阿福的“医生把关”，能不能让“Al误诊”悲剧少一些?

AI能迸发出多大的能量，既取决于算力、数据、架构，也取决于人。

作者|杨知潮

AI已经成为全世界最大的“医师”。上至老人，下至学生，只要有不舒服，都知道问问AI。

它“行医”三年，解决了很多问题，但也带来了一些问题。

很多普通人搞不清通用AI和专业AI的区别，拿着日常的通用语言型AI当万金油用，导致的失误已经令人惋惜：有人说手指被夹断后，去找某通用AI查资料，按照AI回答用盐水保存断指，导致彻底无法再植。有网友拿着同样问题去问专业AI，得到的回答是千万不能用盐水保存断指。

AI很好用，但把AI当成唯一的主治医师，对于一个还在快速成长的技术来说，也许有些揠苗助长了。

让真人医生加入，AI先答，需要再请医生把关，无疑更现实靠谱。

01 生物老师能看病吗？

2025年，谷歌的一款AI工具——NotebookLM开始爆火。

在一众优秀的通用模型里，这个后发者却出乎意料的风靡，原因很简单：专业且精准。

NotebookLM只基于上传的有限资料回答问题，这就像一个终身只研究一本书的学者，肯定比所谓的博学家更加专业。而同样的一篇资料，让通用AI工具研究，不仅理解深度不够，甚至错误和幻觉不断。

连查资料都会出现错误，通用模型在医疗方面的失误也就不难理解了，它们当然是世界上最强大的模型，但它们只是一个“博学家”。如果专用医疗AI工具是“全科医生”，那通用AI最多相当于生物老师，甚至生物老师都不算，只能算是县里的秀才。

生物老师和秀才能看病吗？当然比普通人强，但作为专业医生，远远不够。

相比之下，专业的“硅基医生”，也就是专业医疗AI工具的准确度有明显优势。前几天，长征医院在皮肤科诊间发起100名患者实测：这些患者候诊时先将皮肤问题拍照给阿福获得解答，患者看完医生后，发现阿福的识别判断和医生诊断高度吻合，基本一致率超过90%。

但即便如此，专业医疗AI也难以替代医生。就像自动驾驶的安全率已经很高，但仍然没有一家主流车企敢说自己实现了L5级别的自动驾驶。因为涉及人身安全的事，0.1%的风险也是不能容忍的。

况且眼下的生成式AI的回答能力，高度依赖提问的水平。

牛津大学做了一项研究：AI在标准化医疗问答中的理论准确率可达 94.9%。

看起来似乎非常准确？但很遗憾，这是理想环境。在模拟真实临床场景或向大众提供健康建议时，准确率会大幅跌。

原因很简单：大多数用户根本没有给出正确问题的能力。

这是眼下LLM的特性决定的，AI医疗的结果是否准确，很大程度取决于用它的人。而当越来越多普通人把问AI当做习惯，AI怎么可能要求用户自己具备很强的提问能力？

真人医生的介入，自然成了更优解。

02 AI有多强，取决于人

每个独立坐诊的医生，都是从“打杂”做起的。作为人类创造的学生，AI也没道理不遵守医生的规矩。

就像刚刚毕业的本科生一样，AI当然可以参与到医疗健康服务中，但真正的“主治医生”，仍然由真人担任。

最近阿福新试水的“医生把关”受到热议。拍完皮肤给AI解答以后，可以邀请三甲医院的医生再进行复核，做一道把关。

这个医生把关的功能还处在探索期，暂时仅限于皮肤类咨询。医生把关的最直接价值，当然是准确度的提升。专业医生和专业AI的同时确认，当然比单纯的AI更加可靠。

如果医生认为患者提供的信息不足，还可以进一步让用户补充。这是真人目前相对AI的一个巨大优势，而AI虽然名字里带了“生成式”三个字，但非常需要用户本人的引导。

曾预言互联网未来的凯文·凯利认为，以后最好的医疗服务既不单纯来自AI，也不单纯来自真人医生，而是两者的结合。“AI+医生”，是他眼中最理想的医疗模式。

真人医生与AI的结合，才刚刚开始。具体未来能够拓展到多少领域，能够衍生出多少种服务，都还不得而知。

但可以明确的是，真人的加入，有机会从整体上优化AI医疗的体验。准确度、流畅度、效率、体验，都可能因为真人医生的加入而被优化。

不久前，诺贝尔物理学奖得主Giorgio Parisi利用Claude证明了一个12年未被证明的猜想。整个论证过程，他都帮AI指出了方向，甚至纠正了AI错误的论证。在这个故事里，AI固然强大，但人的价值同样无可替代。

AI是人创造的，AI也是由人来使用的。它能迸发出多大的能量，既取决于算力、数据、架构，也取决于人。

头图来源|AI制图