《医疗AI靠跑分进医院是个伪命题》
——临床信任从一条能查证、能复核的建议开始
![]()
AI答对九成,医生最想看的,恰恰是剩下那一成。 视频做坏了可以重剪,病历里漏掉一条关键信息,后面的判断可能一路跑偏。模型答得越流利,医生越要问一句:依据在哪儿?
医院出的第一道题,听起来像道搜索题
一家肿瘤专科医院请技术团队找出确诊肺癌、做过手术的患者。过去跨系统查找要一两周,名单拿到手还得核对。一次约20分钟的演示,让医院愿意接着谈。
接下来的题是整理多年积累的鼻咽癌病历。病历、影像、病理和放化疗记录各有各的系统。工程师和医生得先商量清楚,同一个指标取哪一次检查,没做检查和做了却没记录,又该怎么区分。
系统接通,只解决了资料在哪儿。口径对齐,才知道资料说的是什么。
据访谈披露,在这项特定的病历标注任务中,算法与医生的结果重合率超过85%。在有分歧的标注项里,资深医生复核后,约九成更认可算法的标注。
先踩一脚刹车。病历标注做得好,临床诊断还得另考。 一次现场测试中,肾内科医生拿出刚看过的病例。模型答中了大部分内容,医生偏偏追问那个容易漏掉的细节,因为它最能检验模型有没有读懂眼前这个患者。
推理可以写得漂亮,证据得点得开
一段讲得头头是道的分析,仍可能引错指南、用错病历。医生需要核对的是,哪一句来自检查报告,哪一句是患者自述,哪一句是模型归纳。即使引用确有出处,也要看指南里的适用人群和眼前这位患者是否相符。
答案可以几秒钟生成,信任要靠一条条证据积累。 对医院来说,这还意味着把权限、日志和人工复核接进工作流程。需要院内部署的项目,连机房供电和网络都得提前算好。模型跑得动,医生当班时用得上,出了问题查得到,这几关都要过。
医院算的是诊室里的账
外地患者赶了半天路,坐进诊室还在手机里找上次的检查单。预问诊可以把症状、既往检查和最想问的问题提前归拢。据访谈披露,一处试点的预问诊完成率从不足50%升至接近90%。下一笔账更要紧:医生核对资料花了多久,腾出来的时间有没有留给关键病情?
病历起草和手术排程也可以这样算。初稿生成再快,医生逐句核对的时间也得计入。可能导致手术改期的问题如果能早点发现,家属就有机会少请一天假、少跑一趟,医院也能提前调整手术台。医疗AI省下的时间,要算到医生复核完、患者办完事为止。
大医院缺时间,县医院缺得上话的专科同行
大医院的专家要从重复劳动里腾出时间,基层医生遇到复杂病例,则可能需要随时查指南、找证据、判断何时转诊。专病知识库和经过验证的辅助工具可以把部分专科经验带到基层。每到一家医院,还得重新看当地的患者构成、检查条件和转诊能力。
临床试验招募也是一例。同一家医院,一位医生手里有可能符合条件的患者,另一位医生正在招募,双方却未必及时知道。AI可以对照入排标准找线索,研究团队负责核实资格,患者在充分知情后决定是否参加。
患者带着AI生成的问题走进诊室,医生当场可能要多解释几句。但如果问题从“网上说这个管用”变成“这条指南适合我的情况吗”,多花的那几分钟就有了价值。患者多问一句“依据是什么”,医生就多一次把风险讲清楚的机会。
医疗AI的成绩单,写在医生查得到的证据、患者少等的时间,以及每个有人负责的决定里。
(唐加文,笔名金观平;本文成稿后,经SI审阅校对)
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.