# 皮肤科医生

> 负责皮肤、毛发和指甲的医生:检查全身皮肤和单个皮损(常常借助皮肤镜),决定哪些要活检或切除,做皮肤肿瘤手术,长期管理银屑病、湿疹、痤疮这类慢性病,也做美容和激光治疗。这份工作视觉成分格外重,所以机器最先够到的,是「看一眼皮损」这一步:用皮肤照片训练的图像分类器能给转诊分拣、标出可疑的痣,语言工具能起草病历和信函。留在皮肤科医生手里的是动手、问诊和签字——活检与手术、按月调整的治疗,以及漏掉一个黑色素瘤时由谁负责。

网页: https://flyvolo.ai/zh/careers/dermatologist
影响指数: 37/100 · 置信度 低置信度 · 评估于 2026-10-25
这不是失业概率。

## 适用范围

适用于皮肤科医生(包括皮肤外科和 Mohs 手术医生),公立医疗体系和私人诊所都算在内。全科医生、病理科医生(他们判读皮肤活检)、外科医生和执业护士各有自己的页面;没有医师执照、只做美容护理的美容师是另一种工作。标为平台推断的判断,依据的是每项任务由什么构成、现有技术总体上能做什么;它们不是对这一职业的测量。

## 任务

### 全身皮肤检查与皮损判断

- 方向: 正在被增强
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 判断单个皮损是对一张图像做模式识别,而用皮肤镜照片训练的图像分类器正擅长这个;全身摄影系统还能给痣建档,并在两次就诊之间比对变化。但检查本身是动手的、要有取舍:让患者脱衣、调好光线、摸一摸皮损、发现患者自己没提到的那一处,再结合病史,比如痣最近变了、家里有人得过皮肤癌。执照规则让医生对漏诊的黑色素瘤负责,所以软件是以第二意见或变化追踪工具的身份进来,由皮肤科医生来读,而不是由它来下判断。
- 这还不能说明什么: 这里判断的是决定权归谁,不是这项工作还占皮肤科医生多少时间:能建档和预先分拣皮损的软件,可以缩短每次检查,让更少的皮肤科医生看更多的患者。如果有一项注明日期的部署,让分类器在专科门诊里不经皮肤科医生审核就决定哪些皮损不必处理,这个判断就会往「正在自动化」移动。

### 转诊分诊与皮肤照片判读

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 这是整份工作里最暴露的部分,因为它本来就是远程、看图、成批完成的:皮肤科医生看到的是一张照片和几行字,不是一个人。图像分类器几秒钟就能给同一张照片分级,对它判为明显良性的皮损,可以不经专科医生过目就给出答复。皮肤癌门诊排队很长的医疗体系,有充分理由这样用它;医疗器械规则也能把独立做出这种决定的软件当作受监管的器械来管。留给皮肤科医生的是更难的那部分:看不清的图像、皮疹、训练数据较少的深肤色,以及软件往上转的病例。
- 这还不能说明什么: 这里说的是,分诊里明显良性的那一端可以不经专科医生运行;它没有说那一端占多大比重,而自动化流程里一旦漏掉一例癌症,可能会让「必须有人看」的规则回来。能改变这个判断的证据是:注明日期的材料显示医疗体系在安全事故后撤回了自主分诊,或者它的使用一直停留在试点规模。
- 记录:
  - 2024-12-09 · 实际部署 · 切尔西和威斯敏斯特 NHS 信托医院:自主 AI 不经皮肤科医生审核即为良性皮损患者结案,释放逾 35% 的皮肤科门诊号源 — https://flyvolo.ai/zh/changes/ev-20241209-dermatologist-1 (来源: https://www.chelwest.nhs.uk/about-us/news/news-archive-old/2024/trust-expands-use-of-regulated-ai-to-safely-speed-up-patient-access-to-skin-cancer-diagnosis-and-treatment)

### 活检与皮肤肿瘤手术

- 方向: 仍由人主导
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 这是在活生生、会动、各人形状不同的体表上做的精细手工,切缘和缝合的决定是在下刀过程中做出的。手术机器人在大手术里延伸的是外科医生的手,而这里是在诊室里、局部麻醉下做的小手术,机器人的成本会远远高过手术本身的收入。影像软件可能帮忙决定在哪里取活检、帮忙判读切缘,但下刀和对它负责的仍是医生。
- 这还不能说明什么: 工作还在人手里,不等于工作量保得住:如果分诊和筛查软件让送来切除的良性皮损变少,手术数量可能下降,哪怕每一台仍由人来做。按各地规则,其中一部分还可以交给护士和医师助理。如果有一项注明日期的部署,让某种设备只在人的监督下完成皮肤切除,这个判断就会改变。

### 诊断与治疗皮肤病

- 方向: 仍由人主导
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 炎症性皮肤病的诊断更多靠来龙去脉,而不是一张照片:什么时候开始、什么会让它加重、患者还在用什么药、上次治疗反应如何。图像分类器看皮疹不如看痣,因为同一种外观可能有很多种原因;语言模型能列出可能性,却不能检查患者,也不能为一张处方负责。用强效药物,需要持证的处方者长期盯着验血结果和副作用。软件只在边上帮忙,比如提醒和患者在两次就诊之间发来的照片,并不改变由谁来决定。
- 这还不能说明什么: 这个判断依据的是现有系统看皮疹有多难,以及处方规则,两者都可能变。配备了决策支持的全科医生,也可能把过去要转诊的病例留在自己手里——这样皮肤科医生的份额会缩小,而没有任何机器给患者治过病。如果有证据表明某种决策支持或图像系统能在各种肤色上准确诊断常见皮疹,并被用来不经转诊就结案,这个判断就会改变。

### 美容与激光治疗

- 方向: 仍由人主导
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 这里的机器是由医生来瞄准的工具:激光可以自己设定能量,但得有人判断肤质、留疤或色素改变的风险,以及患者的期望是否现实。付费的客人选的是人和诊所,出了并发症要有人担责。模拟效果或建议参数的软件帮的是咨询和方案,不是操作本身。
- 这还不能说明什么: 这项工作的压力与其说来自自动化,不如说来自分流:在很多地方,护士和医美从业者已经在做这些治疗,而谁可以做的规则因地而异、也在变。这个判断不涵盖这种竞争。如果有注明日期的部署显示,某种设备除了初始设置外无需操作者就能完成治疗,并在诊所里普遍使用,这个判断就会改变。

### 病史、记录、信函与患者指导

- 方向: 正在被增强
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 听、归纳和写,正是语音识别和语言模型如今做得好的事:能旁听问诊的工具可以起草记录和信函,同样的模型也能起草消息回复和常规指导。规则让医生对病历负责,所以仍要有人审核、签字——这也是为什么它加快了工作,而没有把工作拿走。真正能改变行为的指导,比如说服患者去查一颗正在变化的痣,仍要靠对说话的人的信任。
- 这还不能说明什么: 省下的文书时间可能用来多看患者,而不是少干活,所以这并不说明需要的皮肤科医生会不会减少。能改变这个判断的证据是:起草的记录通常不经临床人员审核就归档,或者皮肤科门诊大规模使用 AI 起草,并测得了它对时间或差错的影响。

## 怎么引用

- 单位是任务,不是职位名:说哪些任务在变、哪些不变。
- 每项任务的依据与限制要一起带上;推断不是结论。
- 本页不给年份。不要从中推出一个。
- 更多: https://flyvolo.ai/llms.txt