本文来自微信公众号: AIGC从0到1 ,作者:王零壹,原文标题:《医疗 AI 最难的,不是诊断,而是把七条路接起来》
2026年11月15日,苹果做了一件看上去很克制、但其实很值得琢磨的事。
苹果宣布启动Apple Health AI Usage Study,计划面向最多20万名符合条件的美国成年用户,研究人们如何理解、信任和使用AI提供的健康信息,以及这些信息会不会改变他们后续的健康行动。
研究本身不是诊断或治疗服务。苹果把它定义为一项使用研究:AI的回答质量怎么样,用户能不能理解,是否愿意相信,是否会据此做出行动。
这件事碰到了医疗AI最难的地方:AI给出一个看起来正确的答案,远远不是故事的结束。
用户会不会误解?会不会过度相信?会不会因为一句模糊的风险提示而焦虑?会不会因为一句看似专业的安抚而延误就医?医生拿到AI的建议时,能否看见证据、识别适用范围、拒绝一个“说得很像对的”结论?
医疗不是一道选择题。
它是一串彼此咬合的动作:发现异常、解释信息、决定是否就医、选择检查、完成转诊、制定治疗、持续随访、评估结果。AI也许能把其中一个动作做得很漂亮,但只要它接不上后面的环节,或者越过了本不该越过的边界,就很难真正改变医疗。
01医疗AI不是一个赛道,而是七种完全不同的承诺
今天,“医疗AI”这个词已经大得有点失去意义了。
同一个词里,既包括帮患者解释化验单的健康助手,也包括在乳腺癌筛查中读片的影像系统;既包括帮助医生检索文献的知识工具,也包括试图自主规划多轮检查的诊断Agent;既包括自动生成病历的文书助手,也包括在实验室里寻找新分子的AI制药平台。
它们都在用AI,但并不在解决同一个问题。
| 路线 | 它试图改变什么 | 最终要交出的答卷 |
|---|---|---|
| 消费者健康AI | 让普通人更容易理解自己的健康 | 用户是否理解,并采取恰当行动 |
| 临床知识AI | 帮医生更快找到、审查医学证据 | 证据是否适用于眼前患者 |
| 医学影像AI | 扩展医疗系统发现异常的能力 | 是否减少漏诊,同时不制造过多误报 |
| 疾病预测AI | 更早识别高风险人群 | 预测之后,是否有可改变结局的干预 |
| 诊断推理AI | 在不完整信息中规划检查与判断 | 是否安全改善真实临床决策 |
| 医疗工作流AI | 减少文书、转诊、审批等摩擦 | 是否带来可复制的净效率收益 |
| AI制药 | 改变药物发现与开发过程 | 是否更快产出安全、有效的疗法 |
这张表看起来像分类,实际上是在划边界。
影像AI即使检出率提高,也不自动等于患者获益;它还要回答召回率、误报、工作量和后续处置的问题。
疾病预测AI即使能比医生更早看见风险,也不自动等于改善未来;如果没有可用的治疗、转诊和随访,提前知道风险有时只是把焦虑提前了。
医疗工作流AI即使能替医生写完病历,也不自动等于医生更轻松;审核、补错、系统切换和责任确认,可能会把节省的时间重新吃掉。
AI制药即使生成了更有希望的分子,也还要经过药效、安全性、临床试验和商业化的漫长筛选。
因此,医疗AI不该被问“有没有用”。
它应该被问:它在替谁解决哪一种问题?它的收益最后能不能跨过下一道门槛?
02模型进步很快,医疗证据增长得很慢
医疗AI最容易让人兴奋的,是模型能力。
今天的系统可以看图、读报告、总结病历、模拟鉴别诊断,甚至在特定基准中超过人类医生。技术新闻天然喜欢这种时刻,因为它足够明确:分数提高了,模型赢了。
但医学不只问“答得对不对”。
医学还要问:这个答案在真实患者身上是否成立?在另一家医院是否仍成立?医生是否会正确使用它?它是否改善结局?错误出现时,谁能发现、撤销和承担后果?
一项针对临床大模型研究的系统性综述,梳理了截至2025年9月的4,609篇相关研究。其中,1,048篇使用真实患者数据,1,857篇仍使用模拟病例;真正的前瞻性随机对照试验只有19项。
这组数字说明,医疗AI仍处在一个很典型的状态:模型进步的速度,快于临床证据积累的速度。
可以把它理解为五层台阶。
| 层级 | 可以证明什么 | 还不能证明什么 |
|---|---|---|
| 离线评测 | 模型会不会完成某项任务 | 是否适用于真实临床 |
| 回顾性验证 | 在既有数据里是否表现良好 | 换人群、换医院后是否稳定 |
| 前瞻性部署 | 进入工作流后是否能使用 | 是否改善患者结局 |
| 随机对照试验 | 是否造成可测量的因果改变 | 是否能长期、大规模复制 |
| 人群健康结果 | 是否改善健康、成本与公平性 | 这种改变能否归因于AI本身 |
医疗AI真正困难的地方,不是迈上第一层。
而是每往上一层,都会遇到模型之外的变量:医生如何使用、患者是否配合、医院系统是否兼容、支付方是否认可、法律责任如何划分。
所以,医疗AI的竞争,迟早会从“谁的模型更强”,转向“谁能把模型放进一个更可靠的系统”。
03七条路,各自卡在不同的地方
1.消费者健康AI:信任不是越多越好
苹果的研究把“信任”放进核心指标,本身就值得注意。
在消费互联网里,用户信任产品,通常被视为好事:更高的留存、更高的使用频率、更强的推荐意愿。
但在健康领域,信任太少当然有问题,信任太多也可能有问题。
一个用户收到AI的建议后,可能因此及时就医;也可能因为AI的安抚而延误;还可能因为过度解读一个低风险指标,进入不必要的检查与焦虑循环。
健康AI的难题不只是“回答是否准确”,而是用户是否知道何时应该相信、何时应该核查、何时必须找医生。
因此,苹果这项研究真正值得关注,在于能否把“信任”拆开测量。
| 需要测量的变量 | 真正的问题 |
|---|---|
| 回答质量 | 信息是否准确、完整、有来源 |
| 用户理解 | 用户是否真的听懂,而非只觉得听懂 |
| 信任校准 | 用户能否区分可靠与不可靠的回答 |
| 行为改变 | 用户是否采取合适行动 |
| 健康结果 | 行动是否真的带来益处 |
| 风险与公平 | 是否造成延误、过度就医或群体差异 |
医疗AI最危险的状态,不一定是用户完全不信它。
也可能是用户太信它。
2.临床知识AI:检索到知识,不等于完成了判断
医学知识更新太快,临床医生不可能记住每一篇文献、每一版指南、每一个罕见病例。
这正是临床知识AI的价值所在。它可以检索证据、对比研究、整理病历、标记药物相互作用,帮助医生在有限时间里看到更多信息。
但医学知识与临床判断之间,有一段无法被轻易抹平的距离。
一篇研究结论有其适用人群;一项指南有其前提;一个患者却可能同时带着多种基础病、特殊用药史、家庭条件和个人偏好。
医生需要的不是一个“结论生成器”。
医生需要的是一个能保留证据出处、适用条件、反对证据和不确定性的系统。
如果AI只把复杂文献压缩成一句流畅的建议,它确实提高了阅读效率,却也可能把最重要的限定条件一起压缩掉。
这也是临床知识AI的真正考验:它不能只会把知识说得像答案,还要让人知道答案从哪里来、在哪些情况下不成立。
3.医学影像AI:最接近落地,也最容易被误读
七条路径中,医学影像AI可能是最接近成熟应用的一条。
它的输入相对明确:X光、CT、MRI、病理切片、眼底图像。它的输出也相对清楚:异常在哪里、风险有多高、哪些病例需要优先复核。
而且,它已经出现规模较大的前瞻性研究。
例如,乳腺癌筛查中的AI系统可以降低人工阅片工作量,也有研究显示其癌症检出率提高。但一套筛查系统的价值不能只看“发现了更多病灶”,还要看它是否提高了不必要召回,是否增加患者焦虑,是否让有限的专科资源被更合理地使用。
影像AI的关键启示是:越接近真实临床,指标越不能单一。
模型可能更敏感,却更容易误报;系统可能减少一部分阅片量,却把难题集中留给少数医生;它可能在一所顶级医院里表现优秀,换一台设备、换一个人群之后就出现性能下滑。
影像AI已经证明了,AI能扩展医疗系统的“眼睛”。
但看见更多,不等于知道该如何行动。
4.疾病预测AI:预测未来,不等于改变未来
疾病预测AI很诱人。
它希望在症状明显之前,利用影像、病历、基因、行为与生理数据,预测谁会患病、谁会恶化、谁需要更早干预。
从技术角度看,这是一种很自然的进步:医疗从“生病后治疗”,走向“风险出现前管理”。
但预测比诊断多了一层问题。
如果AI提前预测出某人可能患上阿尔茨海默病、心血管疾病或某种癌症,医疗系统接下来能做什么?
有没有有效干预?谁来沟通?患者是否愿意知道?保险、就业和家庭关系会不会受到影响?预测错误或不确定时,焦虑由谁承担?
预测不是终点。
预测只是把一个问题更早交给了系统。
如果系统没有后续的治疗、支持、随访和责任安排,预测能力越强,未必意味着医疗价值越大。
5.诊断推理AI:真正难的是连续决策
诊断Agent的吸引力,在于它看起来最像医生。
它不是一次性回答“这是什么病”,而是像临床医生那样,根据已有信息继续提问、决定下一项检查、比较不同假设、在不确定中逐步收敛。
这也是微软MAI-DxO一类系统所尝试的方向:不是回答一道病例题,而是在有限成本下完成一段连续诊断过程。
但诊断的难点,恰恰不在于某一步猜对。
它在于每一步都可能改变后面的路径。
一次不必要的检查,会带来成本、等待与新的偶然发现;一次遗漏,可能导致延误;一次错误的高置信度建议,可能让医生或患者忽略真正重要的信号。
诊断Agent因此不能只看“最终答对率”。
它还要看:检查选择是否合理,成本是否可接受,错误是否可恢复,是否能在不确定时及时转交给人。
医疗里的好决策,有时不是继续推理,而是知道什么时候该停下。
6.医疗工作流AI:最可能先赚钱,也最可能被高估
医疗工作流AI没有“AI医生”那么有想象力,但它或许最接近短期可量化的价值。
病历生成、转诊准备、医保授权、患者消息回复、检查预约、编码、随访提醒,这些事情看起来琐碎,却消耗了医院与医生大量时间。
一项涉及五家美国学术医疗机构、8,581名临床人员的研究发现,获得AI病历助手使用权限,与每8小时排定患者服务时间减少13.4分钟电子病历操作相关;文书记录时间减少16分钟。但非工作时间电子病历使用并没有显著下降,每周门诊量变化也不显著。
这组结果很有代表性。
它没有否定AI文书助手的价值。相反,它说明AI确实在一个局部环节节省了时间。
但它也提醒我们:减少某项工作,不等于同样幅度地释放整个系统。
医生可能需要审阅AI草稿,补全遗漏信息,处理更多患者消息,或把节省的时间投入另一项必要工作。医院还要承担软件采购、培训、流程改造和合规管理成本。
同一种工具,在不同环境里也可能完全不同。
报告中提到的住院场景研究显示,59名医生中,AI文书助手的实际使用率很低,部署前后每天用于病历记录的时间没有显著变化。原因不难理解:住院记录不是一次问诊的转录,而是连续整合化验、会诊、治疗计划和前序病程。
AI没有读懂工作本身,就很难真正接住工作。
工作流AI最终要证明的,不是“能不能完成操作”。
而是“完成操作之后,整个系统是否真的更轻”。
7.AI制药:最远离患者,却最可能改变治疗本身
AI制药在另一条时间轴上推进。
它不直接减少医生的文书负担,也不直接帮助患者理解化验单。它试图改变的是疾病干预工具本身:靶点发现、蛋白结构、分子设计、候选药物筛选、临床试验设计。
这条路最慢。
因为它最终不是要证明模型能不能生成一个分子,而是要证明一个分子能不能成为药:有效、安全、可制造、可支付,并经得起临床试验。
但它的重要性也最大。
前六条路线主要是在改进医疗服务如何运转;AI制药可能改变的是医疗系统手里究竟有没有更好的治疗工具。
它也提醒我们,医疗AI的终点并不只是提高效率,更深的终点,是改变疾病本身。
04七条路真正的交汇点,不是“让AI替代医生”
如果把七条路线分别看,它们像七个彼此独立的赛道,但有一个案例,让它们开始显出可以连接的样子。
2026年发表的一项中国随机对照研究,测试了PreA诊前预评估聊天机器人。患者在见专科医生前,先通过对话完成症状、病史、用药等信息采集,系统将其整理成医生可使用的结构化报告。
研究在中国西部两家医疗中心进行,纳入2,069名患者、111位专科医生和24个专科。与未使用PreA的组别相比,患者独立使用PreA后,专科医生平均问诊时间从4.41分钟降至3.14分钟,下降约28.7%;照护协调和沟通便利性也有所改善。
这项研究最重要的地方,不是AI缩短了1分多钟的问诊。
而是它提供了另一种想象。
AI不必先从“替代医生”开始。
它可以先解决患者与医生之间最普遍、也最少被解决的问题:信息断层。
患者知道的是自己的感受:哪里不舒服、什么时候开始、生活受到了什么影响、以前吃过什么药。
医生需要的是可以判断的信息:主诉、病史、症状演变、既往检查、风险因素、关键缺失项。
两者之间原本靠一次有限时间的沟通连接。AI可以先完成整理、追问、结构化与转译,但把专业判断保留给医生。
这恰好把几条路线接了起来:
患者端AI帮助表达和理解;
临床知识AI帮助调用证据;
风险与诊断系统帮助整理可能路径;
工作流AI帮助准备转诊、检查与随访;
医生保留诊断、治疗与高风险行动的最终权力;
患者后续的行为和结果再回到系统中。
这不是“AI独立看病”的故事,这是“AI让医疗信息终于能够顺着患者流动”的故事。

05医疗AI的核心问题:谁拥有下一步的选择权
当这些能力开始连接,问题就不再只是“模型能不能做”。
而是:连接之后,谁拥有下一步的选择权?
假设一个系统可以读取患者长期健康记录,发现异常化验指标,检索最新证据,建议进一步检查,自动生成材料,甚至打开医院系统发起预约。
每往前一步,风险都在变化。
| 环节 | AI可以做什么 | 需要守住的边界 |
|---|---|---|
| 解释指标 | 总结、翻译、提示异常 | 不把解释伪装成诊断 |
| 识别风险 | 标记趋势、提示核查 | 不隐藏不确定性 |
| 建议就医 | 推荐合适的就诊路径 | 不替代紧急临床判断 |
| 草拟材料 | 准备申请、病历摘要、转诊信息 | 必须保留人工审核 |
| 执行低风险流程 | 提醒、预约、资料补全 | 在明确授权范围内行动 |
| 下达医嘱 | 提供证据与选项 | 不能绕过专业授权 |
| 调整治疗 | 协助监测与提示 | 由有资质人员承担责任 |
医疗AI的关键能力,不应只是推理、规划与执行。
它还应该包括一项经常被忽略的能力:识别自己无权决定什么。
在医疗里,正确地停下、把证据交给对的人、等待授权,并不是系统失败。
恰恰是系统可靠的一部分。
06从“给出答案”到“形成闭环”,还缺四种反馈
医疗AI今天最常见的产品形式,是一次问答。
输入症状,输出建议。
输入影像,输出概率。
输入病历,输出摘要。
但医疗真正需要的是闭环。
这个闭环至少有四种反馈。
第一种是数据反馈。
新的检查结果、病程变化、可穿戴设备数据、用药与生活方式变化,能否进入系统,让它更新对患者当前状态的理解。
第二种是行为反馈。
患者有没有完成复查?医生有没有采纳建议?预约是否成功?药物是否按计划使用?一条建议被发出,不代表行动已经发生。
第三种是结果反馈。
患者的健康状态有没有改善?是否发生不良事件?是否减少住院、重复检查或不必要支出?
第四种是归因反馈。
这最难。
患者状态变好,可能因为AI,也可能因为医生、药物、自然恢复、家庭支持或医疗资源变化。没有合理比较与因果识别,系统就可能把偶然成功误认为自身能力。
这意味着,医疗AI的长期护城河不会只是数据量,也不会只是模型参数。
它会是能否建立一套严谨的“信息—行动—结果—归因”系统。
07最后竞争的,不是模型,而是谁能搭起这套系统
未来几年,医疗AI可能出现几种不同的产业结构。
| 结构 | 可能的主导者 | 优势 | 难题 |
|---|---|---|---|
| 专业工具网络 | 影像、文书、药物等垂直公司 | 专业性强,容易验证 | 工具彼此割裂 |
| 平台型健康入口 | 大模型公司、科技平台 | 用户入口和统一体验 | 数据、责任与信任集中 |
| 医院主导的Agent网络 | 医疗机构与信息化厂商 | 更贴近真实流程与责任体系 | 部署慢、互通难 |
| 长期健康协同系统 | 患者端与临床端共同构成 | 能形成长期连续反馈 | 隐私、支付、公平与治理更难 |
没有谁一定赢。
但不管最后是哪种结构,都绕不开几个老问题:数据能否互通,模型能否被验证,谁对错误负责,谁付钱,医生和患者是否愿意改变原有行为,监管能否从“批准一个产品”走向“治理一个持续运行的系统”。
医疗AI的技术门槛会不断降低。
这些门槛却不会自动降低。
08苹果提出了一个问题,整个行业都还没有答案
11月15日,苹果启动健康AI使用研究,看上去是一件很克制的事。
但它其实问出了医疗AI最难的问题:
当一个系统开始影响人的健康选择时,什么叫“帮助”?
是让用户更满意?让医生少写一点字?让医院跑得更快?让更多疾病被发现?还是让一个人最终得到更合适、更及时、更可负担的照护?
这些答案并不总是一致。
医疗AI不会被一个更强的模型彻底改写。
它会在七条不同路径的推进中,被一点点重写:患者如何理解自己,医生如何判断证据,医院如何分配工作,系统如何执行行动,药物如何被发现,错误如何被拦下,结果如何被证明。
真正重要的,或许不是AI能否给出更多答案。
而是当答案出现之后,它能不能让下一步变得更好。
