2023 年，當 GPT-4 在美國執業醫師資格考試（USMLE）中取得了驚人的高分時，不只是 OpenAI，矽谷都為此喝彩，AI 在醫療上的前景仿佛一片光明。
三年之後的今天，卻有頂尖專家明確表示：反對 AI 接入醫院病歷系統。
有人反對 AI，有人反對反對 AI
提出反對聲音的，是復旦大學附屬華山醫院感染科主任張文宏。近期在出席論壇中，作為在臨床一線摸爬滾打多年的專家，他的擔憂直指核心：年輕醫生需要專業的訓練，才能判斷 AI 的對錯。
圖片來自：深圳衛視
他並不是反對使用 AI，事實上，他提到自己也用，短期內處理大量病歷時他也會讓 AI 過一遍。但是他可以做到「一眼看出」哪裡有問題。而年輕醫生跳過訓練和積累，依靠 AI 就得出和資深專家一致的診斷，並不能真正理解到 AI 結果中的對和錯。
這話有人不愛聽了。正在醫療賽道上蓄勢待發的百川智能，其創始人王小川就「反對張文宏的反對」。
該圖片疑似AI生成
圖片來自：鳳凰V現場
在他看來，AI 碰到的是醫生的「蛋糕」，和醫生的利益是相悖的。醫生出於升職稱的考慮，把教學和研究放在前面。相比之下，AI 才是服務於患者。
話里話外，隱隱約約在暗示：醫生都是要賺你的錢，才不考慮病人的死活。但在醫療系統里，醫生的效率和患者的利益往往是高度統編的。如果 AI 能夠顯著提高效率、減少誤診，那這不就是對患者利益最大的服務嗎？
他額外強調醫生們太忙了，沒有時間用 AI，且 AI 不能幫到他們寫論文評職稱，得出的結論卻是：AI 應該去服務患者——從 LLM 落地應用的第一天起，優化流程、輔助決策就是任務，這根本得不出 AI 應該服務患者的結論，更得不出「當 AI 足夠強了，不要醫生也挺好」的結論。
說張文宏屁股決定腦袋，作為 AI 公司的 CEO，王小川推崇 AI 直接服務個人，不也還是屁股決定腦袋。
AI 醫療是一塊肥肉
AIx 醫療的的確確是一塊肥肉，不止王小川一個人盯著，國外的巨頭也反覆試探。
上周 OpenAI 發布了 ChatGPT Health，通過整合 Apple 健康數據，個人醫療記錄和其它健康 app 提供的數據，再讓 AI 來提供分析和建議。（鏈接）
全球有超過 2.3 億人用 ChatGPT 獲得健康建議，這個數字反映了用戶需求之所在。不過，OpenAI 很謹慎，不僅強調這不應該代替專業的診療建議，從產品規劃來看，也是以提供日常保健的建議為主。
Claude 所屬母公司 Anthropic 也宣布要拓展 Claude 在醫療方面的能力，從發出的 Opus 4.5 的表現來看，模型層面 Claude 的表現不錯。
即便如此，Claude 的規劃也不是直接面向患者的。推出 Claude For Healthcare，是一個連接器工作，可以幫助醫生和醫療工作人員快速便捷地從行業標準系統和資料庫中提取資訊。對於個人用戶而言，Claude 的作用在於總結用戶的病史、解釋檢查結果和各項指標，並且為就診準備問題，以此來提高患者與醫生溝通的效率。
這兩家 AI 巨頭都下場了醫療賽道，但都沒有衝著取代醫生去。只有一家是這樣做的：Grok
。
。Grok 的老闆畢竟是馬斯克，恨不得把人類都發射上天。他在許多採訪中都表示，一個人類醫生只能閱讀有限的醫學文獻，只能記住有限的病例。而 AI 可以在幾秒鐘內閱讀人類歷史上所有的醫學論文，掌握所有的最新治療方案。在純粹的診斷準確率上，人類無法與 AI 競爭。
他還把自己的 X 光片、驗血報告扔給了 Grok，讓它來識別問題，還說 Grok 的一些判斷比醫生更快更準確。
那不就回到了張文宏說的，對 AI 越依賴越上癮。
判斷力是需要訓練的
早在大語言模型觸發這陣子 AI 熱潮之前，放射科引入 CAD 系統，就出現過類似的問題。
CAD 系統全稱為電腦輔助檢測，現在已經是醫學影像里必不可少的工具。但曾經，CAD 的引入所帶來的「自動化偏差」，就完全是張文宏所擔心的情況。2004 年，在英國的一項研究中發現，當 CAD 系統未能標記出病灶，比如漏標、錯標時，放射科醫生的檢測敏感度（Sensitivity）顯著下降，尤其是採用 CAD 輔助的醫生，敏感度比對照組更低。
一項相對更近的研究是 2020 年，一項針對皮膚癌檢測的研究發現，當 AI 給出正確診斷的時候，所有醫生的準確率都提高了。可一旦給出的診斷是錯誤時，越是經驗不足的醫生準確率下降得越厲害。綜合來看，AI 和醫生共同診斷，準確率的表現是最好的。
經驗豐富的老專家如張文宏，之所以能一眼看出 AI 在胡說八道，是因為他們腦中有積累了數十年的病例庫。而年輕醫生如果從實習期就開始用 AI 寫病歷、下診斷，他們腦中的「資料庫」始終是空的。
因此，想要讓 AI 做任何一件「一步到位」的事，背後都一定有巨大的風險。一步到位取代醫生是這樣，一步到位直接服務患者，更是這樣。
以前我們有「百度看病，癌症起步」的笑話，目前的生成式 AI 最大的問題在於它極度自信，一本正經地誤診。即使是錯誤的醫學建議，它也能用極具說服力、引經據典（甚至是偽造的文獻）的語氣說出來。
圖片來自：小紅書
如果是受過多年專業訓練的年輕醫生，尚且容易在 AI 的自信面前放下戒備，產生自動化偏差；那麼對於沒有任何醫學背景的普通用戶來說，這種「完美幻覺」更加是值得警惕，本質上和盲目相信「專家」頭銜差別不大。
AI 對於普通人的健康有沒有用？肯定是有，不然也不會有 2.3 億的用戶記錄。不過需要分清兩個點：首先，治病和保健是兩碼事。保健包括日常飲食作息、補充劑攝入、運動計劃等等，這些都是對生命沒有重大風險的。
治病顯然就複雜太多了。目前 AI 應用最多的還是症狀的分析，檢查報告上的指標解讀，一些簡單的用藥指導。
更簡單粗暴的說：在 AI 的指導下，可以爭取到一些時間，請到假，去醫院。考慮到現在國內的醫院掛號不容易，個別檢查也需要預約，但不是每個人都有條件在出現症狀的時候，就立刻飛奔去醫院——哪怕是社區醫院，也可能要排隊呢？
所以在 AI 的幫助下，可以緩和症狀，爭取到一些時間，配合使用一些基礎藥，病程不至於惡化，人也不會太難受。
作為自己健康的「第一責任人」，我們不應該跳過對自己判斷力的培養和訓練，那才是真正的交出主導權和決策權。
