譯者 | 劉汪洋
審校 | 重樓
最近，《自然》雜志上的一篇新論文引發(fā)了關(guān)注。它展示了谷歌如何用 AI 改變醫(yī)療的未來(lái)：通過(guò)自動(dòng)化技術(shù)降低成本、減輕醫(yī)生負(fù)擔(dān)，使他們能夠?qū)⒏嗑ν度氲綇?fù)雜病例的處理中。
當(dāng)你帶著疑難雜癥就醫(yī)時(shí)，自然希望得到準(zhǔn)確的診斷。然而，即便經(jīng)驗(yàn)豐富的醫(yī)生，有時(shí)也會(huì)對(duì)疑難病情感到棘手。有些癥狀或許并無(wú)大礙，但有些則需要深入檢查。近年來(lái)，人工智能在醫(yī)療領(lǐng)域發(fā)展迅猛，尤其在模式識(shí)別類(lèi)任務(wù)中表現(xiàn)突出。谷歌近期在“AI 醫(yī)生”研發(fā)上取得了重大突破。
AI 在醫(yī)學(xué)領(lǐng)域的應(yīng)用由來(lái)已久。多年來(lái)，各類(lèi)算法（包括基于AI 的算法）持續(xù)協(xié)助醫(yī)生和研究人員開(kāi)展圖像分析等工作。近期研究表明，AI 系統(tǒng)，特別是大型語(yǔ)言模型（LLM），能夠輔助醫(yī)生進(jìn)行診斷，部分研究中其準(zhǔn)確率甚至與專(zhuān)業(yè)醫(yī)生相當(dāng)。不過(guò)，谷歌此次的研究有所不同。谷歌研究院推出的新型 LLM，專(zhuān)門(mén)采用“癥狀-診斷”關(guān)聯(lián)數(shù)據(jù)進(jìn)行訓(xùn)練。雖然這只是一個(gè)開(kāi)始，未來(lái)仍面臨諸多挑戰(zhàn)，但可以確定的是：一個(gè)強(qiáng)大的新型 AI 正在進(jìn)入醫(yī)療診斷領(lǐng)域，我們需要為此做好準(zhǔn)備。本文將重點(diǎn)探討這個(gè)新系統(tǒng)的運(yùn)行原理，同時(shí)也會(huì)提及它引發(fā)的思考——既有谷歌論文中探討的內(nèi)容，也有在醫(yī)生、保險(xiǎn)公司、政策制定者等群體中引發(fā)熱議的話題。
來(lái)自谷歌的強(qiáng)大醫(yī)療診斷 AI 系統(tǒng)
復(fù)雜大語(yǔ)言模型 （LLM，即通過(guò)海量數(shù)據(jù)訓(xùn)練、能夠“理解”并生成自然語(yǔ)言文本的 AI系統(tǒng)）的出現(xiàn)，徹底變革了我們處理、分析、提煉和生成信息的方式。尤其是最新的大語(yǔ)言模型，具備了精細(xì)化文本推理與對(duì)話能力，使其有望成為診斷復(fù)雜認(rèn)知任務(wù)的得力助手。實(shí)際上，我現(xiàn)在討論的谷歌這項(xiàng)新研究，只是這個(gè)快速發(fā)展領(lǐng)域中的又一進(jìn)展，旨在探索這些先進(jìn) AI 工具如何理解臨床工作流程并提供助力。
這項(xiàng)研究已通過(guò)同行評(píng)審，發(fā)表于頂尖期刊《自然》，在醫(yī)學(xué)界引發(fā)廣泛關(guān)注。在題為《通過(guò)大型語(yǔ)言模型實(shí)現(xiàn)精確鑒別診斷》的論文中，谷歌研究院介紹了一款專(zhuān)用 LLM——AMIE（Articulate Medical Intelligence Explorer）。該模型基于臨床數(shù)據(jù)進(jìn)行訓(xùn)練，旨在輔助醫(yī)生診斷，甚至未來(lái)可能獨(dú)立完成診斷工作。研究人員讓 AMIE 處理數(shù)百個(gè)真實(shí)復(fù)雜的疑難病例，測(cè)試其生成鑒別診斷（醫(yī)生專(zhuān)業(yè)術(shù)語(yǔ)）的能力 。
想看完整技術(shù)細(xì)節(jié)的論文在這里：https://www.nature.com/articles/s41586-025-08869-4
出人意料的結(jié)果
這項(xiàng)研究結(jié)果令人十分吃驚。當(dāng) AMIE 僅依據(jù)病例報(bào)告的文字描述進(jìn)行診斷單獨(dú)運(yùn)行，其診斷準(zhǔn)確率竟顯著高于經(jīng)驗(yàn)豐富的醫(yī)生（在未借助 AI 輔助的情況下）！AMIE 給出的前 10 個(gè)診斷中包含正確診斷的概率接近 60%，而醫(yī)生獨(dú)立判斷時(shí)這一概率僅約 34%。
更值得關(guān)注的是，獨(dú)立運(yùn)作的 AMIE 表現(xiàn)甚至比有 AMIE 輔助的醫(yī)生還要略勝一籌！雖然借助 AMIE 輔助的醫(yī)生比使用谷歌搜索等常規(guī)工具時(shí)準(zhǔn)確率顯著提高（超過(guò)51%），但在這些疑難病例中，單看準(zhǔn)確率指標(biāo)，AI 仍略勝一籌。
研究中還發(fā)現(xiàn)一個(gè)驚人之處：在 AMIE 與人類(lèi)專(zhuān)家的對(duì)比實(shí)驗(yàn)中，這個(gè) AI 系統(tǒng)僅分析了病例報(bào)告中的文字內(nèi)容。而人類(lèi)醫(yī)生面對(duì)的是完整的病例報(bào)告，不僅包含 AMIE 分析的文字信息，還涵蓋圖像（如 X 光片、病理切片）和表格（如化驗(yàn)結(jié)果）等數(shù)據(jù)。即便缺乏這些圖片、表格信息，AMIE 的表現(xiàn)依然超越了未借助 AI 輔助的醫(yī)生。這一結(jié)果既令人贊嘆，也為未來(lái)醫(yī)療 AI 的發(fā)展指明了方向：整合并理解文字、圖像、基因組數(shù)據(jù)、傳感器原始數(shù)據(jù)等多類(lèi)型數(shù)據(jù)，將是醫(yī)療 AI 實(shí)現(xiàn)全面模擬臨床評(píng)估的關(guān)鍵環(huán)節(jié)。
AMIE 作為超專(zhuān)業(yè) LLM
那么，像 AMIE 這樣的 AI 為何能表現(xiàn)得如此出色，甚至超越部分經(jīng)驗(yàn)豐富的人類(lèi)專(zhuān)家呢？
從技術(shù)本質(zhì)來(lái)看，AMIE 的底層架構(gòu)仍基于大語(yǔ)言模型（LLM），與 GPT-4、谷歌 Gemini 等模型具有相似的技術(shù)基因。但 AMIE 并非僅僅掌握醫(yī)學(xué)知識(shí)的普通聊天機(jī)器人，而是為臨床診斷推理專(zhuān)門(mén)深度優(yōu)化的專(zhuān)業(yè)系統(tǒng)。正如《自然》期刊論文中詳細(xì)闡述的，其技術(shù)優(yōu)勢(shì)源于以下幾方面的針對(duì)性改進(jìn)：
- 專(zhuān)業(yè)化訓(xùn)練數(shù)據(jù)：在包含海量診斷信息的醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)中，對(duì)基礎(chǔ) LLM 進(jìn)行定向微調(diào)。
- 指令適配訓(xùn)練：通過(guò)訓(xùn)練使模型精準(zhǔn)理解并執(zhí)行特定臨床指令，例如生成鑒別診斷列表、拆解推理邏輯鏈條、實(shí)現(xiàn)符合醫(yī)療場(chǎng)景的交互式溝通。
- 基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí)（RLHF）：很可能引入臨床醫(yī)生的專(zhuān)業(yè)反饋數(shù)據(jù)，對(duì)模型輸出進(jìn)行迭代優(yōu)化，使其結(jié)果更趨精準(zhǔn)、安全且貼合臨床需求。
- 推理增強(qiáng)技術(shù)：采用特定算法強(qiáng)化模型在癥狀、病史與潛在疾病間建立邏輯關(guān)聯(lián)的能力，這一技術(shù)路徑與谷歌 Gemini 2.5 Pro 等強(qiáng)大的推理模型具有相似性。
值得注意的是，根據(jù)論文數(shù)據(jù)，AMIE 在自動(dòng)評(píng)估環(huán)節(jié)優(yōu)于 GPT-4，證明了其專(zhuān)業(yè)領(lǐng)域優(yōu)化的價(jià)值。但遺憾的是，論文未將 AMIE 與其他通用大語(yǔ)言模型（包括谷歌自研的 Gemini 2.5 Pro 等 “智能” 模型）進(jìn)行橫向?qū)Ρ?—— 這一缺失令人費(fèi)解，甚至讓人對(duì)論文審稿環(huán)節(jié)的嚴(yán)謹(jǐn)性產(chǎn)生疑問(wèn)。
另一個(gè)關(guān)鍵特性在于，AMIE 支持交互式診療輔助模式。臨床醫(yī)生可通過(guò)實(shí)時(shí)提問(wèn)深入探究模型的推理依據(jù) —— 這一設(shè)計(jì)與傳統(tǒng)靜態(tài)診斷系統(tǒng)形成了本質(zhì)差異。
如何進(jìn)行診斷效果評(píng)估？
衡量診斷的性能和準(zhǔn)確性并非易事，這或許會(huì)引起有數(shù)據(jù)科學(xué)背景讀者的興趣。在這項(xiàng)研究中，研究人員沒(méi)有單純?cè)u(píng)估 AMIE 的表現(xiàn)。他們采用隨機(jī)對(duì)照的方法，將 AMIE 與三組醫(yī)生進(jìn)行對(duì)比：第一組是未借助任何輔助工具的醫(yī)生；第二組是使用標(biāo)準(zhǔn)搜索工具（如谷歌、PubMed 等）的醫(yī)生；第三組是由 AMIE 輔助的醫(yī)生（這組醫(yī)生也能使用搜索工具，但使用頻率較低）。
研究人員對(duì)數(shù)據(jù)的分析也沒(méi)有局限于簡(jiǎn)單的準(zhǔn)確率。他們運(yùn)用了多項(xiàng)指標(biāo)，其中最關(guān)鍵的是“前 n 位準(zhǔn)確率”（Top-n accuracy），即判斷正確診斷是否出現(xiàn)在 AMIE 給出的前 1 個(gè)、前 3 個(gè)、前 5 個(gè)或前 10 個(gè)可能性中。此外，還有“質(zhì)量分?jǐn)?shù)”（用于評(píng)估診斷列表與最終診斷的接近程度）、“適當(dāng)性”和“全面性”——后兩個(gè)指標(biāo)由不了解診斷列表來(lái)源的獨(dú)立專(zhuān)科醫(yī)生進(jìn)行評(píng)分。
這種全面的評(píng)估方式，比單純依靠一個(gè)準(zhǔn)確率數(shù)值更能反映實(shí)際情況。通過(guò)與醫(yī)生獨(dú)立診斷及使用常規(guī)工具的情況進(jìn)行對(duì)比，也能更準(zhǔn)確地衡量 AI 在實(shí)際應(yīng)用中帶來(lái)的價(jià)值。
為什么 AI 在診斷方面表現(xiàn)如此出色？
與其他專(zhuān)業(yè)醫(yī)療 AI 一樣，AMIE 同樣基于海量醫(yī)學(xué)文獻(xiàn)、病例研究和臨床數(shù)據(jù)完成訓(xùn)練。這類(lèi)系統(tǒng)不僅能夠處理復(fù)雜醫(yī)學(xué)信息、識(shí)別潛在規(guī)律，更在罕見(jiàn)病檢索能力上展現(xiàn)出顯著優(yōu)勢(shì) —— 其響應(yīng)速度與信息覆蓋廣度遠(yuǎn)超人類(lèi)大腦，后者往往需要同時(shí)處理多重臨床任務(wù)。值得注意的是，AMIE 針對(duì)醫(yī)生診斷的邏輯推理過(guò)程進(jìn)行了專(zhuān)項(xiàng)優(yōu)化，這一特性雖與其他推理模型存在相似性，但其應(yīng)用場(chǎng)景被高度聚焦于臨床診斷領(lǐng)域。
在研究選取的 “診斷難題”（案例均源自權(quán)威的《新英格蘭醫(yī)學(xué)雜志》）中，AMIE 能夠不帶人類(lèi)常見(jiàn)認(rèn)知偏見(jiàn)地遍歷所有可能性，這或許是其核心優(yōu)勢(shì)之一。正如社交媒體上針對(duì)該論文的評(píng)論所指出：AI 不僅在常規(guī)病例中表現(xiàn)穩(wěn)定，更在極具挑戰(zhàn)性的復(fù)雜病例中展現(xiàn)出突破能力，這無(wú)疑是其技術(shù)價(jià)值的重要體現(xiàn)。
AI 獨(dú)立診斷 vs. AI + 醫(yī)生協(xié)作
研究中一個(gè)值得探討的現(xiàn)象是：AMIE 獨(dú)立診斷時(shí)的表現(xiàn)略微優(yōu)于有 AMIE 輔助的醫(yī)生，這一結(jié)果初看令人困惑。從理論而言，將經(jīng)驗(yàn)豐富的臨床判斷與 AI 的數(shù)據(jù)分析能力相結(jié)合，本應(yīng)實(shí)現(xiàn)更優(yōu)診斷效能（既往研究亦證實(shí)此點(diǎn)）。事實(shí)上，有 AMIE 輔助的醫(yī)生群體確實(shí)顯著優(yōu)于無(wú) AI 輔助的醫(yī)生，其給出的診斷列表更全面、更精準(zhǔn)。但有趣的是，AMIE 獨(dú)立運(yùn)行時(shí)的表現(xiàn)竟小幅超越其輔助人類(lèi)的場(chǎng)景。
為何在本次研究中 AI 獨(dú)立診斷略占優(yōu)勢(shì)？部分醫(yī)學(xué)專(zhuān)家在社交媒體分析指出，這一細(xì)微差異未必意味著醫(yī)生對(duì) AI 形成 “拖累”，更可能源于醫(yī)生對(duì) AI 系統(tǒng)的操作尚不熟練，尚未建立高效的人機(jī)協(xié)作模式導(dǎo)致的。畢竟，AI 在特定任務(wù)的純數(shù)據(jù)分析能力上本就具備天然優(yōu)勢(shì)，這與人類(lèi)日常使用大語(yǔ)言模型時(shí)未必能實(shí)現(xiàn)完美配合的邏輯相似。
這種現(xiàn)象類(lèi)似于人類(lèi)剛開(kāi)始使用大語(yǔ)言模型時(shí)的情況：醫(yī)生可能受到'錨定偏見(jiàn)'的影響，固守原有思維模式，或者還不熟悉如何向 AI 提問(wèn)來(lái)獲取關(guān)鍵信息。本質(zhì)上，這是一種全新的人機(jī)協(xié)作范式，需要醫(yī)患雙方共同探索磨合。
AI 未來(lái)會(huì)取代醫(yī)生嗎？
答案顯然是否定的。理解 AI 的技術(shù)局限性至關(guān)重要：
- “診斷難題” 與真實(shí)診療場(chǎng)景的差異 現(xiàn)有研究基于書(shū)面病例報(bào)告展開(kāi)，這類(lèi)信息經(jīng)過(guò)濃縮與結(jié)構(gòu)化處理，與臨床實(shí)踐中醫(yī)生通過(guò)醫(yī)患互動(dòng)獲取的原始信息截然不同。真實(shí)醫(yī)療場(chǎng)景涵蓋病史采集、體格檢查、非語(yǔ)言信號(hào)解讀、醫(yī)患信任建立及全流程治療管理 —— 這些能力（至少在當(dāng)前階段）仍屬 AI 的技術(shù)盲區(qū)。醫(yī)學(xué)的核心不僅是數(shù)據(jù)處理，更包含人際連接、同理心及不確定性管理，例如安慰劑效應(yīng)、幻肢痛診療等復(fù)雜臨床現(xiàn)象均難以被算法完全模擬。
- AI 的內(nèi)在缺陷 大語(yǔ)言模型仍存在 “幻覺(jué)” 風(fēng)險(xiǎn)，可能輸出看似合理但實(shí)際錯(cuò)誤的信息。即便 AMIE 未來(lái)投入臨床應(yīng)用（目前尚未達(dá)到這一階段），其運(yùn)行仍需資深專(zhuān)業(yè)人員的全程監(jiān)督。
- 診斷環(huán)節(jié)的局限性 生成鑒別診斷列表僅是診療流程的起點(diǎn)。完整的醫(yī)療服務(wù)包含病情評(píng)估、治療決策、患者教育、隨訪管理等多個(gè)環(huán)節(jié)，這些領(lǐng)域不僅超出當(dāng)前專(zhuān)業(yè) AI 的能力范圍，更因涉及人文關(guān)懷與動(dòng)態(tài)判斷而難以被技術(shù)完全替代。
緊隨其后：邁向?qū)υ捠皆\斷 AI
更值得關(guān)注的是，在同一期《自然》雜志中，繼 AMIE 論文之后，谷歌研究院同步發(fā)表了另一篇論文！該論文表明，在模擬醫(yī)患診斷對(duì)話場(chǎng)景中（而非單純分析癥狀，而是完整模擬患者與醫(yī)生 / AMIE 的真實(shí)交互過(guò)程），AMIE 的表現(xiàn)再次超越人類(lèi)醫(yī)生！換言之，首篇論文證實(shí)了 AMIE 在客觀診斷層面的優(yōu)勢(shì)，而第二篇論文則揭示：該 AI 系統(tǒng)在診斷結(jié)果溝通環(huán)節(jié)（無(wú)論是信息傳達(dá)質(zhì)量還是共情能力）同樣實(shí)現(xiàn)突破。
兩組數(shù)據(jù)差異顯著：在 159 個(gè)模擬病例中，參與評(píng)估的專(zhuān)科醫(yī)生在 32 項(xiàng)指標(biāo)中的 30 項(xiàng)判定 AI 表現(xiàn)優(yōu)于初級(jí)保健醫(yī)生；模擬患者群體則在 26 項(xiàng)指標(biāo)中的 25 項(xiàng)更青睞 AMIE 的溝通方式。
第二篇論文在這里：https://www.nature.com/articles/s41586-025-08866-7
醫(yī)學(xué)界應(yīng)當(dāng)重視起來(lái)了
盡管存在諸多限制，但這項(xiàng)研究及類(lèi)似研究都釋放出強(qiáng)烈信號(hào)：專(zhuān)業(yè) AI 正迅猛發(fā)展，其不僅能增強(qiáng)人類(lèi)專(zhuān)家的能力，在某些特定任務(wù)上甚至已超越人類(lèi)水平。
醫(yī)學(xué)協(xié)會(huì)、執(zhí)照管理機(jī)構(gòu)、教育機(jī)構(gòu)、政策制定者、保險(xiǎn)公司，以及每一個(gè)可能成為 AI 健康診查對(duì)象的人，都需要關(guān)注此事。這一問(wèn)題必須成為政府優(yōu)先考量的議題。
以 AMIE 及未來(lái)類(lèi)似的 AI 工具為例，它們可協(xié)助醫(yī)生更快速、精準(zhǔn)地診斷復(fù)雜疾病，進(jìn)而有望改善患者的治療效果，尤其在醫(yī)療專(zhuān)業(yè)資源匱乏的地區(qū)。這類(lèi)工具或許還能幫助醫(yī)生快速識(shí)別和篩選健康或低風(fēng)險(xiǎn)患者，減輕其工作負(fù)擔(dān)，使其能夠?qū)⒕杏谔幚砀鼑?yán)重的病例。這一切既可能增加解決復(fù)雜健康問(wèn)題的機(jī)會(huì)，同時(shí)也能降低成本、縮短等待時(shí)間。
如同在諸多其他領(lǐng)域一樣，AI 遲早會(huì)改變醫(yī)生的角色。未來(lái)，AI 或許可承擔(dān)更多初步診斷的繁重工作，讓醫(yī)生有更多時(shí)間與患者溝通互動(dòng)、開(kāi)展復(fù)雜決策并制定治療計(jì)劃 —— 正如一些人所期待的，這或許還能緩解醫(yī)生因文書(shū)工作繁瑣、看診時(shí)間緊迫而產(chǎn)生的職業(yè)倦怠。正如有人在社交媒體討論該論文時(shí)提及的：并非每個(gè)醫(yī)生都愿意一小時(shí)看診 4 名甚至更多患者，同時(shí)還要完成所有文書(shū)工作。
為 AMIE 這類(lèi)系統(tǒng)的潛在應(yīng)用做好準(zhǔn)備，我們需要制定相應(yīng)規(guī)則：如何安全、合乎倫理地將這些工具整合到醫(yī)療流程中？如何在確?；颊甙踩耐瑫r(shí)避免過(guò)度依賴(lài) AI ？若 AI 輔助診斷出現(xiàn)差錯(cuò)，責(zé)任該如何界定？目前，這些問(wèn)題尚未有明確、統(tǒng)一的答案。
醫(yī)生需要接受培訓(xùn)，學(xué)習(xí)如何高效使用這些新工具，了解其優(yōu)勢(shì)與局限，并適應(yīng)這種人機(jī)協(xié)作的新模式。這場(chǎng)變革必須讓醫(yī)學(xué)專(zhuān)業(yè)人士參與其中，而非將其強(qiáng)加于人。
最后，我們還需思考：如何確保這些強(qiáng)大的工具不會(huì)加劇現(xiàn)有的醫(yī)療資源分配不均，反而能助力縮小專(zhuān)業(yè)知識(shí)獲取層面的差距？
結(jié)論
我們的目標(biāo)并非取代醫(yī)生，而是為其賦能。像 AMIE 這樣的 AI 系統(tǒng)，作為知識(shí)淵博的助手，具備巨大潛力。無(wú)論是在日常醫(yī)療場(chǎng)景中，還是在特殊環(huán)境下（如災(zāi)區(qū)、疫情期間），甚至在偏遠(yuǎn)或極端場(chǎng)景中（如遠(yuǎn)洋輪船、太空飛船或外星基地），均可能發(fā)揮重要作用。但要安全有效地釋放這種潛力，需要醫(yī)學(xué)界從現(xiàn)在起就以積極、審慎的態(tài)度參與到這項(xiàng)飛速發(fā)展的技術(shù)中來(lái)。未來(lái)診斷工作很可能采用 AI 輔助模式，因此我們需要及早制定這種合作的規(guī)范和準(zhǔn)則，因此，我們必須從今天開(kāi)始為這種合作制定規(guī)則。
參考文獻(xiàn)
關(guān)于 AMIE 的介紹文章：邁向準(zhǔn)確的差異化診斷與大型語(yǔ)言模型
關(guān)于 AMIE 經(jīng)測(cè)試患者評(píng)估的結(jié)果文章：邁向會(huì)話式診斷人工智能
譯者介紹
劉汪洋，51CTO社區(qū)編輯，昵稱(chēng)：明明如月，一個(gè)擁有 5 年開(kāi)發(fā)經(jīng)驗(yàn)的某大廠高級(jí) Java 工程師。
原文標(biāo)題：Google’s New AI System Outperforms Physicians in Complex Diagnoses，作者：Luciano Abriata
