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：通過自動化技術(shù)降低成本、減輕醫(yī)生負擔，使他們能夠?qū)⒏嗑ν度氲綇碗s病例的處理中。

當你帶著疑難雜癥就醫(yī)時，自然希望得到準確的診斷。然而，即便經(jīng)驗豐富的醫(yī)生，有時也會對疑難病情感到棘手。有些癥狀或許并無大礙，但有些則需要深入檢查。近年來，人工智能在醫(yī)療領(lǐng)域發(fā)展迅猛，尤其在模式識別類任務中表現(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)學領(lǐng)域的應用由來已久。多年來，各類算法（包括基于AI 的算法）持續(xù)協(xié)助醫(yī)生和研究人員開展圖像分析等工作。近期研究表明，AI 系統(tǒng)，特別是大型語言模型（LLM），能夠輔助醫(yī)生進行診斷，部分研究中其準確率甚至與專業(yè)醫(yī)生相當。不過，谷歌此次的研究有所不同。谷歌研究院推出的新型 LLM，專門采用“癥狀-診斷”關(guān)聯(lián)數(shù)據(jù)進行訓練。雖然這只是一個開始，未來仍面臨諸多挑戰(zhàn)，但可以確定的是：一個強大的新型 AI 正在進入醫(yī)療診斷領(lǐng)域，我們需要為此做好準備。本文將重點探討這個新系統(tǒng)的運行原理，同時也會提及它引發(fā)的思考——既有谷歌論文中探討的內(nèi)容，也有在醫(yī)生、保險公司、政策制定者等群體中引發(fā)熱議的話題。

來自谷歌的強大醫(yī)療診斷 AI 系統(tǒng)

復雜大語言模型 （LLM，即通過海量數(shù)據(jù)訓練、能夠“理解”并生成自然語言文本的 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。尤其是最新的大語言模型，具備了精細化文本推理與對話能力，使其有望成為診斷復雜認知任務的得力助手。實際上，我現(xiàn)在討論的谷歌這項新研究，只是這個快速發(fā)展領(lǐng)域中的又一進展，旨在探索這些先進 AI 工具如何理解臨床工作流程并提供助力。

這項研究已通過同行評審，發(fā)表于頂尖期刊《自然》，在醫(yī)學界引發(fā)廣泛關(guān)注。在題為《通過大型語言模型實現(xiàn)精確鑒別診斷》的論文中，谷歌研究院介紹了一款專用 LLM——AMIE（Articulate Medical Intelligence Explorer）。該模型基于臨床數(shù)據(jù)進行訓練，旨在輔助醫(yī)生診斷，甚至未來可能獨立完成診斷工作。研究人員讓 AMIE 處理數(shù)百個真實復雜的疑難病例，測試其生成鑒別診斷（醫(yī)生專業(yè)術(shù)語）的能力 。

想看完整技術(shù)細節(jié)的論文在這里：https://www.nature.com/articles/s41586-025-08869-4

出人意料的結(jié)果

這項研究結(jié)果令人十分吃驚。當 AMIE 僅依據(jù)病例報告的文字描述進行診斷單獨運行，其診斷準確率竟顯著高于經(jīng)驗豐富的醫(yī)生（在未借助 AI 輔助的情況下）！AMIE 給出的前 10 個診斷中包含正確診斷的概率接近 60%，而醫(yī)生獨立判斷時這一概率僅約 34%。

更值得關(guān)注的是，獨立運作的 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)工具時準確率顯著提高（超過51%），但在這些疑難病例中，單看準確率指標，AI 仍略勝一籌。

研究中還發(fā)現(xiàn)一個驚人之處：在 AMIE 與人類專家的對比實驗中，這個 AI 系統(tǒng)僅分析了病例報告中的文字內(nèi)容。而人類醫(yī)生面對的是完整的病例報告，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)等多類型數(shù)據(jù)，將是醫(yī)療 AI 實現(xiàn)全面模擬臨床評估的關(guān)鍵環(huán)節(jié)。

AMIE 作為超專業(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)驗豐富的人類專家呢？

從技術(shù)本質(zhì)來看，AMIE 的底層架構(gòu)仍基于大語言模型（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)學知識的普通聊天機器人，而是為臨床診斷推理專門深度優(yōu)化的專業(yè)系統(tǒng)。正如《自然》期刊論文中詳細闡述的，其技術(shù)優(yōu)勢源于以下幾方面的針對性改進：

• 專業(yè)化訓練數(shù)據(jù)：在包含海量診斷信息的醫(yī)學文獻數(shù)據(jù)庫中，對基礎(chǔ) LLM 進行定向微調(diào)。
• 指令適配訓練：通過訓練使模型精準理解并執(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、實現(xiàn)符合醫(yī)療場景的交互式溝通。
• 基于人類反饋的強化學習（RLHF）：很可能引入臨床醫(yī)生的專業(yè)反饋數(shù)據(jù)，對模型輸出進行迭代優(yōu)化，使其結(jié)果更趨精準、安全且貼合臨床需求。
• 推理增強技術(shù)：采用特定算法強化模型在癥狀、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 在自動評估環(huán)節(jié)優(yōu)于 GPT-4，證明了其專業(yè)領(lǐng)域優(yōu)化的價值。但遺憾的是，論文未將 AMIE 與其他通用大語言模型（包括谷歌自研的 Gemini 2.5 Pro 等 “智能” 模型）進行橫向?qū)Ρ?—— 這一缺失令人費解，甚至讓人對論文審稿環(huán)節(jié)的嚴謹性產(chǎn)生疑問。

另一個關(guān)鍵特性在于，AMIE 支持交互式診療輔助模式。臨床醫(yī)生可通過實時提問深入探究模型的推理依據(jù) —— 這一設(shè)計與傳統(tǒng)靜態(tài)診斷系統(tǒng)形成了本質(zhì)差異。

如何進行診斷效果評估？

衡量診斷的性能和準確性并非易事，這或許會引起有數(shù)據(jù)科學背景讀者的興趣。在這項研究中，研究人員沒有單純評估 AMIE 的表現(xiàn)。他們采用隨機對照的方法，將 AMIE 與三組醫(yī)生進行對比：第一組是未借助任何輔助工具的醫(yī)生；第二組是使用標準搜索工具（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）。

研究人員對數(shù)據(jù)的分析也沒有局限于簡單的準確率。他們運用了多項指標，其中最關(guān)鍵的是“前 n 位準確率”（Top-n accuracy），即判斷正確診斷是否出現(xiàn)在 AMIE 給出的前 1 個、前 3 個、前 5 個或前 10 個可能性中。此外，還有“質(zhì)量分數(shù)”（用于評估診斷列表與最終診斷的接近程度）、“適當性”和“全面性”——后兩個指標由不了解診斷列表來源的獨立?？漆t(yī)生進行評分。

這種全面的評估方式，比單純依靠一個準確率數(shù)值更能反映實際情況。通過與醫(yī)生獨立診斷及使用常規(guī)工具的情況進行對比，也能更準確地衡量 AI 在實際應用中帶來的價值。

為什么 AI 在診斷方面表現(xiàn)如此出色？

與其他專業(yè)醫(yī)療 AI 一樣，AMIE 同樣基于海量醫(yī)學文獻、病例研究和臨床數(shù)據(jù)完成訓練。這類系統(tǒng)不僅能夠處理復雜醫(yī)學信息、識別潛在規(guī)律，更在罕見病檢索能力上展現(xiàn)出顯著優(yōu)勢 —— 其響應速度與信息覆蓋廣度遠超人類大腦，后者往往需要同時處理多重臨床任務。值得注意的是，AMIE 針對醫(yī)生診斷的邏輯推理過程進行了專項優(yōu)化，這一特性雖與其他推理模型存在相似性，但其應用場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)學雜志》）中，AMIE 能夠不帶人類常見認知偏見地遍歷所有可能性，這或許是其核心優(yōu)勢之一。正如社交媒體上針對該論文的評論所指出：AI 不僅在常規(guī)病例中表現(xiàn)穩(wěn)定，更在極具挑戰(zhàn)性的復雜病例中展現(xiàn)出突破能力，這無疑是其技術(shù)價值的重要體現(xiàn)。

AI 獨立診斷 vs. AI + 醫(yī)生協(xié)作

研究中一個值得探討的現(xiàn)象是：AMIE 獨立診斷時的表現(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)驗豐富的臨床判斷與 AI 的數(shù)據(jù)分析能力相結(jié)合，本應實現(xiàn)更優(yōu)診斷效能（既往研究亦證實此點）。事實上，有 AMIE 輔助的醫(yī)生群體確實顯著優(yōu)于無 AI 輔助的醫(yī)生，其給出的診斷列表更全面、更精準。但有趣的是，AMIE 獨立運行時的表現(xiàn)竟小幅超越其輔助人類的場景。

為何在本次研究中 AI 獨立診斷略占優(yōu)勢？部分醫(yī)學專家在社交媒體分析指出，這一細微差異未必意味著醫(yī)生對 AI 形成 “拖累”，更可能源于醫(yī)生對 AI 系統(tǒng)的操作尚不熟練，尚未建立高效的人機協(xié)作模式導致的。畢竟，AI 在特定任務的純數(shù)據(jù)分析能力上本就具備天然優(yōu)勢，這與人類日常使用大語言模型時未必能實現(xiàn)完美配合的邏輯相似。

這種現(xiàn)象類似于人類剛開始使用大語言模型時的情況：醫(yī)生可能受到'錨定偏見'的影響，固守原有思維模式，或者還不熟悉如何向 AI 提問來獲取關(guān)鍵信息。本質(zhì)上，這是一種全新的人機協(xié)作范式，需要醫(yī)患雙方共同探索磨合。

AI 未來會取代醫(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” 與真實診療場景的差異 現(xiàn)有研究基于書面病例報告展開，這類信息經(jīng)過濃縮與結(jié)構(gòu)化處理，與臨床實踐中醫(yī)生通過醫(yī)患互動獲取的原始信息截然不同。真實醫(yī)療場景涵蓋病史采集、體格檢查、非語言信號解讀、醫(yī)患信任建立及全流程治療管理 —— 這些能力（至少在當前階段）仍屬 AI 的技術(shù)盲區(qū)。醫(yī)學的核心不僅是數(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、幻肢痛診療等復雜臨床現(xiàn)象均難以被算法完全模擬。
• AI 的內(nèi)在缺陷 大語言模型仍存在 “幻覺” 風險，可能輸出看似合理但實際錯誤的信息。即便 AMIE 未來投入臨床應用（目前尚未達到這一階段），其運行仍需資深專業(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。完整的醫(yī)療服務包含病情評估、治療決策、患者教育、隨訪管理等多個環(huán)節(jié)，這些領(lǐng)域不僅超出當前專業(yè) AI 的能力范圍，更因涉及人文關(guān)懷與動態(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)患診斷對話場景中（而非單純分析癥狀，而是完整模擬患者與醫(yī)生 / AMIE 的真實交互過程），AMIE 的表現(xiàn)再次超越人類醫(yī)生！換言之，首篇論文證實了 AMIE 在客觀診斷層面的優(yōu)勢，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)（無論是信息傳達質(zhì)量還是共情能力）同樣實現(xiàn)突破。

兩組數(shù)據(jù)差異顯著：在 159 個模擬病例中，參與評估的?？漆t(yī)生在 32 項指標中的 30 項判定 AI 表現(xiàn)優(yōu)于初級保健醫(yī)生；模擬患者群體則在 26 項指標中的 25 項更青睞 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)學界應當重視起來了

盡管存在諸多限制，但這項研究及類似研究都釋放出強烈信號：專業(yè) AI 正迅猛發(fā)展，其不僅能增強人類專家的能力，在某些特定任務上甚至已超越人類水平。

醫(yī)學協(xié)會、執(zhí)照管理機構(gòu)、教育機構(gòu)、政策制定者、保險公司，以及每一個可能成為 AI 健康診查對象的人，都需要關(guān)注此事。這一問題必須成為政府優(yōu)先考量的議題。

以 AMIE 及未來類似的 AI 工具為例，它們可協(xié)助醫(yī)生更快速、精準地診斷復雜疾病，進而有望改善患者的治療效果，尤其在醫(yī)療專業(yè)資源匱乏的地區(qū)。這類工具或許還能幫助醫(yī)生快速識別和篩選健康或低風險患者，減輕其工作負擔，使其能夠?qū)⒕杏谔幚砀鼑乐氐牟±?。這一切既可能增加解決復雜健康問題的機會，同時也能降低成本、縮短等待時間。

如同在諸多其他領(lǐng)域一樣，AI 遲早會改變醫(yī)生的角色。未來，AI 或許可承擔更多初步診斷的繁重工作，讓醫(yī)生有更多時間與患者溝通互動、開展復雜決策并制定治療計劃 —— 正如一些人所期待的，這或許還能緩解醫(yī)生因文書工作繁瑣、看診時間緊迫而產(chǎn)生的職業(yè)倦怠。正如有人在社交媒體討論該論文時提及的：并非每個醫(yī)生都愿意一小時看診 4 名甚至更多患者，同時還要完成所有文書工作。

為 AMIE 這類系統(tǒng)的潛在應用做好準備，我們需要制定相應規(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避免過度依賴 AI ？若 AI 輔助診斷出現(xiàn)差錯，責任該如何界定？目前，這些問題尚未有明確、統(tǒng)一的答案。

醫(yī)生需要接受培訓，學習如何高效使用這些新工具，了解其優(yōu)勢與局限，并適應這種人機協(xié)作的新模式。這場變革必須讓醫(yī)學專業(yè)人士參與其中，而非將其強加于人。

最后，我們還需思考：如何確保這些強大的工具不會加劇現(xiàn)有的醫(yī)療資源分配不均，反而能助力縮小專業(yè)知識獲取層面的差距？

結(jié)論

我們的目標并非取代醫(yī)生，而是為其賦能。像 AMIE 這樣的 AI 系統(tǒng)，作為知識淵博的助手，具備巨大潛力。無論是在日常醫(yī)療場景中，還是在特殊環(huán)境下（如災區(qū)、疫情期間），甚至在偏遠或極端場景中（如遠洋輪船、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)學界從現(xiàn)在起就以積極、審慎的態(tài)度參與到這項飛速發(fā)展的技術(shù)中來。未來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)范和準則，因此，我們必須從今天開始為這種合作制定規(guī)則。

參考文獻

關(guān)于 AMIE 的介紹文章：邁向準確的差異化診斷與大型語言模型

關(guān)于 AMIE 經(jīng)測試患者評估的結(jié)果文章：邁向會話式診斷人工智能

譯者介紹

劉汪洋，51CTO社區(qū)編輯，昵稱：明明如月，一個擁有 5 年開發(fā)經(jīng)驗的某大廠高級 Java 工程師。

原文標題：Google’s New AI System Outperforms Physicians in Complex Diagnoses，作者：Luciano Abriata