人工智能醫療產業的競爭風險治理

摘要：人工智能醫療是社會與技術共生的系統，醫療健康數據與算法共同構成了人工智能醫療行業發展的支點。人工智能醫療企業可能利用數據與算法實施不正當競爭行為，由此衍生出的數據驅動型與算法驅動型兩種競爭風險對公平的市場競爭秩序造成了沖擊。對此，我國采取傳統競爭法的規制方式對其予以治理，將數據與算法納入競爭法的規制范疇；歐美則通過專門立法的方式，將數據與算法納入數字經濟領域競爭法的規制范疇，積累了豐富的反壟斷執法經驗。立足于人工智能醫療產業市場競爭的特殊性，我國應當參考域外的立法與執法經驗，探索更具效能的競爭風險治理體系。這不僅要求借助監管沙盒的政策工具對人工智能醫療產品或服務進行測試，對相關的競爭法規范與政策進行檢驗；還要求根據數據、算法的類型化界分，進一步完善競爭法規制機制，例如重構相關市場界定方法、健全競爭力審查規則、創新算法共謀的認定機制等。

關鍵詞：人工智能醫療；數據；算法；反不正當競爭法；反壟斷法；監管沙盒

一、引言

人工智能技術應用于醫療領域而產生的人工智能醫療，已經成為實現智慧醫療與精準醫療目標的有效手段。人工智能醫療是一種技術與社會共生演化的系統，需要我們為其提供足夠的內生動力，同步完善配套的政策法規。這要求我國在推動人工智能醫療市場化時，應當平衡技術風險與創新效益，并健全監管政策以防止數據壟斷等非法行為。人工智能醫療產業的迅速發展對監管體制提出了更嚴格的要求，建立更加科學、合理、高效的監管體制刻不容緩。一是建立國家級的人工智能醫療評估體系，確保相關產品或服務在投入實際使用時的安全性與有效性；二是完善國家醫療數據監管體系，保持醫療數據流動與健康數據保護之間的平衡；三是健全人工智能算法的監管機制，探索監管協同與監管信賴合作模式。這是因為，人工智能醫療屬于一種全新的商業模式，以算法與數據為主導的數字市場競爭風險同樣存在。例如，人工智能醫療企業因掌握先進的人工智能算法與海量的數據而獲得信息權力，濫用信息權力將產生經營者集中、排他行為以及價格歧視等沖擊市場公平競爭的現象。作為醫療健康領域新質生產力的代表，人工智能醫療已成為推動我國醫療產業高質量發展的主要推手，亟需競爭法的積極介入以應對后續市場環境的變化。鑒于此，本文將以人工智能醫療產業為中心，探討由數據與算法導致的競爭風險問題以及治理路徑。

二、人工智能醫療產業競爭風險的雙重性

人工智能醫療企業會通過數據壟斷、算法的使用壟斷來影響市場公平競爭。數據或算法驅動型的不正當競爭行為并不鮮見，經營者濫用數據、算法手段可能造成兩種競爭風險，阻礙市場公平競爭。但人工智能醫療除了效果維度上的競爭風險具有雙重性，動因維度上的競爭風險也具有雙重性。

（一）雙重風險的動因揭示

數據與算法是決定人工智能醫療產業發展的內在驅動力，共同構成人工智能醫療系統運作的核心要素。人工智能醫療以醫療數據為基礎，結合人工智能算法，得出適當的醫學決策建議。例如，在人工智能輔助診斷領域，人工智能醫療通過深度學習算法模擬醫生的思維與診斷，不僅需要深度學習算法的支持，更需要海量的醫學知識或醫療診斷影像等數據進行訓練。正如，ChatGPT算法需要收集海量的數據用以訓練模型，通過收集演示數據和比較數據不斷進行監督策略模型與獎勵模型的訓練，并通過重復與迭代不斷對模型進行優化，才能獲得自主學習的能力。在技術層面，人工智能醫療模仿醫生的“智力”而進行診斷活動，仿真性的高低也取決于算法模型的科學性以及數據的充足性。同時，數據與算法在不同人工智能醫療領域的主導性不同。在智慧醫療領域，人工智能醫療的目的是實現醫療全過程的數字化，提高醫院管理服務的智能化水平，更注重數據這種核心要素的作用；在精準醫療領域，人工智能醫療通過深度學習算法優化對病人數據的分析，并制定個性化的治療方案，更注重算法這種核心要素的作用。

人工智能醫療所仰賴的數據與算法具有特殊性。（1）數據的特殊性表現為所處的領域是醫療健康領域，蘊含著醫療健康信息。在形成維度上，醫療健康數據源于患者，屬于患者的關鍵敏感信息；在資源維度上，醫療健康數據具有社會性與公共性的特點，成為醫療機構的核心資源與核心競爭力。這些信息涉及患者健康狀況、財務能力、家庭關系甚至是保險與就業內容，其收集、處理與使用可能與患者的信息自主權與信息隱私權高度相關。為了促進醫療健康數據的使用，醫療機構具有對醫療健康數據的財產權，但財產權的行使必須符合法律對患者個人信息保護的要求以及確保公共利益的實現。（2）算法的特殊性在于，人工智能算法是產生人工智能醫療決策的關鍵，卻具有不透明性。這對于要求符合高度安全性標準的醫療產業而言，將產生顯著的醫療風險。具體而言，基于機器學習算法的人工智能醫療系統存在算法黑箱問題，使用者無法得知醫療決策結果的運算過程以及影響因素；更甚者，使用者可能會因為人工智能算法涉及商業秘密而被生產者拒絕告知算法的細節。這種算法黑箱阻礙醫生對患者的告知同意義務的履行并影響醫療過失責任的認定，醫生可能因此采取防衛性醫療行為，導致患者無法得到最佳的醫療服務。

數據與算法導致的人工智能醫療風險與挑戰主要體現在四個方面。（1）人工智能醫療的隱私風險。醫療健康數據涉及患者心理或生理上的私密信息，例如基因信息所蘊含的健康信息可能影響患者的就業、教育與保險而造成差別待遇問題，需要特別保護。（2）人工智能醫療的偏見風險。人工智能醫療的偏見可能是醫療健康數據產生的偏見，例如收集的數據過于片面；也可能是算法產生的偏見，例如算法本身存在瑕疵而忽略醫學倫理問題。（3）人工智能醫療的黑箱風險。例如，深度學習算法的不透明性不僅表現為患者或消費者無從知曉人工智能醫療系統的品質優劣，甚至連醫療人員也無從判斷人工智能醫療產品的有效性與安全性。（4）人工智能醫療的信息安全風險。智慧醫療的互聯互通加大了醫療健康信息外泄的風險；黑客的網絡攻擊不僅會導致醫療健康信息的泄露，還可能導致人工智能算法被篡改而威脅患者的生命安全。這些風險也凸顯了數據與算法在人工智能醫療中的重要性，人工智能醫療企業則可能借助自己在數據與算法方面的優勢，實施排除、限制競爭效果的行為。這就是人工智能醫療在動因維度上的雙重競爭風險，即數據驅動型競爭風險與算法驅動型競爭風險。

（二）基于數據的競爭風險

不同于一般的產品或服務市場，無論是傳統醫療市場還是人工智能醫療市場都具有不確定性，也不符合信息充分披露的市場條件。一是需求的不確定性，患者對醫療服務的使用無法預先控制，具有較高的不可預測性；二是供給的不確定性，患者無法知曉醫療產品或服務的品質高低，醫療服務的非自愿性也導致患者對醫療人員具有高度依賴性。在這種不符合信息充分披露要求的市場下，醫療行業的市場準入制度極為嚴格，以此維護醫療市場的公益屬性。市場準入制度的初衷也是防范市場失靈和公平配置資源，以維護社會公共秩序、公共利益。事實上，醫療市場并不符合以消費者偏好作為提供商品或服務依據的一般市場法則，而是仰賴醫生專業、客觀、公正的判斷。人工智能醫療將專業判斷轉化為算法運算，人工智能醫療的品質取決于醫療健康數據投喂的量，大量的醫療健康數據又涉及隱私保護與數據利用的平衡問題。在人工智能醫療的場景中，醫療健康數據具有更強的市場競爭力，成為影響人工智能醫療企業的關鍵因素。

一方面，醫療健康數據的市場競爭屬性影響著人工智能醫療產業的競爭秩序。（1）數據的排他性。集中掌握醫療健康數據的企業拒絕共享數據，則可能對其他競爭者產生進入市場的障礙。醫療健康數據是受法律特殊保護的數據，數據的掌握者以法律限制為由拒絕共享數據，將加大數據獲取的難度，對其他潛在市場競爭者產生排他效應。（2）數據的學習效應。患者不斷使用人工智能醫療系統從而提升算法分析的精準度與預測結果的可靠性，可能導致壟斷醫療健康數據的企業進一步壟斷相關的數據驅動型市場，造成強者恒強的競爭格局。（3）數據的網絡效應。醫療健康數據的掌控者可能同時壟斷市場的供給與需求，通過網絡互動影響其他使用者對服務的價值判斷，成為唯一的“知情者”而維持一家獨大的局面。（4）數據的可替代性。人工智能醫療企業所掌握的醫療健康數據難以被其他資產進行替代，增加了競爭者進入市場的障礙。（5）數據的商業競爭性。醫療健康數據使用的技術、方式、目的等的內在聯系，同樣可能導致上下游企業產生競爭關系。例如，數據驅動型市場重視數據的流動、開發與利用，醫療健康數據收集、處理的成本不同就會影響整個人工智能醫療產業鏈。

另一方面，人工智能醫療基于數據的競爭風險主要表現在水平競爭與垂直競爭兩個維度。在水平競爭關系上，人工智能醫療企業之間可能協議共同收集或共享醫療健康數據，并產生排除、限制競爭的效果。將醫療健康數據集中于數據池并進行共享有助于促進數據的充分利用，但也可能產生排除、限制競爭的效果。例如，涉及商業上敏感信息的數據共享可能構成橫向聯合行為，其排除、限制競爭的效果分析應當結合共享的目的、具體執行措施、企業間的競爭關系、市場結構以及共享的效果等進行綜合分析。在垂直競爭關系上，人工智能醫療企業可能借助對醫療健康數據的控制權實施差別待遇行為、搭售行為或排他性交易行為。一是醫療健康數據被某些人工智能醫療企業所獨占，拒絕分享數據庫的行為將導致上下游企業經營受到影響。二是人工智能醫療企業可能搭售其特有的數據庫及數據分析服務，利用這些被壟斷的醫療健康數據在相關市場提供更為個性化的醫療服務，發揮其他競爭者所沒有的競爭優勢。三是人工智能醫療企業可能通過簽訂獨家合同，達到禁止數據中介商將相關醫療健康數據銷售給競爭對手的目的；也可能通過獨占自己擁有的醫療健康數據，使數據產生排他性而遏制其他競爭企業獲得相關數據。

（三）基于算法的競爭風險

算法是將醫療健康數據轉化為有效的醫療決策的手段，目的在于求解醫療健康數據價值的最大化結果。在人工智能醫療場景下，算法在實現理性醫療、精準醫療與高效醫療時也面臨各種風險。首先，算法理性沖擊患者生命健康權的保障機制，患者知情權在算法偏見與算法黑箱的支配下無從保障。其次，算法智能消解醫生的主體性地位，醫生的自主決策空間受到人工智能輔助決策的擠壓。最后，算法介入模糊法律歸責，責任主體與因果關系的認定更為復雜。

人工智能醫療的算法運作機制具有三方面的風險。其一，算法決策深度影響醫患共同決策機制。算法理性與醫療人文關懷的沖突更為顯著，算法的不可控風險始終是人工智能醫療領域的一個隱憂。其二，算法公平給市場公平、健康公平與社會公平帶來新挑戰。人工智能算法的分發結果可能影響患者選擇最匹配的醫療，患者因受到算法偏見、信息繭房的影響，可能無法享受到充分的健康權利。其三，爬蟲算法威脅醫療健康信息安全。人工智能算法消解患者對醫療健康信息的控制權，爬蟲算法在擴大信息收集范圍的同時也產生更多的醫療健康信息安全隱患。

人工智能醫療算法最可能產生反競爭效果的行為就是“算法共謀”。雖然算法本身并無法律意義上的價值判斷，但其對市場競爭的影響卻常與“技術中立”背道而馳，可能產生反競爭效應。算法作為技術工具，其可通過三方面影響市場競爭。一是算法提升市場透明度，讓經營者從算法的預測能力與決策規則中受益；二是算法提升經營者的交互度，可有效降低經營者的溝通成本，防止消費者對價格變動有充足的反應時間；三是算法擴展共謀市場范圍，經營者利用算法的隱蔽性以及監督機制能夠有效達成具有穩定性的共謀。人工智能醫療中的算法也具有前述影響市場競爭的特點，進而使不同人工智能醫療企業之間出現以算法實施橫向聯合的違法行為。例如，人工智能醫療企業可以將本屬于企業之間交換信息的合謀方式，演變為算法的執行行為，并持續對整體市場進行監測分析。借此，人工智能醫療經營者對智能醫療服務長期競爭價格水平形成共謀，造成損害患者（消費者）權益的反競爭效果。

具體而言，算法主導的排除、限制競爭行為主要存在四種現象，人類與算法分別主導四種中的前兩種與后兩種。（1）算法作為共謀行為的信使（Messenger）。此時的算法是作為人工智能醫療企業意志的延伸，企業間的勾結共謀行為已經存在，算法只是幫助執行這種勾結協議。（2）借助人工智能算法實行軸輻類共謀（Hub and Spoke）。人工智能醫療的同行業競爭者分別使用經營者的同一算法而形成多個縱向協議，但各個縱向協議的實施內容與競爭效果類似，導致同行業競爭者之間形成了橫向協議，損害患者（消費者）利益或對其他競爭者造成價格競爭。（3）算法成為可預測的代理人（Predictable Agent）。人工智能醫療企業設計或使用算法的目的之一就是跟蹤市場變化并回應競爭者的調價行為，算法預設的回應措施是可預見的，甚至會導致形成有意識的平行行為或默示共謀行為。（4）算法成為電子眼（Digital Eye）。算法利用人工智能作出利益最大化的自主決策，這種自主決策與人的意志完全無關，但可能構成默示合謀。至此，算法共謀可能給人工智能醫療產業帶來的競爭風險在于，阻礙有效市場競爭結構的形成、抑制市場創新機制以及損害患者（消費者）的合法權益。

三、中外人工智能醫療產業的競爭法規制

如今，人工智能醫療產業已擴及醫療產業的上、中、下游，涉及生物醫學研究、轉譯醫學、臨床醫療和醫療行政管理等方方面面。傳統的競爭風險治理規范可能無法涵蓋人工智能醫療產業中的數據與算法治理需求，并可能需要針對性地創造更為全面的新規范。意識到此，無論是我國還是歐美等國家，都在積極發展人工智能醫療產業，并結合各自的競爭政策對人工智能醫療產業進行競爭法規制。

（一）中國實踐：納入傳統競爭法的規制

我國人工智能醫療產業獲得了高速發展，人工智能醫療企業在智能診療、醫療機器人、藥物研發、智能醫學影像、智能健康管理這五大應用場景進行了積極探索。2015—2020年我國人工智能醫療規模年均復合增長率高達12.4%，并在2020年行業應用規模就達到542億元；2021年以來，我國開始將手術機器人納入省級醫保，智能健康管理更是不斷走向商業化、市場化。在產業戰略上，2022年國務院辦公廳印發《“十四五”國民健康規劃》，提出通過人工智能技術做優做強健康產業，推動人工智能醫療器械、人工智能“數字醫生”與其他人工智能醫療服務的發展。同年，科技部印發《關于支持建設新一代人工智能示范應用場景的通知》，明確智能診療為我國首批人工智能示范應用場景，要求加強醫療數據庫知識庫建設和大規模醫療人工智能模型訓練。但我國人工智能醫療產業價格競爭較為嚴重，以智能健康管理為主的產品同質化明顯，產業鏈健全的人工智能醫療企業具有較高的市場競爭力。事實上，產業鏈健全的人工智能醫療企業具有較高的市場占有率，在一定程度上會對其他競爭者進入市場造成障礙，也可能會產生價格歧視行為、排他性交易行為或搭售行為，亟需競爭法的積極介入。

在基于數據的競爭風險規制方面，我國競爭法要求人工智能醫療企業正當行使醫療健康數據資源的使用權。人工智能醫療企業需要公平地利用醫療健康數據，避免獨占使用的情況，遵守個人信息保護法的要求，履行公平競爭的義務。一方面，2022年修正的《反壟斷法》增加第9條數據壟斷與第22條數據型濫用市場支配地位行為的規制內容，人工智能醫療企業不得以醫療健康數據的使用權從事壟斷行為。另一方面，2022年發布的《反不正當競爭法（修訂草案征求意見稿）》第4條、第15條與第18條分別禁止經營者利用數據從事不正當競爭行為、以影響用戶選擇或其他方式擾亂市場公平競爭秩序、不正當獲取或使用其他經營者的商業數據而損害其他經營者和消費者的合法權益。這些競爭法規范在宏觀層面禁止人工智能醫療企業實施反競爭行為，但在微觀層面仍缺乏對醫療健康數據壟斷協議以及醫療健康數據領域“搭便車”行為的專門性、針對性規制內容。《反不正當競爭法（修訂草案征求意見稿）》的數據條款也無法涵蓋醫療健康數據不正當競爭行為，單獨規定相關不正當競爭行為的內容仍有必要。此外，醫療健康數據也是在流轉與使用中產生價值，我國同樣缺乏激勵醫療健康數據市場健康發展的政策法規。

在基于算法的競爭風險規制方面，我國競爭法將算法與數據一同規定，禁止人工智能醫療企業利用算法實施反競爭行為。依據《反壟斷法》第9條與第22條的規定，人工智能醫療企業禁止利用算法實施對市場競爭產生排除、限制影響的壟斷行為。但該條文僅是概括性、描述性的條款，缺乏具有實操性的法律適用規定。深度學習的人工智能算法本身十分復雜，在競爭效果上具有促進與阻礙的雙面性，在當前的反壟斷法規范下，通過反壟斷的執法與司法解決算法共謀等問題仍十分困難。例如，算法共謀的主體認定問題涉及主觀要件、意思聯絡的證據、責任歸屬的確定、算法本身的智能化水平、算法的創新性效應與服務性效應等，反壟斷執法機構的執法能力與算法水平并不匹配。《反不正當競爭法（修訂草案征求意見稿）》第15條和第19條也只對算法驅動型不正當競爭行為違法性判定的抽象標準進行規定。其中，“通過影響用戶選擇或者其他方式”的標準過于寬泛，“影響”可能誤傷算法驅動的正當競爭行為并侵犯消費者的自主選擇權。另外，“在交易條件上對交易相對方實施不合理的差別待遇或者進行不合理限制”的行為要件缺乏針對性。算法的智能性、隱蔽性、復合性與穩定性等特點可能在實踐中架空這一條文。

（二）歐美經驗：制定數字競爭法的探索

美國和歐盟也在積極布局人工智能醫療產業，相關應用與發展處于世界領先的水平。在規劃布局方面，美國利用人工智能技術預測并發癥、挖掘電子病歷數據以及自動執行醫療決策，并在《基于人工智能/機器學習的醫療器械軟件行動計劃》中探索對人工智能醫療進行全生命周期的監管方案，建成較為完善的醫療健康數據庫。歐盟各國也利用人工智能制定個性化的醫療預防與治療策略，積極推進醫療健康數據資源的建設，關注人工智能醫療的倫理問題。2024年歐盟議會批準的《人工智能法案》注重人工智能的治理，并要求建立國家層面的監管沙盒和真實世界測試。一方面，歐美重視對人工智能醫療算法的風險監管，通過分級分類管理、全生命周期的安全管理等機制，防范算法自動化決策潛在的歧視、不公平與隱私泄露風險。另一方面，歐美注重醫療健康數據的使用，不斷完善醫療數據資源建設。在此背景下，醫療健康數據可能成為關鍵設施，相關人工智能醫療企業無正當的技術上或商業上理由拒絕其他競爭者使用時，可能直接妨礙競爭而受到競爭法的規制。關鍵設施理論的目的是防止企業因維持或擴大獨占性地位而進行的排除、限制競爭行為，本質是對企業信息權力的競爭法規制。

歐美對醫療健康數據市場的競爭法規制有豐富的立法與實踐經驗。歐盟2020年公布的《數字服務法案》和《數字市場法案》分別厘清了數字服務責任與義務的歸屬、規范互聯網平臺的市場競爭。前者要求人工智能醫療企業遵循競爭法的事前管制機制，提高透明化的要求，履行更高的守門員義務；后者要求大型的人工智能醫療企業維護公平競爭與保障消費者權益，履行在事前校正與檢驗相關服務的義務，禁止利用數據優勢實施反競爭行為，并配置了舉證責任轉換或無需執法機構舉證限制競爭效果的機制。歐盟還計劃設立健康數據空間對醫療健康數據進行管理，并新設專門的委員會負責管理。美國2021年以反托拉斯法為主旨通過了限制科技壟斷企業的反競爭行為的五項法案。歐美也對醫療健康數據的反壟斷執法有一定的實踐。例如，Google公司于2020年宣布收購醫療健康企業Fitbit公司以擴展醫療健康領域的市場，導致執法機構的反壟斷調查。歐盟的調查報告認為收購的對象主要是硬件設備而非數據，相關醫療健康數據不會用于定向廣告投放以及Google公司承諾維護用戶數據的隱私，最終批準并購。同樣，美國司法部對Google公司開展反托拉斯調查，原因也是擔心Google公司利用從Fitbit公司獲得的醫療健康數據來鞏固其在網絡廣告市場的地位。

歐美也重視對人工智能醫療算法的競爭法規制，并通過加大監管等方式確保算法不損害市場公平競爭。歐盟委員會對人工智能醫療的算法共謀采取嚴格禁止的立場，并對相關責任認定機制進行明確。第一，無論采取何種方式達成明確的共謀事實并運用算法實施這種共謀，人工智能醫療企業都違反競爭法，原因是企業實施了勾結行為。第二，人工智能醫療企業作為管理者需要確保算法不從事任何非法行為，在網絡中通過算法進行共謀也違反競爭法。第三，人工智能醫療企業因為算法自主運行導致的違反競爭法行為，仍需要承擔法律責任，因為算法隸屬于企業控制，企業必須為算法行為負責。但美國對于算法共謀仍采取反托拉斯法進行規范，導致其面臨算法共謀認定上的困難。歐美也有關于基于算法競爭風險的反壟斷執法經驗。在差別定價方面，Amazon公司利用算法對消費者進行差別定價的行為引起了歐盟委員會的反不正當競爭調查，但該行為的合法性需要進一步根據個案分析。同理，人工智能醫療算法的差別待遇行為，可能對患者、醫療人員等造成不良影響。此外，歐盟委員會還對Google公司進行濫用市場支配地位的調查，并認為Google公司通過控制算法將自身電商服務優先排序顯示而獲得更多的流量，屬于損害市場競爭的違法行為。

（三）比較借鑒：域外競爭法規制的啟示

域外人工智能醫療的競爭法規制表明，無論是數據還是算法驅動的競爭風險，都需要在傳統競爭法之外另尋更具針對性的數字經濟領域的競爭法規范。傳統競爭法不足以應對由人工智能產生的競爭風險，專門的數字市場競爭規范成為域外各國探索的重點。數據或算法驅動的競爭需要透過立法改革或實務變革進行調整，以應對人工智能所帶來的競爭法斷層問題，實現競爭法的現代化轉向。其中，歐盟與美國對于人工智能醫療的競爭法規制存在區別，歐盟對數據與算法的監管更為嚴格，美國則采取較為寬松的監管方式并交由人工智能醫療企業進行行業自律。因此，歐美雖然對于人工智能醫療導致的市場競爭結構與違法性檢驗都具有相似性，但卻在對待反競爭行為的態度上分道揚鑣。例如，在互聯網平臺的反壟斷法規制問題上，美國司法判決與壟斷企業并肩而行，歐盟則挺身而出對抗壟斷企業。這與歐美的社會背景相關，美國為維持其技術霸權地位而適度容忍排除、限制競爭的行為，歐盟則更為重視產業的公平發展而采取最為嚴格的人工智能監管政策與數據保護政策。這啟示我們，我國未來對于人工智能醫療產業的競爭法規制也需要考慮行業保護、技術發展等情況，維護市場公平競爭與技術創新之間的利益平衡。

除了受到立法啟發采取專門立法的措施外，我國更應吸收歐美對人工智能醫療進行競爭法規制的具體經驗。（1）重視患者（消費者）的利益保護，并調整司法救濟措施。患者利益保護應當與醫療人員、醫療企業以及人工智能醫療市場狀況相協調，可以考慮適當減輕舉證責任，以應對人工智能醫療數據偏在于企業的情況，例如采取舉證責任倒置、降低證明標準、推定事實成立等舉措。（2）兼顧醫療健康信息保護與維護市場公平競爭，將患者數據隱私納入反不正當競爭的評估標準之中。例如，借鑒歐盟《數字市場法案》，將醫療健康數據作為非價格競爭的評估要素，并強化數據互通與透明化要求，制衡人工智能醫療企業的網絡效應與規模經濟。（3）探索競爭法分析工具，加強人工智能醫療的反壟斷執法。人工智能醫療產業的競爭效果分析不應當局限于傳統的價格因素，而需要將市場占有率、消費者注意力等納入分析內容之中；并像歐盟那樣對反競爭的行為手段進行列舉，例如人工智能醫療企業的自我偏好、歧視性措施、數據的透明度等。人工智能醫療的競爭風險也與數字產業的競爭風險類似，需要探索專門的具體措施應對網絡效應、零價格機制、消費者行為偏差等問題。

四、人工智能醫療產業的競爭法治理路徑

人工智能醫療產業衍生出新的醫療服務體系、經濟架構、產業形態，對應的競爭政策法規也需要與時俱進地調整。雖然我國也通過專門的法律文件探索人工智能醫療的監管措施，重視“全生命周期”的監管理念，但仍存在規制理念轉變不徹底、重要措施缺位以及過度規制等問題。結合域外經驗，我國未來需要重構人工智能醫療產業的競爭風險治理體系。

（一）推行監管沙盒的治理機制

人工智能醫療產業的競爭法治理需要兼顧風險監管與產業發展，采取更為開放的競爭治理政策。對此，人工智能醫療產業的競爭法治理應當推行監管沙盒機制。監管沙盒是一種最初在金融科技領域實施的政策工具，申請測試主體向監管部門申請測試，通過創新性與消費者保護兩方面的測試評估后，申請測試的項目可以在更大范圍推廣，以此鼓勵和促進科技創新。人工智能醫療與金融科技具有類似性，可借鑒監管沙盒的機制明確測試流程。

1.監管沙盒的效果測試要求

監管沙盒對人工智能醫療產品或服務的技術效果、法律效果與社會效果進行測試。在技術測試上，監管沙盒需要對醫療健康數據的來源與使用進行合法性審查，對人工智能算法進行安全性審查。例如，需要對人工智能醫療產品或服務的風險管理、信息管理、技術文件與透明度義務進行評估，注重測試人工智能醫療產品或服務的品質、臨床責任、數據管理、算法安全與數據安全等內容。在法律測試上，監管沙盒需要對人工智能醫療產品或服務在個人信息保護法以及競爭法方面存在的風險進行測試。例如，是否根據個人信息保護法的要求進行脫敏處理，醫療健康數據在流轉過程中是否會有隱私泄露的風險；再如，人工智能醫療產品或服務的上市是否會構成經營者集中、橫向聯合行為與濫用市場支配地位等排除、限制競爭行為。在社會測試上，監管沙盒需要對人工智能醫療產品或服務對患者（消費者）福祉、整體醫療水平以及醫療產業創新等的影響進行測試。這要求人工智能醫療產品具備一定的成熟度，不得損害患者（消費者）的知情權、自由選擇權、生命安全權等權益。此外，在市場效率、市場公平、交易公平、技術創新、產業發展等方面的整體效能上，人工智能醫療產品或服務的上市利大于弊，符合比例原則的要求。

2.監管沙盒的規范測試路徑

監管沙盒對人工智能醫療的競爭法規范與政策的制定或修改進行測試與試驗。首先，競爭法規范與政策在應用于人工智能醫療領域前，事先進行監管沙盒測試，進行立法的容許性評估。在明確規范對象以及效力范圍的基礎上，監管沙盒需要對比例原則進行審查。競爭法規范與政策需具有整體上提升人工智能醫療品質與促進產業發展的正當目的，并且能夠通過適當性原則、必要性原則、狹義比例原則的檢驗。其次，在審查中的具體條文應當體現立法容許性要求。一是評估競爭法規范與政策的目的、適用對象、效力范圍等條款，在測試中考察其預期效果和影響；二是完善試驗的監督機制，需要吸納衛生健康部門、醫療專家、法律專家以及人工智能專家監督試驗的過程、結果與成效；三是健全測試的評估規范，包括明確測試的期限、測試結果的評估規范等內容。最后，監管沙盒對新制定或修改的競爭法規范與政策進行測試后，根據試驗得出的實證資料，對于通過測試的部分內容應當承認其立法容許性；相反，對于未通過測試的部分應當否定其立法容許性。這種實驗性立法的機制有利于平衡人工智能醫療中存在的各種利益沖突，防止競爭法規范與政策不當阻礙人工智能醫療產業的健康發展。

（二）健全針對數據的治理規則

人工智能醫療企業可能借助其對醫療健康數據的掌控，實施自我優待、對患者差別待遇、拒絕交易等濫用市場支配地位、經營者集中與形成壟斷協議的行為。醫療健康數據的競爭法規制還需要考慮患者（消費者）隱私保護問題與數據所蘊含的商業價值挖掘問題，平衡醫療健康數據共享中的公平競爭與平等使用。這些都要求對醫療健康數據壟斷行為進行更具針對性的競爭法規制。

1.重構醫療健康數據的市場界定規則

在數據驅動型的市場，價格通常并非競爭的重要因素，信息權力才是更為重大的影響元素。例如，醫療健康數據本身并不屬于產品或服務的范疇，但人工智能醫療企業仍可借助數據分析影響市場競爭，此時的醫療健康數據被劃分為單獨的市場較為合適。在相關市場界定上，應當結合人工智能醫療的具體情況適當選擇不同的市場界定方法。一方面，需要修正“小幅但顯著且持續的價格上升”（SSNIP）的市場界定方法。人工智能醫療服務本身不具備市場競爭的價格時，需要在SSNIP方法之外將醫療健康數據的雙邊或多邊特性納入市場界定的考量因素。利用SSNIP方法界定人工智能醫療產品或服務的相關市場時，需要根據服務內容的不同、交易機制的具體情況、患者（消費者）的注意力等情況，檢測價格變動對人工智能醫療企業獲利的影響來界定相關市場。另一方面，需要引入“小規模但重要的非暫時性的質量下降”（SSNDQ）方法界定非價格競爭的市場。人工智能醫療服務可能采取免費醫療的經營模式，此時評估的重點是產品或服務的品質而非價格，應當以SSNDQ取代SSNIP進行相關市場的界定。這要求考量醫療服務的質量、醫療健康數據保護狀況、患者（消費者）的滿意度等因素。

2.健全智能醫療企業的競爭力審查規則

人工智能醫療企業的市場地位評估，不僅需要考慮單一市場，還要考慮整體市場，例如企業在數個市場上的市場地位、財務狀況、產業鏈規模等。對于人工智能醫療企業的市場地位判定，需要參考進入市場、技術創新、規模擴張、影響醫療產品或服務品質所需的醫療健康數據，并結合醫療健康數據的來源、特殊性、市場競爭狀況、競爭效益、利用與限制等情況進行綜合評價。同時，人工智能醫療企業的經營者集中的審查標準需要進一步發展。既需要發展以交易額作為申報標準的傳統審查標準，又需要考慮以患者（消費者）數量作為申報標準的新審查標準。這也要求將數據集中作為評價市場競爭影響的重要指標。并且，對于人工智能醫療企業的市場競爭力審查，數據的數量也只是其中的一個因素，需要采取更為全面的競爭力審查模式。針對人工智能醫療企業雙邊市場的屬性，申報標準需要有所創新。這要求將人工智能醫療企業的數字經濟屬性、算法技術特征等非定量因素納入考慮，明確企業的數據市場結構、商業經營模式。同時需要參考人工智能醫療企業的用戶數量以及市場競爭力、專家學者對于具體經營者集中行為的意見、人工智能醫療產業的整體利益與未來發展等內容。

3.強化數據驅動型壟斷的執法力度

人工智能醫療市場屬于新型市場，反壟斷執法機構需要改變傳統執法思維，加強個案執法的專業化水平。在理念上，反壟斷執法應當踐行積極的包容審慎原則，強化市場競爭分析和法律論證，提升執法的針對性與科學性。在外部，完善反壟斷執法的專家咨詢制度。結合人工智能醫療橫跨醫療、法律、算法、數據等相關產業的特點，執法機構在咨詢不同領域的專家意見后，應當根據個案產業重疊的情況對涉及不同產業的意見進行比重賦值，以獲得最為全面、綜合與合理的意見。同時，專家也應當對案件審查保持一定的參與度，并重視人工智能醫療的數字市場特征，進行更為科學、精確的評估。在內部，建立反壟斷執法的跨部門合作機制。人工智能醫療橫跨諸多行政主管領域，反壟斷執法機構應當牽頭醫藥衛生、市場監管、網絡信息監管等各領域主管部門對相關數據壟斷問題進行磋商，并結合行業協會的意見進行評估。此外，反壟斷執法機構還應當利用大數據、人工智能等技術賦能反壟斷監管。打通醫療體系與市場監管體系之間的信息壁壘，結合經濟學理論與統計分析工具，通過人工智能算法偵測和發覺可能存在的反競爭行為，提高反壟斷執法的精度與效率。

（三）探索針對算法的治理規則

1.輔助型算法的治理路徑

人工智能醫療中的算法共謀存在輔助型與自主型兩種類型，不同類型的競爭風險對應著不同的治理方式。對于輔助型算法共謀，競爭法治理的關鍵在于提升算法對市場公平競爭的透明度，促使公平能夠被算法所理解且遵守；同時，輔助型算法共謀認定的核心在于識別信息交流內容的性質。在提升市場透明度方面，反壟斷執法機構需要盡力消除算法黑箱所產生的信息不對稱，實現反不正當競爭監管的透明化。其中的有效方法就是開展人工智能醫療產業算法的市場研究，并對市場研究的結果進行公開，為之后的競爭法監管提供幫助。市場研究是一種“軟執法”方法，通過吸納所涉及行業的專家學者、利益相關主體、監管部門的參與，有助于反壟斷執法機構明確相關競爭風險。在市場研究的調查基礎上，反壟斷執法機構可要求存在反競爭行為的經營者對算法進行解釋，提升算法的可解釋性。此外，算法可解釋性義務主要指向監管機關。人工智能醫療算法涉及公共議題或公民重要的法益時，反壟斷執法監管需求將處于絕對優位，人工智能醫療企業具有最高層次的算法可解釋性義務。反壟斷執法機構要求進行算法解釋的主要內容包括兩方面：一是解釋一般性的算法設計目標、運行機制；二是解釋特定的算法行為。

輔助型算法共謀的本質是經營者之間存在意思聯絡的共謀，其關鍵是推定共謀合意。反壟斷法判定共謀的成立，通常也只需要同時存在平行行為和可推定共謀的間接證據。事實上，提高算法透明度的目的也在于促進發現意思聯絡的證據。這種算法共謀的認定通常需要考慮兩個方面的內容：一是考察數據來源以及類型是否合理，結合數據輸入端的信息敏感度、經營者對待澄清數據的披露等內容，開展共謀的審查；二是對于借助同一算法進行間接信息交流的情況，需要考慮數據源的可替代性、算法的可替代性以及相關參數優化機制，若經營者無正當理由采取更不合理的數據源、算法以及參數，則推定構成共謀。這也符合我國《反壟斷法》對于“一致行為+意思聯絡+無合理解釋”的協同行為的認定機制。此時的共謀認定需要利用表征行為進行推定，只要不存在明確拒絕共謀的信息交流證據，就可以推定存在基于算法的意思聯絡。因此，反壟斷執法機構需要結合人工智能醫療產業的市場結構、市場效益以及行為是否符合經濟理性等因素，推定是否存在意思聯絡的共謀。例如，由算法調整的人工智能醫療產品或服務的價格異常變化、不同人工智能醫療企業頻繁利用算法交換信息、算法的價格調節時點與幅度高度近似等，都可能屬于表征行為。

2.自主型算法的治理路徑

對于自主型算法共謀的競爭法治理前提是將算法合意轉為經營者的合意。行動者網絡理論（Actor-Network Theory）成功將社會建構主義建立在科學的基礎上，堅持了多元本體論的觀點，重視不同事物之間是共存的互動關系。在行動者網絡理論中，人類行動者被卷入受算法驅動的復雜網絡而受到算法支配的情況同樣需要受到競爭法的規制。立足于此，自主型算法共謀的核心是認定橫向聯合行為合意的存在。隨著競爭法對橫向聯合行為合意解釋的拓展，人工智能醫療企業對由算法達成一致的意思，應當被擴大解釋為一種擬制的合意。即人工智能醫療企業通過算法產生的高度一致的行為，在法律性質上類似于一種股東會決議。其次則是算法合意的效果是否需要由經營者承擔。這可考慮從職務代理的法律制度出發進行論證。職務代理已被我國《民法典》第61條與第170條明確規定，可被視為一種默示授權或表見權限；但無論是哪一種法理，其效果都是由被代理人承擔職務代理行為的法律責任。又因在行動者網絡理論中，算法其實是執行經營者業務的“人員”，其行為屬于職務代理行為，行為后果自然應當由經營者承擔。尤其是，算法在執行人工智能醫療核心業務時，算法活動的實質就是進行經營活動，算法合意可推導出經營者合意。

其中，自主型算法共謀的歸責原則屬于可抗辯的歸責原則。自主型算法共謀的歸責體系屬于過錯推定體系，并以此分配反壟斷責任。即人工智能醫療企業若能夠有證據證明自己主觀上無過錯或者證明采取了相應措施以避免違法行為的發生，則產生抗辯的效力，無需承擔或減輕因此導致的違反競爭法的責任。這種過錯推定的機制降低了意思聯絡的證明標準，有助于確保責任承擔的實質公平，符合經營者作為算法的實際使用者的定位以及數據偏在于經營者的實際情況。這也體現了一種“強干預”的規制理念，本身并不禁止算法設計與使用，而是鼓勵人工智能醫療企業對算法采用反制技術，降低算法的反競爭效果。其中，人工智能醫療企業的抗辯理由主要存在兩種。一是人工智能醫療企業證明在算法設計與使用過程中，明確將共謀等反競爭行為作為禁止事項，并且寫入到核心算法中予以運行。二是人工智能醫療企業在觀察到市場競爭發生明顯不合理的變動時，及時采取了有效的應對措施阻止算法共謀或其他反競爭行為。這兩項事由從主觀與客觀兩方面限定了抗辯事由，即主觀上不存在進行反競爭行為的故意或過失，客觀上實施了相關行為。對此，反壟斷執法機構可以決定是否減輕或免于行政處罰。

五、結語

當前，人工智能醫療產業正在變革傳統的醫療服務模式，我國相關法律制度或反壟斷執法方式也需要進行必要的修正與健全，以適應這一新興領域的發展需求。人工智能醫療產業的競爭法規制應當適用數字市場的競爭風險規制模式，適應大數據時代下的人工智能產業市場競爭的格局。在相關市場界定方面，數據驅動型競爭的市場界定具有更大的彈性空間，以醫療健康數據背后的信息權力為中心，結合人工智能醫療產品或服務的特性進行評估。在濫用市場支配地位方面，需要新增事前的人工智能醫療產業管制規范，更具體地列舉相關違法行為，重構競爭效果的分析框架。在經營者集中方面，反壟斷執法機構應當衡量人工智能醫療企業合并所帶來的整體經濟效益是否大于限制競爭的利益，考慮網絡效應、雙邊市場以及其他競爭者的市場參與難度等進行審查。在橫向聯合行為方面，反壟斷執法機構應當結合醫療健康數據以及人工智能算法的異常情況，通過推定的方式進行算法共謀的認定。此外，人工智能醫療競爭風險治理還需要平衡技術創新、患者（消費者）權益保護、醫療產業發展等利益，保障人工智能醫療產業高質量迭代發展。

基金項目：本文系中國人民大學2024年度拔尖創新人才培育資助計劃成果。

作者簡介：林洧，中國人民大學法學院博士研究生。

Competitive Risk Management of Artificial Intelligence Medical Industry： Centered on Data and Algorithm

Abstract： Artificial intelligence medical treatment is a symbiotic system of society and technology， and medical health data and algorithms together constitute the fulcrum of the development of artificial intelligence medical industry. AI medical enterprises may use data and algorithms to engage in unfair competitive behavior， resulting in the risk of data-driven and algorithm-driven competition affecting the fair market competition order. In this regard， China adopts the traditional regulation method of competition law to regulate them， including data and algorithm into the scope of competition law regulation. Europe and the United States have included data and algorithm into the scope of competition law regulation in the field of digital economy through special legislation， and have rich experience in anti-monopoly law enforcement. Based on the characteristics of market competition in the medical artificial intelligence industry， China should draw on external experience in legislation and law enforcement to explore a more efficient system of competition risk management. This requires not only testing AI medical products or services with the policy tools of the regulatory sandbox， but also testing relevant competition law norms and policies. It is also necessary to further improve the competition law regulatory mechanism according to the classification of data and algorithms， such as restructuring the relevant market definition， improving the competition review rules， and innovating the identification mechanisms of algorithm collusion.

Keywords： Artificial Intelligence Medical Treatment; Data; Algorithm; Anti-Unfair Competition Law; Anti-Monopoly Law; Regulatory Sandbox