谷歌AMIE完成98名真实患者试验：医生最终诊断90%落入其可能诊断列表，犹他州同步推进AI医疗试点

文/IAICA.NGO®

谷歌的医疗对话人工智能系统AMIE（Articulate Medical Intelligence Explorer）近日完成一项规模不大却颇具指向性的前瞻性试验：在98名真实患者进入急诊式快速门诊之前，由AMIE以文字对话先行采集病史与症状，医生在问诊开始前即可读到完整对话记录与一份自动生成的摘要。谷歌披露，医生的最终诊断有90%的比例出现在AMIE给出的可能诊断列表之中。这一数字被视为AI临床问诊能力的重要参考，但也需要被谨慎解读。

试验如何运行

按照公开描述，患者以文字方式描述自身症状，AMIE像一位有经验的接诊医生那样追问细节，包括症状起始时间、性质、诱因、伴随表现与既往病史。整个对话由一名执业医师实时监看，必要时可随时介入。问诊结束后，系统将对话原文与结构化摘要一并推送给即将接诊的医生，使后者在患者坐下时已掌握病情脉络。

安全性披露同样值得关注。监看人员在整个流程中发现了一例幻觉，即模型生成了缺乏依据的信息；另有五次对话中，人工补充了患者未能提供或模型遗漏的临床信息。以98例的样本量计算，约百分之一的对话出现需要纠正的模型错误，约百分之五的对话需要人工补足关键信息。在真实医疗场景中，这两个比例都不算可以忽略。

90%这一指标该怎么看

“最终诊断出现在可能诊断列表中”与“模型诊断正确”并不等价。一份足够宽泛的鉴别诊断清单，本就可以覆盖多数常见病与部分少见病，从而在统计上显得漂亮。真正决定临床价值的，是列表排序是否合理、是否将危重症置于前列、以及是否会诱使医生过早锚定于某个错误方向。因此，90%更适合被理解为一个提示“AI没有漏掉关键方向”的召回率式指标，而非诊断准确率。要评估后者，仍需更大样本、多中心、按病种分层的对照研究，并纳入漏诊率、过度检查率与患者满意度等终点。

从模拟考场到真实诊室

AMIE并非首次进入公众视野。此前该系统的评估主要依托模拟患者与客观结构化临床考试（OSCE）式的对话脚本，在受控条件下与人类医生进行对照。此类研究能证明模型的语言能力与问诊逻辑，却难以回答真实世界的三个难题：患者描述是否足够完整、多轮对话中信息是否会被稀释、模型面对非典型表现时是否会偏离轨道。此次以真实患者为对象，并把AI置于正式就诊之前的“预问诊”位置，正是对这一缺口的针对性回应。值得注意的是，系统被刻意限制在“收集信息”而非“给出结论”的角色上，医生仍是唯一的决策者。这种分工降低了风险，也意味着当前阶段的AI更像一位高效的病史采集员，而非诊断者。

产业与政策背景

AI预问诊并非孤例。过去两年，围绕门诊文书自动生成、环境语音记录与诊前分诊的赛道快速升温，多家厂商产品已在北美医疗机构落地，监管路径多以“辅助工具”而非“独立诊疗设备”申报。与此同时，围绕AI医疗的公共讨论趋于审慎，已出现对可穿戴AI设备在课堂等特定场景的临时限制提案，部分国家开始以试点方式划定边界。在此背景下，犹他州推进的多项AI医疗试点与谷歌此次试验共同构成一个观察窗口：技术方希望以真实世界数据换取信任，监管方则希望以有限试点换取风险可控。

iaica.com.cn 指出，此类试验最值得记录的不是单一百分比，而是人工监看机制、错误披露口径与医患知情流程的透明度。只有把幻觉率、人工补正率、责任归属与数据使用边界同步公开，AI问诊才有机会从技术演示走向可复制的临床流程。

对行业而言，接下来的关键节点有三：能否在更大样本中复现90%这一指标并给出分层数据；能否明确AI预问诊在支付体系与医疗责任框架中的位置；能否形成跨国可比、可复现的评估标准，使不同系统之间的性能差异可被客观衡量。在这些问题得到回答之前，98例试验更像一次严谨的开场，而非结论。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。