AI 真的能救命吗?一位每天用 AI 的医生说了实话

在美国人对 AI 普遍焦虑的当下，唯一例外是它在科学与医学中的应用。Weill Cornell 医生 Dhruv Khullar 用自己在诊室和实验室的亲身体验回答：AI 已经救人了——但前提是我们搞清楚它哪里行、哪里不行。

🇺🇸 唯一让美国人乐观的 AI 场景：医学

如果有一件事能让美国人团结起来，那就是对人工智能的焦虑。NBC News/Decision Desk 最新民调显示，70% 的成年人说他们个人对这项技术「担忧多于兴奋」——几乎在社会的每个领域都不受欢迎，只有一个显著例外：它在科学研究和医学中的使用。

Weill Cornell 医学中心的医生、《纽约客》作者 Dhruv Khullar 认为这种乐观是有根据的。他自己在行医中使用 AI 工具，并撰写医疗领域 AI 进展的文章。他说：「至少目前，对 AI 将如何改变医疗的看法总体是乐观的。」

AI 在医学并不新鲜。2024 年，诺贝尔化学奖颁给了开发出 AI 模型、实现在预测蛋白质复杂结构上突破的研究者。随着 AI 越来越普及，它正成为医生获取第二意见的资源，以及记录医患互动的工具。

🤖 AI 已经在救人了吗？这位医生说「是的」

问：你一直在思考救命 AI 创新。AI 已经开始挽救生命了吗？

「我想是的。这是我见过医疗行业采纳一项新技术最快的一次。」部分原因可能是医疗系统糟到一定程度，人们对任何变化都有胃口：贵、难以触及、不方便、质量参差。至少有一种希望是 AI 会帮助解决所有这些，它已经开始进入医疗系统。现在我们的责任是弄清楚如何充分利用它，同时不扩散它的弊端。

AI 是怎么进入系统的？ Khullar 把医疗场景分成几个桶：

• 行政侧（最快见效）
  ：最近去看过医生的人可能注意到现在有 AI 记录员在记笔记，而且目前看人们真的很喜欢它。医生能够直视患者的眼睛——这是过去他们埋头打电脑记录患者陈述时做不到的。
• 患者导航
  ：下一次扫描什么时候？下一次预约？这药该空腹吃吗？对确诊癌症或心衰等重疾的人来说，有一个「更顺畅地导航系统」的庞大机会。
• 药物发现
  ：AI 在药物发现的早期阶段正在产生巨大影响。
• 第二意见（Khullar 在医院每天用的）
  ：AI 可以成为非常有帮助的临床决策支持。不是说永不咨询他人，但第一遍——「我不确定这是怎么回事，有哪些最近的试验可能影响我的决策？我漏了什么？有没有我该下却没下的检查？」——这类问题 AI 都开始帮上忙。

💊 药物发现：AI 把「无限分子」匹配到「无限复杂的人体」

对于「AI 和医学」这个正面叙事里最大的一块——药物发现，Khullar 详细解释：

「我不想在这段对话结束时说我们因为 AI 解决了癌症疗法，但我想让人知道，至少在药物发现的早期阶段——搞清楚『这是个有意思的分子吗？它有没有潜在生物学应用？』——AI 已经非常有用了。」

他们把「理论上可能成为药物的无限多种药物样分子」，去匹配人体内正在发生的某种疾病。人类生物学极其复杂：数万个基因、数十万种蛋白质、数万亿个细胞，要把一个潜在分子匹配到人体内的潜在靶点。

过去，研究者可能花数年研究一个疾病或生物通路，搞清楚「这个蛋白质似乎有关」。实际上可能有关、可能无关、可能是被扰动了但并非致病因素——不确定性很大。现在 AI 可以吸收海量数据，为最可能导致特定疾病的潜在靶点排序，给出过去可能要数月或数年才能拿到的候选清单。

有了靶点，还需要「拿什么去攻它」：AI 可以扫过广阔化学空间，给出最可能破坏靶点的分子清单，有时还能直接帮你生成那个分子。第三件事是「先导化合物优化」：在所有看似能影响靶点的分子中，哪些能被身体吸收、能到达正确组织？AI 模型可以预测最可能具备「金发女孩」式（恰到好处）特性的分子，满足安全有效药物的需要。

⚠️ 但 AI 会自信地犯错，而且判断力会萎缩

当被问及「这些工具有一定程度的确定性，即使可能完全弄错，你们担心吗？」，Khullar 斩钉截铁：「当然。」

「所以我认为围绕『AI 取代科学家或医生』的叙事是错误的。因为你还非常需要判断力。」

• 你需要能对模型输出做裁决，判断什么最有前景、什么可能危险。这需要湿实验室、科学家，以及基于过往经验和理解上下文的推理。
• 还有各种问题：模型提议的某些药物你真的能制造出来吗？它能梦想到东西不代表你在现实世界能造出来。
• 有些药物可能在 AI 没预料到的方式上有毒。
• 当然，你还要把它带进临床试验：招募愿意把这药放进身体的人、找出谁可能获益、走监管流程。

「这就是为什么我说，药物发现的第一段——搞清哪些候选值得进一步测试——会被真正加速。而整个后半段——它到底在人体生物学里管不管用——在某些方面仍然是个模拟过程。」

🧠 主动权不能交出去，也不需要「前沿模型」

当被问「是否害怕把医院和研究机构的控制权拱手让给 AI」，Khullar 的答案是：目前它是「助手」角色，但挑战在于随着模型越来越聪明，如何保持我们的自主性。如果一个医生越来越依赖机器，那些经年累月打磨出来的批判性思维、推理、诊断能力，可能会开始萎缩——这是把更多 AI 放进医疗系统时需要处理的类型的问题。

对「干脆把 AI 全部关停，风险太大，我们不需要」的论调，Khullar 的反驳很漂亮：「医疗已经成熟到值得被颠覆，而且你甚至不需要前沿前沿模型就能让它好很多。」就算想「放慢前沿的节奏」，可以——但一两年以前的模型在医疗场景已经非常有用。放缓的是最复杂、最可能危险的模型，但如果要关掉生物技术、科学研究、临床照护中的 AI，他会非常强烈地反对。

笔者锐评

这篇访谈的价值在于专业人士的清醒：既不给 AI 泼冷水，也不吹「AI 治愈癌症」的牛。医生反复强调的两点对国内医疗 AI 产业特别有参考意义。第一，「AI 当第二意见、人做最终裁决」才是临床正路——不是「人机对抗」也不是「全盘托付」，而把 AI 摆在「帮你想起漏掉的检查、提醒最近的试验」的助手位，国内给医院做辅助诊断、智能审核产品时，这个定位最不容易翻车。第二，「不一定要最前沿模型，两年前的模型在医疗就已经够用」——这句话对预算有限的医院和医保局来说，简直是「降本」的官方注脚：不必追着每次发布会跑，务实选型、把已有模型用好，才是医疗场景的正解。

还有一个点值得所有医疗 AI 从业者记下：Khullar 对「技能萎缩」的担忧——人越依赖 AI，自己的判断力越退化。这在国内「AI 取代人工审核」的浪潮里特别刺耳：系统上线时一定给人留「复核权」和「训练场」，否则 AI 越来越准，人越来越钝，最后责任反而全压在被架空的人类身上。 医疗 AI 的终局不是替代人，而是让 AI 把医生从琐事里解放出来、人把判断力花在真正的临床决策上——这个平衡，是产品设计的第一性原理。

求点赞 👍 求关注 ❤️ 求收藏 ⭐️你的支持是我更新的最大动力！