在诊室里用豆包的医生们

10月25日，江苏徐州某医院的心血管科诊室，一个医生在听患者病情时打开了豆包。最后患者拒绝了医生开的处方。

事情发酵之后，医生所在的医院做了核实，给出了一条被患者家属镜头漏掉的信息：医生查的是一个新药，发现不适合这位患者，当天并没有开出任何新处方。

医院方强调，“AI只是用来获取信息的辅助，处方权始终在医生手里。”

随着AI的告诉发展，如今不仅许多患者在就医前习惯查询一下豆包，许多医生也确实在日常工作中会使用AI进行信息的补充搜索。

据行业访谈与媒体引用，豆包日均健康类咨询量被估在2000万人次量级（字节未正式披露精确数），相当于把过去“百度健康搜索”的流量迁到了对话框里

根据丁香园发布了一份针对647名医务工作者的调研，其中有98.5%的医生在过去三个月工作中用过AI，70.8%的医生每周至少使用数次，81.4%的医生用过豆包。

在诊室停滞的那几秒钟里，原本只属于医生和患者之间的沟通，被一个看不见摸不着的第三方插入了，传统的医患关系被悄然改变。

本期显微故事采访到了在诊室里使用AI的医生：

问了问他们到底如何看待AI，平时在哪些情况下会使用AI辅助，更值得我们关心的是，这些医生究竟用在哪一步，又在哪条线上自己刹住了？

以下是关于他们的真实故事：

文 | 天台乌药

编辑 | 方园婧

去年开始，洪医生就尝试过在面诊时用豆包了。

在洪医生的患者里，有一位52岁的中老年女性，对方有8年类风湿关节炎病史，长期在口服甲氨蝶呤片治疗，临床症状控制得不错。

那次挂号，是因为患者表示自己近几日尿频尿急，在一系列门诊检查后，结果显示有细菌感染，洪医生考虑是单纯性尿路感染。

洪医生说，当时他首先判断是想开具对症的复方磺胺甲噁唑，“这是该病的一线用药之一，而且便宜、有效。”洪医生告诉显微故事。

处方写到一半，洪医生忽然想起，这位患者之前有用过甲氨蝶呤片的情况，印象中这两种药一起使用似乎是有一定排斥反应。

图 |甲氨蝶呤的使用说明书

“甲氨蝶呤主要经肾小管分泌排泄，复方磺胺甲噁唑里的甲氧苄啶也走这条路，理论上会竞争排泄，抬高甲氨蝶呤血药浓度。但临床上的风险到底有多大？是尽量避免，还是密切监测血象就可以用？”

以往这种情况，洪医生会去翻看药典确认。但那天药典正好放在住院部的办公室里，不在手边，于是洪医生下意识掏出手机，在豆包里输入“甲氨蝶呤 复方磺胺甲噁唑 相互作用 骨髓抑制”。

豆包很快给出了几行提示。其中一条非常明确：

复方磺胺甲噁唑可显著增加甲氨蝶呤的血药浓度，两者联用骨髓抑制风险升高，严重时可致全血细胞减少，建议避免联用；

另一条提示是若必须联用，需密切监测血常规和甲氨蝶呤血药浓度，并考虑减量。

图 | 洪医生搜索出的药物排斥翻反应

还有一条她记到现在：这种相互作用在低剂量方案里同样存在，不只是大剂量化疗才要警惕。

于是，洪医生删掉了复方磺胺甲噁唑，换了另一种抗生素。“我没有拿它开药下诊断，这个工具更像一个随身药典。”

和洪医生不同，呼吸科的罗医生最近最苦恼的，反而是病人反复拿自己在豆包上搜过的结果来“拷问”自己。

在诊室里先掏出手机查询AI的，可能不是医生，也可能是患者。

令他印象最深刻的，是今年一位50多岁的中年男性患者。

该患者在公司组织体检时，发现了右肺有一个约6mm的纯磨玻璃结节。

洪医生看了对方的CT检查报告，其中显示结节边界清楚，密度均匀，没有实性成分。

以洪医生的诊断，按肺结节诊治共识，这种程度的肺结节，首选定期随访，定期复查CT。

但是患者先把手机递了过来。屏幕上是豆包的对话：“磨玻璃结节可能是早期肺腺癌，建议尽早手术切除。”

“罗医生你看嘛，我查了，豆包说可能是癌，我想直接切掉。”

要是在早几年前，罗医生肯定会跟病人说“网上说啥你们就信啥？”。

但现在不一样了，罗医生心里也很清楚，AI盛行的科技时代，这些患者接触医学不可能只通过医生和医院，他们会检索会思考，会有更多的意见可参考。

但问题在于，患者没有医学背景，他们在搜索过程中大多描述症状，却不能准确地将医学相关的提示词指出，描述的方法不同会导致AI出现的结果截然相反。

罗医生把患者的胸部CT调了出来，找到结节位置，开始和患者详细解释了目前的情况，最后还指导患者把问豆包的问题改得更贴合他自己的病情一些。

患者改了一下，屏幕上的回答变了，给出的结论和罗医生的建议大致相同。

“AI不是错了，有时候它会看人下菜碟。同一个问题，我们医生问，它给的是针对性的指南；换一个没有医学背景的患者来问，可能就是大范围的笼统答案。”罗医生和显微故事解释。

但这种做法还是没有让患者放心，因为他认识的一个邻居也是肺结节，手术做出来就是癌。

为了进一步降低患者的焦虑，罗医生不得不把他所知的信息再掰开了、揉碎了讲给患者：

目前恶性概率不高，随访是更合理的选择；现在手术，切掉的是一辈子的肺功能，换来的可能是一个“本来就不需要切”的结节。

哪怕是这样的耐心，患者也没有被当场说服，继而又追问罗医生，“随访过程中结节要是还在变大怎么办？”

那天门诊，罗医生在这个患者身上花了将近半小时。

“如果每个病人都拿着豆包搜过的内容进来和我讨论，那整体的医疗效率会变得越来越慢”，罗医生表示。

或许如果没有AI那一段，这个患者十分钟内就能沟通完。但患者带着一个“可能是癌”的答案进来，就必须先把这个答案拆开，再把医生的判断装回去。

同一间诊室，同一个工具，在医生手里和在患者手里，触发的是完全不同的信任反应。

医生把AI当做药典，而患者却把AI直接当成了医生。

发生在豆包、元宝、千问等AI工具里的医疗咨询，已经是AI时代下的大势所趋。

本质上，用它们查病，和用百度搜病，都是一类的人。但不同的是，搜索引擎能给出的答案有限，AI通常会更细致地询问你的病情，给出更多“看起来很专业”的建议。

前段时间网络上还曾出现过一张热图：在医院的门诊室门口贴着一张字条，上面写着“已经在豆包获得诊断的患者，请勿再向我们寻求建议。”

图 | 网络上流传的图片

虽然这张图已经被认定为人为生成，不是真实图片，但还是反映出了当下一部分地区医患关系中对豆包AI这类工具的态度——“如果有豆包，还要医生干嘛？”

但事实是，在我们所采访的几个三甲医院的医生都表示，AI不是洪水猛兽，在医疗中使用AI早已经是大势所趋，关键点不在于用不用，而是怎么用？何时用？用在哪些方面。

西南地区某二甲医院呼吸内科的主任陈医生和显微故事表示，这几个月医院开了几次会议，征求中层干部意见，主要讨论要不要在医生工作系统中引入AI。

在陈医生眼里，AI对医疗的好处是很明确的。

语音转文字、结构化初稿、缺项提醒，能显著压缩文书时间，病历规范性也更稳定。

“病历系统的AI确实在变强”，陈医生说到，有的医院上线大模型病历系统后，书写效率提升数倍，甲级病历率提高到97%以上。

此外，之前也有媒体报道过，武汉一家医院投用AI语音病历后，医生日均节省近三小时，病历合格率提升到99%。

“从质控指标上看，AI的答卷相当好看，”陈医生说。但陈医生还是在会议上投了拒绝引入AI一票。

“AI的弊端也显而易见”，陈医生说。

陈医生给科里的年轻医生讲过自己当住院医时手写病历的经历。在他那里，每天查房，患者的病情变化必须由主管医生亲自记录——哪怕那条记录最后只有一行。

“AI不会替你查房，也不会替你观察病人的病情变化。AI写的是一份完美病历应该有的样子，不是这个病人实际的样子。”

病人回答病史会有隐瞒，AI可能遗漏关键信息；更深一层，年轻医生可能跳过“自己归纳、鉴别、判断”的训练，只学会点“确认”。

因此，陈医生最关心的不是病历写得有多好看，他最担心的是，在没有限定好规则和使用方法时，盲目引入AI会带来的隐患。

“甲级病历率是次要的，真正关系到病人安全的是，这份病历里到底有多少是医生真正观察到的，又有多少是AI按模板和上下文自己‘补’出来的。”

比如，如果病人只在床边说了一句“昨晚烧到39度”，那么AI能很快顺着上下文补全病人的起病缓急、热型、伴随症状，个个有模有样。

“这些句子可能无中生有、与事实不符，或者漏掉关键细节”，陈医生说，可怕的是，目前它们未必会被我们现阶段的AI质控抓住。

“我们的质检系统也在用AI，但现阶段在病历的质检上，AI查得是病历结构是否完整，逻辑是否自洽”，陈医生说，“至于这句话到底是不是病人的诊室情况，AI判断不出来”。

“一份病历写得再规范，如果里头有一句假话，它就是一份假病历。质控分数不会告诉你这件事，病人出事的时候，律师会告诉你。”

今年1月，张文宏在香港高山书院十周年论坛也表过态，拒绝把AI引入医生的日常生活，“你可以自己在那里用，但是不允许在我的病历系统里面用AI”。

张文宏的理由是，如果实习医生直接通过AI得出结论，没经过系统的训练，最后就很难自己鉴别AI是对还是错。

监管的线其实已经画了：2022年2月试行的《互联网诊疗监管细则》写得明白，处方必须由接诊医师本人开具，禁止使用人工智能等自动生成处方，此后北京、上海、福建等地陆续跟进，口径一致。

落到病历上，是同一个道理——AI可以写，但认账的必须是签字的人。

还是回到那个问题，医生和患者到底该不该用AI。答案是肯定，但使用的方法需要注意。

在我们走访的几家医院，医生都表示从个人角度，AI的使用并不是洪水猛兽，豆包、元宝、千问等AI工具的存在其实是有利于医生去查询资料的，关键看医生自己要利用专业能力去有效判断。

洪医生把AI的边界划分得很清楚。

仅拿查药品这件事情来说，一个医生在临床工作中遇到拿不准的细节，停下来“翻书”这件事本身不新鲜。

未出现AI时，上一代医生翻药典、查文献、打电话问上级，这一代医生从纸张和搜索引擎，变成了一个豆包、千问、元宝等AI工具里，会组织语言、会给出“建议”的对话框。

洪医生如今依然会使用AI，但她主要用来查询不常规用药的说明书，核查一些药物之间的相互作用。有时，遇到多病共存、多重用药的患者时，她会使用AI看看有没有漏掉的坑。

但她从来不会问“这个病人该用什么药”，也从不把AI的输出直接写进处方。

对她来说，豆包这类AI工具，“就像一个反应很快的临床药师，知识面广”，洪医生告诉显微故事，“你可以问它，但不能让它签字，也不能让它担责。”

罗医生也找到了和用豆包来看病的患者之间的相处方式。

“如果患者进门先说‘我查了豆包’”，他不急着否定，也不顺着走。“我会看患者查询时如何描述的，再看AI给了几种可能，最后会问患者自己觉得哪一种最符合。”

三个步骤下来，通常就能把对话从“AI说的”拉回到“患者身上到底发生了什么”。如果遇到AI列出的可能性里确实有一条值得排查，就会当场解释原因。

“现在医生、患者和AI之间感觉是一个三角关系，而想要这个关系达到稳定，是需要医生的解释。医生解释得不够详细，患者就会自己去找答案。而他们找到的方向，未必通向正确。归根到底还是需要打铁自身硬。”

图 | 在医院外等候就诊的患者和家属

陈医生也不反对AI，甚至如今他自己也用，“遇到拿不准的鉴别方向、记不清的药物相互作用，会打开对话框查一下。”

但他依然坚信，写病历从来不是文书工作，是临床思维的训练场。

年轻医生在反复推敲主诉怎么归纳、现病史留哪些细节、鉴别诊断按什么顺序排的过程中，才有可能慢慢长出一条属于自己的路。

（应受访者要求，本文出现人物除公开人物以外均为化名，文中出现的药品和诊断结果仅为稿件撰写需要，不能作为任何辅助诊断信息）