AI问诊：真的能成为救命稻草吗？

如今，AI的应用场景愈发广泛，无聊时用它聊聊天，改写文章风格时借助它偷个懒，需要配图时让它画一幅……不过，如果说AI能救命，你会作何反应呢？

8月2日，微博CEO @来去之间发微博称，昨天睡前突然感到强烈的头晕目眩，甚至晕到走不动道、“站不起来”。家人帮他量血压，发现高压还不到90，属于低血压。

低血压的情况可轻可重，严重时会陷入休克，甚至引发脑梗和心梗，危及生命。但这位微博CEO艺高人胆大，没有第一时间打车去医院，而是选择先问AI。

他把症状夸大后，又将晚上吃喝的东西都发给AI，最终得到的“诊断结果”是，因喝了隔夜的VC泡腾水，患上了「反射性低血压」。

在AI的建议下，他喝了点可乐、蒙脱石散和补液盐，一小时后症状真的好了。

此事一出，刷新了很多人对AI的认知，原来AI除了用于娱乐和偷懒，还能用于“问诊”。然而，从网友的反应来看，多数人并不买账。在来去之间的评论区，不少人批评这个例子会误导网友在紧急时刻不找医生而找AI，从而耽误最佳治疗时间。还有网友认为，来去之间的这种行为是对生命健康的儿戏。

网友的质疑可以理解。要是一个月前的我，肯定也会和大多数网友一样，指责来去之间“不知死活”。但两周前，我女朋友用AI解决了困扰她二十多年的疑难杂症，再加上来去之间的这个案例，让我更加相信“AI问诊”可能远比大家想象的靠谱。

赛博神医

随着年龄增长，很多人或多或少都有一些多年未愈、虽不致命但难以根治的病症。

比如我女朋友，从七岁起就有一个怪病。发病时，她会先出现强烈的眼花、目眩，就像套上了万花筒，半小时后开始头晕，一晕就是四五个小时。

发病时，她视线模糊，什么都看不见，头晕后只能躺在床上休息，二十多年来一直如此。虽然不危及生命，但对日常生活和工作影响很大。

更让人烦恼的是，二十多年里，她看了无数三甲医院、诊所，尝试了各种偏方。医生的诊断五花八门，有说是急性肠胃炎的，有说是耳源性眩晕的，看中医又说是肩颈部供血不足……但始终没有一个医生、一种药能解决问题，甚至缓解症状。

束手无策之际，我们抱着死马当活马医的心态，询问了ChatGPT 4o。没想到，一试之下，结果令人惊讶。我们输入女朋友的过往疾病史、生活史、过往诊断、用药及效果后，ChatGPT给出了一个完全意料之外的诊断结果：前驱性偏头痛。

对于这个诊断结果，它解释道：“视觉异常+随后头晕恶心呕吐+睡眠缓解+发作性+月经周期相关的症状，高度符合偏头痛伴先兆（Migraine with aura）的临床表现。”

而且，ChatGPT似乎猜到我们会对“偏头痛”这个结果感到意外，还特地解释说：“许多偏头痛患者并不以‘头痛’为主，而可能以眩晕为主症状”，同时说明了之前医生误判的可能因素。

ChatGPT整理出答案后，还会推荐挂号的医院科室，强调要找眩晕相关的医生。最后，它还主动询问我们是否需要准备病情的自述提纲，或者生成病症判断的逻辑文档。

可以看出，ChatGPT的整个诊断流程分析有理有据、引经据典，回答情商也很高。它不仅安慰患者、为过去的医生找补，还积极引导我们为看病做好准备。

为验证这个诊断结果，我们用同样的提示词问了谷歌Gemini 2.5 Pro。Gemini给出了类似的答案，虽然它称之为“前庭性偏头痛（Vestibular Migraine）”，但结合后续对症状、病史的分析，说的其实是同一个病。

基本可以确定，这个怪病就是“偏头痛”。

体验这两款AI工具时，我们发现Gemini的回答更加简洁高效，文本排版更有重点、更舒服，只查询病症的话，用Gemini更方便。但如果想深入了解具体情况，ChatGPT的拟人化程度更高，交互更友好。相比Gemini回答结尾的“打鸡血”，好像答完就下班了，GPT的循循善诱，甚至主动提议帮我们准备能用得上的材料，更加温暖贴心。

为验证两个AI的诊断结果，我们拿着GPT生成的看病材料，到广州某三甲医院的神经内科，根据它的推荐找了眩晕相关的医生。

令人意外的是，门诊医生对GPT的诊断和它制作的就诊信息汇总表高度肯定，称GPT的诊断结果基本准确。不过，因为女朋友症状发作时从未出现明显头痛，医生认为这是罕见病，也容易误诊。

最终医生给出的诊断是“基底型偏头痛”，这是偏头痛病症的一种细分类型。

更神奇的是，针对这个罕见病，医生给女朋友开了一种还在临床试验的特效药，而且真的有效。后来女朋友发病时，吃了特效药，原本需要几个小时才能缓解的眼花、头晕，不到半个小时就大幅缓解，不影响正常生活和工作了。

所以，这次亲身经历中，前期的AI辅助诊断和后期医生的对症下药，都对找到罕见病的治疗方法起到了巨大作用。

我们不禁会想：如果早几年就能用上现在这个版本的ChatGPT 4o，是不是能更早摆脱这个罕见病带来的痛苦？

而且，GPT在AI问诊过程中，还能帮助我们梳理发病经过、组织描述病历的语言大纲。当我们不确定如何描述症状时，AI能引导我们准确描述，甚至帮我们自动生成类似自测量表的文书工具。其靠谱程度，比“百度搜病症”强多了。

另外，经此事件后我查阅资料发现，原来AI在医疗领域回答的靠谱程度远高于其他领域。

“神医”的底气

一向爱胡编乱造的AI，为何在问诊时突然靠谱了呢？

从宏观层面看，医疗信息高度结构化、知识密度大且更新速度快，这恰好是大模型擅长处理的内容。

响应迅速的大模型可以7x24小时处理大规模医学知识、精准匹配用户问题，还能通过数据训练不断学习和更新，在咨询、问诊过程中辅助医生决策与诊断。

所以，能力越强的大模型，越适合回答医疗相关问题。除了ChatGPT 4o和谷歌Gemini 2.5 Pro，国内一些出色的大模型在医疗领域表现也不错。

今年6月，斯坦福大学发布的临床医疗AI模型评测显示，DeepSeek R1以66%的胜率和0.75的宏观平均分，在九个前沿大模型中脱颖而出，成为全球冠军。

此外，阿里旗下的AI产品也高调进军医疗市场。夸克宣布将健康大模型集成在AI搜索框中，同门的“蚂蚁AQ”则是专注C端健康管家的软件。

但强大的模型能力只是基础。对于医疗领域的回答，训练数据的准确可靠远比其他领域重要。所以，必须使用高质量、结构化的医学数据进行训练。

ChatGPT称其微调数据来自临床指南、UpToDate、PubMed的数据，还会过滤非结构化网络信息，避免患者论坛的误导性内容，保证医疗回答信息可靠、专业。

Gemini的数据依托Google Health的真实病例与结构化EHR（电子健康档案）数据，并有医生团队筛选训练语料，防止AI胡编乱造。

无论哪家大模型，医疗相关的数据来源都要经过层层筛选，不是随便从网上找来的数据就能用于训练的。

有了高质量数据后，还会用到训练大模型过程中的“知识增强”（Retrieval-Augmented Generation, RAG）。在模型生成回答前，先进行知识检索，再由模型生成答案，确保输出内容与权威资料一致。

不同模型的具体做法可能不同，比如ChatGPT在联网模式中，借助Bing +医学数据库内容实时增强；Gemini会动态连接Google Search医疗知识面板，引用临床试验、指南等摘要内容。

除此之外，大模型还会内置“医疗事实校验模块”（Fact Consistency Checker），在回答生成后，反向判断输出是否与数据库一致。

例如，抽取模型回答中的关键实体（如疾病名、药品名），检查是否存在于知识库中；对输出进行“自动三段论”逻辑审查，检查“疾病类型→感染类型→药物适应症”三者之间是否合理配套。

这一步能显著减少因错误推理链导致的医学性幻觉，无论是通用大模型（如ChatGPT、Gemini、Anthropic Claude），还是医疗垂直大模型（如夸克医疗大模型、讯飞星火医疗大模型和平安医疗认知大模型），都已标配。

最后，部分大模型输出的结果，还会通过专业医生反馈标注，多轮标注后用于强化学习，并设计完善的准确性奖励机制等。

简而言之，AI医疗问答场景下的回答，要经过一系列“防幻觉系统工程”的处理，比传统问答流程更复杂、严谨和专业，所以医疗场景下的AI回答更可信。

“吃错药会死人”的道理大家都懂，在医疗这种严肃领域，AI大模型厂商更怕出事担责。

黎明前夜

财经故事荟的数据显示，在美国顶级医疗机构中，高达87%的科室已实现AI工具的常态化使用（每周>50次），放射科、病理科的采纳率更是达到95%。

美国、英国、法国、瑞士等国家也在试点将AI工具引入医生的日常工作流，为患者解答问题、分析医学影像和自动生成临床文书等，为探索AI工具在临床医学流程中的实际运用提供了宝贵数据。

AI医疗是一个很有想象力的领域。看病难、医疗资源不均衡是全球性问题，而AI的出现，对普通人来说，意味着多了一本随身携带的专业医疗知识宝典；对医生来说，是一个强大的减负工具。

虽然现在没人能保证AI问诊结果百分百准确，但不妨试试用ChatGPT、Gemini等工具总结病情发展经过、描述症状和病情，并将信息整理到表格里，这至少能提高看病时与医生沟通的效率，还不用担心遗漏重要信息。

这可比用AI算命有价值多了。

本文来自微信公众号“蓝字计划”，作者：Hayward，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com