进诊室之前的那场聊天
The Lancet 发表 Google / BIDMC 的 AMIE 诊前对话可行性研究：像进诊室前那张纸条，会反过来问你。数字据 Unite.AI 综述转述。
我这个年纪的人，去医院看病有一个老习惯，出门前在纸上写几行字：哪天开始不舒服，哪里疼，吃过什么药，夜里睡得怎么样。原因很简单，进了诊室，医生给你的时间就那么几分钟，人一紧张，平时想好的话一句也想不起来，等走出门才拍大腿，刚才那个最要紧的症状忘了说。那张纸条，就是普通人给自己找的一点笨办法。
10 月 8 日，The Lancet 主刊发表了一篇论文，讲的就是这张纸条之前的那段时间。Google 和波士顿的 Beth Israel Deaconess Medical Center，也就是 BIDMC，一起做了一项研究：让一个叫 AMIE 的对话式 AI，全称 Articulate Medical Intelligence Explorer，在病人来看急症之前，先跟病人聊一场。Google 称，这是它第一次在 Lancet 主刊上发文。消息出来，标题里很容易出现「AI 看病」四个字，我读的时候，倒是先把这四个字放到一边。
先把这件事本身讲清楚。据 Unite.AI 对这项研究的综述，研究是前瞻性、单臂、单中心的，事先在 ClinicalTrials.gov 做了预注册，也过了伦理审查委员会，也就是 IRB。时间是 2025 年 4 月到 11 月，入组 114 人，其中 100 名成年人完成了诊前互动，98 人最后真的来赴约看了医生。研究结果其实今年 3 月就以预印本和博客的形式披露过，这次是正式发表在期刊上。
聊天怎么聊，也值得说一句。病人在家里，通过一个安全的文本聊天界面，最早可以提前 5 天开始。AMIE 问症状，问病史，给出一份鉴别诊断，供病人到时候和医生讨论，再把整场对话整理成摘要交给医生。整个过程里，有一位内科专科医生通过实时视频加屏幕共享在旁边盯着。也就是说，AI 在前面说话，人在后面看着，这个结构请先记住，后面要用到。
所以它扮演的角色，不是坐在诊室里那位穿白大褂的人，而更像是候诊之前那张纸条，只不过这张纸条会反过来问你问题。按我的理解，这和站上之前写过的那种算医院床位、排运力的 AI 不是一回事，那是在管医院这台大机器，这里管的是一个病人进门之前，脑子里那团乱麻怎么理成几行字。
这项研究里最容易被拿来做标题的，有两个数。一个是安全中止为零，一个是鉴别诊断前 7 项命中率 90%。我想分开说，每个数都问两句：它说明了什么，它没说明什么。
先说安全中止。研究定了四条需要人介入、中止对话的标准：病人有自伤或伤人的风险，病人出现明显的情绪困扰，对话可能造成临床伤害，或者病人自己要求结束。结果是，98 次完成的对话里，没有一次触发这四条中的任何一条。同时也记录了 1 次幻觉，以及 5 次需要额外做临床澄清的情况。
这个零，说明的事情是实在的：在这样的设置下，一个 AI 和近百位真实急症病人聊完了全程，没有出现需要监督医生出手叫停的局面。对于一个第一次走出实验室、面对真人的系统，这是一个必须先过的门槛，过不了，后面什么都不用谈。
可这个零没说明的，我觉得更要多看一眼。第一，这 98 场对话，每一场旁边都坐着一位专科医生在实时盯屏，零中止是在有人看着的情况下得到的，拿掉这个人以后还是不是零，这项研究没有回答。第二，98 是一个很小的数，有些坏事本来就罕见，样本小的时候没碰上，不等于它不会发生，这是我按统计常识做的推断。第三，零中止不等于零差错，同一份研究里明明白白写着 1 次幻觉和 5 次额外澄清，只是它们没严重到要叫停。安全中止为零，是这一批、这种设置下的结果，不是一张安全证书，句号。
再说 90%。研究在病人看完医生 8 周以后回头翻病历，确定一个最终诊断，然后看 AMIE 当初列出的鉴别诊断里有没有它。结果是，最终诊断落在前 7 项里的占 90%，落在前 3 项里的占 75%，AMIE 排在第一位的那个诊断恰好命中的，占 56%。
这三个数要放在一起看。90% 说明的是，AMIE 列出的那张单子，大多数时候是把正确答案装进去了，作为一份带进诊室、供医生核对的清单，它的覆盖面相当不错。可是如果只看第一名，命中率是 56%，用我的小学算术换个说法，差不多每两个病人里，就有一个人的头号猜测不对；前 3 项的 75%，意思是大约四个人里有一个，正确答案排在第 3 名以后；前 7 项的 90%，意思是大约十个人里仍有一个，最终诊断根本不在单子上。这几句换算是我自己做的。
所以 90% 这个数，适合理解成「列单子的本事」，而不是「下结论的本事」。一张七项的单子，对医生来说是一份不错的提纲，可对一个独自坐在家里、拿着手机的病人来说，七个可能的病名并排摆着，其中有轻有重，这本身就是一件需要人陪着看的事。
研究里恰好有一个细节，说的就是这件事。医生在 44 个病例里看过 AMIE 给的摘要，其中 75% 的医生说摘要帮助他们做了准备，57% 说可能会影响临床路径。可也有 1 例，医生担心鉴别诊断里列出的淋巴瘤给病人带来了焦虑。我读到这里停了一会儿。人心里的定力是很脆弱的，半夜在手机上看到一个吓人的病名，哪怕它排在第六第七位，也足够让人一晚上睡不着，这一点，机器列单子的时候未必会替你想到。
还有一组对照，也容易被读歪。研究做了盲法、随机的评价，把 AMIE 和初级保健医生放在一起比：在鉴别诊断的总体质量、管理方案是否适当、是否安全这几项上，两者相近；而在方案的可行性和成本效益上，医生做得更好。原因也写得很清楚，AMIE 看不到电子病历，不能给病人做体检，也没有多模态，只能靠文字。
这一点我觉得很公道。看病从来不只是对答案，一个方案好不好，还要看这家医院能不能做、病人付不付得起、这周排不排得上号，这些东西不在聊天记录里，在医生的手上和脑子里。AI 在纸面上和医生差不多，到了落地这一步就差了一截，这正好说明了它眼下该站的位置：在前面帮着理清楚，后面的事交给能摸到病人、看得到病历的人。
至于病人那边，据 Unite.AI 的综述，病人对 AI 的态度在聊完以后明显变得更正面了。这个我愿意信，被一个耐心的对象从头到尾问一遍，本来就比在诊室里被赶着说话舒服。只是态度变好，说的是体验，不是疗效，这两件事不能混在一起算。
论文自己也把局限摆了出来。这是可行性研究，不是疗效对照，没有设一组不用 AI 的病人来比较结果好坏；只用了文本界面；研究的资助方是 Alphabet；作者之一 Rodman 曾经是 Google 的访问研究员。这些写在论文里，是规矩，也是诚实，读的人记住就好，不必因此全盘否定，也不必视而不见。
把这些放在一起，我的理解是这样的：这项研究证明了一件事能做，而且在严格看着的条件下做得还算稳当，这件事是让 AI 在病人进诊室之前，把信息先采一遍、整理成医生能用的样子。它没有证明 AI 能替医生看病，没有证明不派人看着也一样安全，也没有证明用了它病人会好得更快。可行性和疗效之间，隔着好几项更大、有对照、多中心的研究，这条路得一步一步走。
如果这类工具以后真的进了门诊，医生和病人见面的那几分钟，可能会从「问你哪里不舒服」变成「我看了你的摘要，我们核对一下」，从采集信息转向一起核对、一起拿主意。这是我的推断，研究本身没有这样说。要真走到那一步，前面那位盯屏的医生要不要撤、什么时候撤、撤到什么程度，恐怕是比命中率更难回答的问题。
说回出门前那张纸条。它的好处，从来不是替你看病，而是让你在那几分钟里不慌，把该说的话说全。AMIE 现在能做的，大概就是一张更会问问题的纸条，写得比我们自己写的整齐，偶尔也会写错一个字，或者写上一个让人睡不着的病名。纸条再好，最后还是要递到一个人的手里，由那个人看着你的脸，问你一句今天感觉怎么样，不是么？
来源：Unite.AI 对 Google AMIE / BIDMC 研究的综述（2026-10-09）；论文发表于 The Lancet 主刊（2026-10-08）。研究数字均据上述综述转述，未直接读论文；文中「每两人里有一个」等换算为作者自算近似说法。