中經(jīng)記者 索寒雪 北京報道

頭疼到底是“頭疼”，還是“發(fā)燒”引發(fā)的連鎖反應(yīng)？同一個大模型，為什么不同的人問，答案會南轅北轍？患者把癥狀說得越“簡單”，AI給出的診斷就越可能偏離真相？在“辨證論治”的中醫(yī)體系里，AI究竟能幫到哪一步？

近日，由中國人民大學(xué)國家發(fā)展與戰(zhàn)略研究院主辦的“潭思周會”上，多位來自北京三甲醫(yī)院的�？浦魅蜗颉吨袊�(jīng)營報》記者表示，在醫(yī)療診斷場景中，AI結(jié)論是否“靠譜”，關(guān)鍵并不在于“用哪個模型”，而在于“能否問對問題”、能否抓住癥狀背后的核心線索。若患者本身無法分辨疾病的深層原因，AI輸出的結(jié)果往往難以直接作為診療依據(jù)。

當記者追問“哪些大模型在醫(yī)療診斷中相對靠譜”時，多位三甲醫(yī)院主任一致認為：與其糾結(jié)模型排名，不如先解決“怎么問”。

北京協(xié)和醫(yī)院神經(jīng)內(nèi)科主任醫(yī)師朱以誠教授直言，這個問題與模型類型關(guān)系不大，所謂“靠譜與否”，本質(zhì)上是“提問的藝術(shù)”。她指出：“用戶甚至可以通過調(diào)整問題，讓模型給出自己想要的回答。但病人自己描述病情時，往往抓不住重點，比如只說‘頭疼’，實際核心癥狀可能是‘發(fā)燒’。醫(yī)生能做的，是通過追問和引導(dǎo)把關(guān)鍵信息提煉出來——這才是病例診斷的核心。我們在病例比賽中也常遇到這種情況：同樣的模型，不同的人去問，結(jié)果可能完全不同。”

在多位醫(yī)生看來，AI缺的不是“數(shù)據(jù)”，而是對癥狀的“深度理解”。

首都醫(yī)科大學(xué)宣武醫(yī)院神經(jīng)肌肉病�？浦魅误斡钔M一步補充：“AI診斷的靠譜性，從來不是‘模型好不好’的問題，而是‘有沒有問對問題’。比如病人說‘雙下肢無力’，AI可能直接判定為‘肌力下降’，但醫(yī)生會進一步分辨：這也可能是肌張力變化或共濟失調(diào)導(dǎo)致的步態(tài)異常。AI缺乏對癥狀的深度解讀能力，這是它很難替代醫(yī)生的原因，尤其在神經(jīng)科這類高度依賴臨床經(jīng)驗的領(lǐng)域。”

多位受訪醫(yī)生強調(diào)，現(xiàn)階段AI給出的結(jié)論仍不能盲目信任。

首都醫(yī)科大學(xué)附屬北京中醫(yī)醫(yī)院消化中心主任張聲生分析：“對于人工智能助手，如ChatGPT或豆包等，它的結(jié)論往往依賴輸入信息的背景。背景信息不同，可能導(dǎo)致迥異的結(jié)論。因此，不能簡單地說哪個模型更好或更不靠譜。人工智能在提供科普知識方面可能有一定幫助，但完全依賴它來治病顯然不可行。”

從中醫(yī)視角看，AI在“精準辨證”上的局限更為突出。

首都醫(yī)科大學(xué)附屬北京中醫(yī)醫(yī)院消化中心副主任趙魯卿教授補充：“中醫(yī)講究‘辨證論治’，很多證候比如‘脾胃濕熱’‘肝郁脾虛’，病人本身就很難精準描述，更難轉(zhuǎn)化為可供模型準確識別的輸入。所以很少有病人拿著AI結(jié)果來找中醫(yī)。不過就我個人日常文字工作所需而言，DeepSeek相對靠譜�！�

多位醫(yī)生普遍認為，醫(yī)生的價值在于：能從患者混亂、碎片化的主訴中提煉核心癥狀，識別真正的診斷線索，并通過專業(yè)追問與臨床經(jīng)驗完成判斷與排除——這正是AI目前難以“學(xué)會”的部分。

（編輯：郝成 審核：朱紫云 校對：翟軍）