AI看病，你放心吗？关键得看看这些……
来源：国家卫生健康委员会2025-03-25 18:38:22
国产大模型DeepSeek引发的AI话题席卷各行各业。AI在医疗领域表现如何呢？AI看病行不行？
有家长们晒出与AI的对话记录：“孩子血常规指标异常，DeepSeek的建议与三甲医院主任医师的诊断一致”。一位肺部结节患者表示"AI系统不仅快速识别出结节，还给出了详细的良恶性分析，最终与医生的诊断高度一致"。也有家长分享，AI为患有慢性疾病的家人提供了个性化的健康管理建议，甚至比医生更早发现潜在风险。
在医院里，有患者手持AI生成的诊断报告前来问诊，甚至要求医生“按AI方案开药”。
有患者说“DeepSeek的诊断和医生一模一样！”的，但也有的表示：“AI再厉害也是机器，医生的判断和经验才是关键”。不少医生都对AI赞不绝口，已经应用到临川工作了。
随着关于AI相关讨论的快速升温，无论医生还是患者，核心关注的问题可能是：AI看病，你放心吗？
2024年11月，国家卫生健康委发布了《卫生健康行业人工智能应用场景参考指引》，明确提出84个AI在医疗领域的应用场景，涵盖预防、诊断、治疗和康复等全流程。这一政策为AI在医疗领域的应用提供了明确的方向和规范，显示出国家对AI技术在医疗领域应用的积极支持态度。
然而，政策的支持并不意味着对AI的完全信任。湖南省医疗保障局明确禁止AI自动生成处方，强调医生开具处方必须与患者进行充分沟通。
据不完全统计，全国已有90余家医院接入DeepSeek，覆盖ICU、急诊、影像科等多个关键场景。据报道，上海瑞金医院引入DeepSeek系统后，呼吸系统疾病的诊断准确率提升至93.7%，显著缩短了患者的黄金治疗窗口期。首都医科大学附属北京天坛医院推出的“龙影”大模型（RadGPT）可以在0.8秒内生成针对多种疾病的诊断意见。
使用一件工具是否顺手、安心，关键还是得深入了解，只有足够了解，才能在使用中“张弛有度”，一起从以下几个方面来看看吧。
AI诊断依据从何来？
AI诊断的准确性与可靠性，很大程度上取决于其训练数据和算法设计。目前，AI诊断依据主要来自以下几个方面：
海量医疗数据的训练
AI模型通过分析大量的医疗数据，包括病历、医学影像、实验室检查结果等，学习疾病特征与诊断结果之间的关联。一些AI模型在医学影像分析中表现出色，能够识别出微小的病变，超越了人眼的极限。此外，AI在处理结构化数据时，能够快速提取关键信息，辅助医生进行诊断。
医学文献与临床指南
AI系统会参考大量的医学文献和临床指南，这些资料为AI提供了标准化的诊断流程和参考标准，以提供符合医学规范的诊断建议。
专家经验与知识整合
一些AI模型还会整合专家的经验和知识。例如，通过模拟真实诊疗场景，AI可以学习专家的诊断思路和决策过程。这种结合专家经验和数据驱动的方法，使AI在处理非典型病例时也具备一定的能力。
多维度数据融合
现代AI诊断系统不仅依赖单一数据源，还会融合多种数据类型，一定程度上也能做到结合患者的症状描述、检查结果和影像学信息，更全面地评估病情。这种多维度的数据融合，使得AI在某些复杂疾病的诊断中表现出色。
但尽管AI在诊断依据的获取和处理上具有优势，但其局限性也不容忽视。首先，AI依靠模型的训练数据，建模的数据往往决定了AI的整合“算力”，不同AI存在“算力”上的参差不齐。其次，面对数据缺乏的罕见病非典型病例时，由于历史数据相对缺乏，容易出现误判。此外，AI缺乏医生的临床经验和人文关怀，无法完全替代人类医生的判断。
“算力”无敌，但“诊治”≠算力
AI的超强算力确实让人惊叹。它能够在短时间内处理海量数据，快速生成诊断结果，在某些影像诊断中，准确率高达95%以上。然而，看病和诊疗过程远比单纯的算力输出复杂得多。医疗诊断不仅仅是数据分析，更是对患者整体状况的综合判断，这其中蕴含着传统中医“望闻问切”的智慧，也包含着现代医学对患者个体差异的细致考量。
“望”是医生对患者外在表现的观察，而“闻”则是通过与患者的交流获取关键信息。AI虽然可以通过自然语言处理技术与患者对话，但在真实医疗场景中，其对话诊断的准确性却大打折扣。例如，研究显示，即使是最先进的AI模型，在模拟患者访谈时的诊断准确率也仅有26%。这是因为AI难以像医生一样通过察言观色捕捉患者的情绪和细微变化，也无法在交流中灵活调整问诊方向，从而错过关键线索。
“问”和“切”则更依赖医生的临床经验和对患者身体状况的直接感知。AI无法像医生一样通过触诊感知患者的脉搏、肿块的质地，也无法通过观察患者的反应来判断病情的轻重。而医疗诊断还需要考虑患者的个体差异、心理状态、社会背景等多方面因素。
长枪还是短剑，还看“握”在谁手里
AI本身是一个强大的工具，但它的作用程度却因使用者的不同而千差万别。无论是医生还是普通人，AI在他们手中发挥的作用和价值都取决于使用者的能力和经验。
作为医生，你是否放心用AI给患者看病？
对医生而言，AI既可以是强大的助手，也可能成为干扰因素。有研究显示，AI在辅助诊断时的效果因医生的个人差异而异。哈佛大学医学院和斯坦福大学的研究表明，AI工具对放射科医生的影响并不一致，部分医生的表现因AI而提升，而另一些医生的表现则可能“恶化”。
AI的使用效果受到医生的专业背景、经验以及对AI的理解和运用能力的影响。经验丰富的医生能够更好地利用AI提供的数据和建议，将其融入自己的诊断逻辑中，从而提升诊断的准确性和效率；而缺乏经验的医生可能会过度依赖AI，甚至被误导。
作为普通人，自己用AI看病能否安心？
对于普通人来说，AI的使用效果则更为复杂。AI的诊断高度依赖用户输入的信息，而普通人往往缺乏专业的医学知识和表达能力，信息传达的准确性是一大挑战。如果输入信息不准确或不完整，AI的诊断结果可能会出现较大偏差，甚至给出完全错误的建议。
信息表达模糊导致误判：比如，患者仅输入“我感觉不舒服”，却没有详细说明具体症状、持续时间或相关背景信息。AI系统因缺乏关键细节，只能给出宽泛的建议。
症状描述不全面引发误导：如患者因胸痛咨询AI，却未提及自身高血压、心脏病史，AI可能误判为普通肌肉拉伤，忽略潜在心脏问题，导致患者错过最佳治疗时机。
缺乏个性化评估：AI在处理复杂病情时，难以像医生一样综合考虑多种因素及捕捉关键信息，同时缺乏个性化考量。
普通人对医学术语和症状描述的不熟悉，使得他们在使用AI系统时，往往难以准确表达自己的健康状况。可能遗漏关键信息，或者使用模糊的描述，导致AI系统无法获取足够的细节来进行精准诊断。
简而言之，抛开不同AI的“算力”上的差别，其问诊的准确度，还跟信息的准确输入与输出信息的准确理解息息相关。
AI本质上是工具属性，工具能不断迭代升级、超越人力的极限，但终究人是工具的使用者。AI看病是否可行呢，放眼未来一定“大有可为”，但使用者必须始终抱着“不放心”的态度，多思量、多权衡便可最大程度地“放心”。
CHTV 百姓健康微信