社，2020：212.

［26］Jose Javier González de Alaiza. Open Source， Free Software and Contractual Issues[J/OL]. （2006-07-27）[2024-05-25]. https：//law.bepress.com/expresso/eps/1475/.

［27］W. Nicholson Price II. Artificial Intelligence in Health Care： Applications and Legal Implications[J]. The SciTech Lawyer， 2017， 14（10）： 11-12.

［28］楊立新.侵權(quán)責(zé)任法：條文背后的故事與難題[M].北京：法律出版社，2011：203.

［29］馬俊駒，余延滿.民法原論[M].4版.北京：法律出版社，2016：175-176.

［30］王利明.論高度危險責(zé)任一般條款的適用[J].中國法學(xué)，2010（6）：152-164.

［31］劉云開.人工智能生成內(nèi)容的著作權(quán)侵權(quán)風(fēng)險與侵權(quán)責(zé)任分配[J].西安交通大學(xué)學(xué)報（社會科學(xué)版）：1-13.

［32］齊岳，廖科智，劉欣，等.創(chuàng)新創(chuàng)業(yè)背景下科技型中小企業(yè)融資模式研究——基于知識產(chǎn)權(quán)質(zhì)押貸款A(yù)BS模式的探討[J].科技管理研究，2018，38（18）：127-132.

［33］魏瑋.利益平衡論及其在知識產(chǎn)權(quán)司法保護(hù)中的應(yīng)用[J].法律適用，2004（11）：15-18.

［34］勞東燕.風(fēng)險社會與變動中的刑法理論[J].中外法學(xué)，2014，26（1）：70-102.

［35］鄭智航.人工智能算法的倫理危機(jī)與法律規(guī)制[J].法律科學(xué)（西北政法大學(xué)學(xué)報），2021，39（1）：14-26.

［36］柴瑞娟.監(jiān)管沙箱的域外經(jīng)驗(yàn)及其啟示[J].法學(xué)，2017（8）：27-40.

［37］[美]所羅門·許布納.財產(chǎn)和責(zé)任保險[M].陳欣等，譯.北京：中國人民大學(xué)出版社，2002：46.

［38］黃立強(qiáng)，沈宇，石浩.保險科技對保險價值鏈的沖擊與影響[J].經(jīng)貿(mào)實(shí)踐，2018（14）：75-77+79.

［39］李中原.論民法上的補(bǔ)充債務(wù)[J].法學(xué)，2010（3）：78-91.