自动化医疗诊断因效率高、节约成本、平衡资源等优点,成为当前人工智能发展的重点领域。在2020年全球范围的新冠肺炎防疫中,自动化医疗诊断的优势得以体现。自动化医疗诊断的算法逐渐从由研发人员的事先设定程序,发展为自我的深度学习。但发展过程中带来的误诊、算法不透明、算法歧视等问题,使算法解释存在必要性。当自动化决策相对人请求算法解释时,就会引发医疗敏感数据泄漏,侵犯商业秘密等问题。那么自动化医疗诊断领域如何对算法解释进行规定,是当前亟待研究的问题。我国对于自动化医疗诊断算法解释规则的建立,有一定的立法基础,从《中华人民共和国宪法》《中华人民共和国民法典》《网络安全法》中可获得相关的法律条文,行业中的规范性文件也给出了指导意见,要求对算法信息进行披露,加强医疗数据管理。但这些规则对自动化医疗诊断的算法解释也只是提及,仍存在缺乏针对性并覆盖面不广的问题,使法律救济存在困难。而欧盟则采取统一立法,统一标准,各成员国和地区也可在欧盟立法下制定本国内有针对性的行业保护规则。GDPR对算法解释权的构建,在算法决策时代起到了缓解算法解释和研发者之间的矛盾的作用。欧盟在整体指导下,构建算法治理框架,并监督算法研发者遵守数据保护,促进医疗数据的开发利用。美国则启动人工智能计划,更侧重于行业自律,对自动化影像诊断算法已有了相对成熟的制度规范。并且美国采取高强度的医疗数据隐私防护,加大惩罚力度。不断构建完善人工智能医疗设备的监管框架,并总结经验和风险以保证算法实施的安全性和公平性。我国应在保持自动化医疗诊断领先的前提下,学习欧盟自动化医疗诊断算法解释规则的高标准严要求,借鉴美国规则制定的灵活性。致力于解决规则内容分散、适用性不强、力度不强等问题。对算法解释过程中涉及的敏感数据泄漏,建立统一的有针对性的规则和部门。并把握好算法解释的“度”,不过分披露算法信息,在算法解释与保护商业秘密和他人敏感数据中寻求平衡点,从而达到算法相对人、使用者和研发者之间的信息对称。