📢 转载信息
原文链接：https://www.technologyreview.com/2025/09/22/1123873/medical-diagnosis-llm/
原文作者：Grace Huckins / MIT Technology Review
AI驱动的医疗新模式：无需过多接触医生即可完成诊断
想象一下这个场景：您身体不适，打电话给医生诊所预约。出乎意料的是，您第二天就能约上诊。在这次预约中，您不需要急于描述自己的健康问题；相反，您有整整半小时的时间，可以详细地向一位专注的倾听者讲述您的症状、担忧以及详尽的健康史，对方还会提出深思熟虑的后续问题。最后，您带着诊断结果、治疗方案离开了，并且感觉自己终于得到了应有的关注和细致的诊疗。
然而，其中的“猫腻”是：您可能根本没有和医生或其他有执照的医疗专业人员交谈。
对于在南加州几家由医疗初创公司 Akido Labs 运营的诊所的患者来说，这已经成为新的现实。这些患者——其中一些人享有医疗补助（Medicaid）——可以获得及时的专科预约，这通常是只有少数富裕人士才能享受到的特权。
核心技术：ScopeAI——让医生从问诊中解放出来
关键的区别在于，Akido 的患者与医生共处的时间相对较少，甚至完全没有。相反，他们见到的是医疗助理，助理虽然能给予同情和倾听，但临床经验有限。诊断和制定治疗方案的工作，则由一个名为 ScopeAI 的专有、基于大语言模型（LLM）的系统完成。该系统会转录和分析患者与助理之间的对话。随后，医生对 AI 系统的建议进行批准或修正。
Akido 的首席技术官 Jared Goodner 表示：“我们的重点确实是如何将医生从问诊过程中解放出来。”
据 Akido 首席执行官 Prashant Samant 介绍，这种方法使医生能够看到比以往多四到五倍的患者数量。医生需要提高生产力是有充分理由的：美国人口正在变老且疾病缠身，许多人难以获得足够的医疗保健。联邦医疗补助资金即将削减 15% 将使情况雪上加霜。
然而，专家们并不完全相信将医学认知工作大量转移给 AI 是解决医生短缺问题的正确方法。加州大学伯克利分校的计算机科学家 Emma Pierson 指出，医生与 AI 增强的医疗助理之间存在巨大的专业知识鸿沟。跨越如此大的鸿沟可能会带来风险。“我对 AI 扩展医疗专业知识的潜力感到非常兴奋，”她说，“只是不清楚我是否认为这种特殊的方式是可行的。”
ScopeAI 的独特性：独立完成诊疗认知任务
AI 已经在医疗领域无处不在。计算机视觉工具在预防性扫描中识别癌症，自动化研究系统帮助医生快速梳理医学文献，而LLM 驱动的医疗抄写员可以代劳临床医生的问诊记录工作。但这些系统旨在支持医生完成其常规医疗流程。
Goodner 强调，ScopeAI 的独特之处在于它能够独立完成构成一次医疗问诊的认知任务，从收集患者病史，到提出潜在诊断列表，再到确定最可能的诊断并建议适当的后续步骤。
在技术层面，ScopeAI 是一套大型语言模型，每个模型负责问诊的不同步骤——从根据患者的陈述生成恰当的后续问题，到填充可能的疾病列表。这些 LLM 大多是 Meta 的开源 Llama 模型的微调版本，尽管 Goodner 表示系统也使用了 Anthropic 的 Claude 模型。
幕后的工作流程与挑战
在问诊期间，助理会根据 ScopeAI 界面上显示的问题进行提问，ScopeAI 在分析患者的回答后会生成新的问题。对于稍后将要审查其输出的医生而言，ScopeAI 会生成一份简洁的记录，包括患者就诊摘要、最可能的诊断、两到三个备选诊断，以及推荐的后续步骤（如转诊或处方）。记录还会列出每项诊断和建议的理由。
ScopeAI 目前正应用于心脏病学、内分泌学和初级保健诊所，以及 Akido 为洛杉矶无家可归人群服务的流动医疗团队。该团队由专注于成瘾医学的医生 Steven Hochman 领导，他们深入社区为患者提供医疗服务，包括物质使用障碍的治疗。
以前，为了给阿片类药物成瘾患者开药，Hochman 必须亲自与患者会面；现在，配备 ScopeAI 的社工可以单独访谈患者，而 Hochman 可以在事后批准或拒绝系统的建议。“这让我的能力得以同时出现在十个地方，”他说。
自开始使用 ScopeAI 以来，该团队能够在 24 小时内为患者提供物质使用障碍治疗药物——Hochman 称之为“闻所未闻的壮举”。
公平性与监管考量
这种安排之所以成为可能，是因为无家可归的患者通常通过 Medicaid（为低收入美国人提供的公共保险系统）获得健康保险。虽然 Medicaid 允许医生异步批准 ScopeAI 的处方和治疗方案（无论是针对流动医疗还是诊所就诊），但许多其他保险提供商要求医生在批准这些建议之前必须与患者直接通话。Pierson 认为，这种差异引起了担忧。“您会担心这会加剧健康差异，”她说。
Samant 意识到这种不公平的观感，他表示这种差异并非出于本意，而仅仅是当前保险运作方式的一个特点。他还指出，与长期等待和有限的医疗资源相比，被 AI 增强的医疗助理快速看诊可能更好。对于所有 Akido 患者，如果他们愿意等待，也可以选择传统的医生预约。
部署像 ScopeAI 这样的工具所面临的挑战之一，是驾驭一个尚未为能够独立主导医疗问诊的 AI 系统而设计的监管和保险环境。哈佛法学院教授 Glenn Cohen 表示，任何实际上充当“一体化医生”的 AI 系统，很可能需要获得 FDA 批准，并可能与医疗执业法规产生冲突，这些法规规定只有医生和其他有执照的专业人员才能行医。
《加州医疗执业法》规定 AI 不能取代医生诊断和治疗患者的责任，但医生被允许在工作中利用 AI，而且他们无需在诊断前与患者进行现场或实时交流。FDA 和加州医疗委员会均未对 ScopeAI 是否仅基于书面描述就具备可靠的法律基础发表评论。
AI的局限性：自动化偏见与透明度
但 Samant 相信 Akido 遵守了规定，因为 ScopeAI 的设计初衷就是避免成为“一体化医生”。他表示，由于该系统要求人类医生审查并批准其所有诊断和治疗建议，因此它不需要 FDA 批准。
在诊所里，AI 与医生决策之间的这种微妙平衡完全在幕后进行。患者从未直接看到 ScopeAI 界面——相反，他们与医疗助理交谈，助理会以医生在典型问诊中可能采用的方式提问。这种安排可能会让患者感觉更舒适。但宾夕法尼亚大学医疗伦理与健康政策教授、曾服务于奥巴马和拜登政府的 Zeke Emanuel 担心，这种舒适感可能会掩盖算法在多大程度上影响了他们的护理。
Pierson 表示赞同：“这肯定不符合传统意义上医学中的‘人性化’关怀。”
在 Akido 兰乔库卡蒙加心脏病诊所工作的医疗助理 DeAndre Siringoringo 表示，虽然他会告知合作的患者 AI 系统将收听问诊过程以收集信息供医生参考，但他不会告知患者 ScopeAI 工作原理的具体细节，包括它会向医生提供诊断建议的事实。
因为所有的 ScopeAI 建议都经过了医生的审查，所以这可能看起来不是什么大问题——最终做出诊断的是医生，而不是 AI。但有大量文件记录显示，使用 AI 系统的医生倾向于比应该做的更频繁地采纳系统的建议，这种现象被称为“自动化偏见”。
目前，我们无法知道自动化偏见是否影响了 Akido 诊所医生的决定，尽管 Pierson 认为这是一个风险——尤其是当医生没有亲临现场时。“我担心这可能会让您倾向于‘点头同意’，而如果您在现场目睹这一切，您可能就不会这样做，”她说。
Akido 的发言人表示，自动化偏见确实是任何协助医生决策的 AI 工具的有效担忧，该公司已努力减轻这种偏见。“我们专门设计 ScopeAI 来减少偏见，主动应对历史上过度依赖医生直觉和个人经验所产生的盲点，”她表示。“我们还对医生进行明确培训，教他们如何有意识地使用 ScopeAI，确保他们保留问责制并避免过度依赖。”
Akido 通过在历史数据上进行测试，并监控医生纠正其建议的频率来评估 ScopeAI 的性能；这些纠正也会被用来进一步训练底层模型。在将 ScopeAI 应用于特定专科之前，Akido 会确保在历史数据集测试中，系统能将正确诊断包含在其前三项建议中的概率至少达到 92%。
强有力的评估仍是关键
但是，Akido 尚未进行更严格的测试，例如将 ScopeAI 的问诊与传统的现场或远程医疗问诊进行比较，以确定该系统是否能改善——或者至少保持——患者的治疗效果。这样的研究将有助于表明自动化偏见是否是一个重大担忧。
Pierson 总结道：“让医疗服务更便宜、更容易获得是一个值得称赞的目标。但我认为进行强有力的评估，与现有基线进行比较，非常重要。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
评论区