ARTICLE · 1227048
AI 进诊室,该以什么身份?
最近,一张写着“已经在豆包获得诊断的患者,请勿再向我们寻求意见”的门诊告示图在网上刷屏。虽是梗图,却精准戳中了一个真实痛点:当 AI 问诊越来越普及,它究竟是患者的“定心丸”,还是医患沟通的“绊脚石”?
门诊里最尴尬的三十秒,大概是这样的。患者坐下,没先说哪里不舒服,而是掏出手机:“医生,豆包说我是××病,您看是不是?”医生看了一眼,沉默两秒。这两秒里,坐在对面的两个人其实在争一件事——AI 在这个房间里,算什么身份?
问题的核心不是“AI 能不能进诊室”,而是它以什么身份进来。是作为患者就诊前的“预习工具”,还是诊室里与医生对峙的“判官”?这个区分,决定了 AI 是润滑医患沟通,还是制造摩擦。
01患者想了解自己,并没有错
很多人用 AI 问诊,不是想取代医生,而是希望就诊前有个初步了解:症状可能意味着什么?需要做哪些检查?这种需求很正常。
医学知识门槛高,普通人面对疾病难免焦虑。过去大家用搜索引擎,结果充斥广告和碎片信息;现在 AI 能给出结构化回答,恰好提供了快速获取信息的入口。
但问题在于,AI 提供的是信息,不是诊断;是参考,不是处方。如果患者把 AI 回答当成最终结论,再拿去质疑医生,摩擦就产生了。医生反感的,往往不是患者“提前了解”,而是“用片段化信息否定专业判断”。
原因不难理解:AI 擅长的是“列出可能性”,而不是“锁定答案”。患者带着 AI 给出的“可能性清单”去和医生讨论,是合理的;带着 AI 锁定的“唯一答案”去质问医生,就危险了。
02AI 像医学生,但还不是医生
可以把 AI 理解为一个“读过很多书和指南”的超级医学生。它把知识投喂做到了极致,在数据化程度高的西医诊疗中确实能发挥不小作用——影像筛查、检验解读、基因组分析,效率已明显高于人工。但医学生要经历住院医师规范化培训才能独立坐诊。AI 现在的能力,大概相当于一个把指南倒背如流、却还没轮转过科室的医学生。真正的问题不是它够不够聪明,而是我们还没给它安排规培,就先让它挂上了号。
规培练的到底是什么?是病例积累、现场判断,也是对复杂人性的理解——这些恰恰是 AI 最短的板。
它没有真正面对过病人,不能现场观察患者气色、语气、步态、情绪。医生的一句安慰、一个眼神的确认,往往比冰冷的数据更能给患者力量。这是 AI 目前无法替代的“温度”。
更值得注意的是,AI 的局限不仅在于“不能做什么”,还在于它可能让医生也“想错”。临床上有一个值得警惕的现象:当 AI 给出的建议是错的,一部分医生反而会被它带偏,判断准确率不升反降。这不是说医生不够专业,而是人一旦先看到一个“像样的答案”,就很难完全不受影响,这是认知上的锚定,不是能力问题。这也说明“人机协作”不是天然安全的——如果 AI 的输出被不当信任,反而可能拖累专业判断。
03真正的落地:AI 已经在一线干活
肺结节筛查是目前最成熟的场景:AI 能在几秒内把 CT 上毫米级的微小结节圈出来,标好大小和位置,医生只需要复核和取舍。骨折、脑卒中识别、眼底病变也已有大量医院在用,急诊里它能帮着更快看到脑出血或大面积梗死,为抢救抢出时间。国内获批的相关软件已形成相当规模,覆盖心血管、肺部、脑血管、骨科、眼底等方向。
再往前走一步,是临床决策支持——把病历、症状、基因、检验结果合在一起做判断。罕见病是这个方向最有价值的战场,已有系统能模拟“提出假设—验证证据—自我纠正”的推理,缩短确诊周期。但它处理的始终是“被记录下来的信息”,患者没说出来、医生没写下的那部分,它看不见。从已经落地的场景看,AI 真正帮上忙的地方,是让医生“想到更多可能”,而不是替医生“拍板”。
04AI 药物研发:加速新药发现
药物研发是另一条线。已经有一批在靶点发现、分子设计阶段借助 AI 完成的候选药物进入临床试验,个别走到后期阶段。它不是“自己发明药”,而是帮助科学家更快筛掉没希望的分子,把试错成本降下来。
05有意思的是,AI 在中医的处境,恰好把它的边界标了出来
AI 在中医里能做的事其实很实在:检索古籍、整理方剂、核对配伍,这些过去要翻几天资料的活,现在几分钟就能有眉目。但再往前走一步就难了。中医讲究同病异治、异病同治,体质、情绪、季节、饮食、睡眠、舌脉都会影响处方,阿是穴这类反应点也随病情变化,这些恰恰是写不进电子病历的部分。所以数字化工具适合做文献和资料整理,却很难替代中医师的个体化判断,更不能直接开方。
这个道理其实不只适用于中医:越是依赖“记录不到的信息”的领域,AI 的边界就越明显。西医的影像和检验能被数字化,所以 AI 学得快;而体质、情绪、季节、睡眠这些“写不进病历”的部分,无论中西,都是机器最难触及的地方。
06制度已经在为 AI“进诊室”开门
一个不容忽视的事实是:AI 进诊室,已经不完全是“该不该”的观念问题,而是正在被纳入更明确的监管框架。
目前,AI 辅助诊断在多地医院探索落地,常见场景包括肺结节 CT 筛查、眼底糖网识别、心电图分析、骨折检测等。制度设计上普遍强调:AI 不能脱离执业医师独立作出诊断结论,其输出更多是参考意见,最终诊断仍需由医生复核确认。
这意味着什么?AI 在制度上已经被定位为“医生的助手”,而不是独立的诊疗主体。它出的是“参考意见”,医生签的字才是“诊断结论”。
07AI 可以辅助,但不能否定医生
AI 的能力不应被神话,也不必被低估。医疗不是纯技术问题,一个诊断落到具体的人身上,往往还要在疗效、风险、费用和患者意愿之间做取舍。这些取舍需要有人倾听、解释并承担后果,而这正是医生不可替代的地方。因此,AI 应当是医生的助手,而不是替代者;是患者的参考,而不是裁判。
08未来医疗,或许需要分层协作
未来的理想医疗体系,未必是“人人挤三甲医院”,而可以形成更清晰的分层:
· 社区家庭医生 + AI 初步筛查:常见病、慢病管理、轻症咨询在社区解决,AI 作为“外脑”帮助识别风险、提示转诊。 · 区域医院承接常规诊疗:需要检查、短期治疗或专科评估的患者在区域内完成。 · 三甲医院聚焦重症与疑难病:复杂手术、罕见病、多学科会诊留给更有经验的团队。 |
这种模式既能缓解三甲医院压力,也能让基层医疗真正发挥作用。AI 在其中,不再是“捣乱者”,而是分级诊疗的“润滑剂”和“加速器”。
09给患者和医生的一点建议
对患者来说,AI 问诊可以当作“就诊前的预习”,而不是“就诊后的判决”。带着问题去问医生——“我在网上看到这个症状可能是 XX,您觉得像吗?”——这是沟通;带着结论去挑战——“AI 说我就是 XX 病,你为什么不开这个药?”——这是对抗。
对医生来说,也不必把 AI 视为威胁。患者愿意主动了解疾病,说明他们更希望参与自己的健康管理。耐心解释、引导正确使用信息,反而有助于建立信任。
真正的分界线不在诊室门口,而在心态里:把 AI 当“提问的起点”,它帮患者更好地表达;把 AI 当“答案的终点”,它就变成了对抗的武器。
AI 让信息更透明,医生让判断更专业;AI 提高效率和可及性,医生守住责任、伦理和温度。真正好的医疗,是让患者少一点恐慌,让医生多一点支持。
回到开头那三十秒。如果患者掏出手机时说的是“AI 说可能是这个,您帮我看看对不对”,医生的沉默就只有一秒——那不是对峙,是对话。AI 能不能进诊室,从来不取决于它有多聪明,而取决于推开门的时候,它站在谁的身后。
(说明:本文涉及的技术进展与监管表述,依据公开报道及行业公开信息整理,未逐一标注具体来源;文中观点为作者个人临床观察与思考,不代表所在机构立场。)

作者简介
闲风|护理本科,医学学士,国家二级公共营养师,国家三级心理咨询师。曾参与哥伦比亚大学—北京师范大学学龄前儿童发展公益测评项目,参与中华口腔医学会《临床路径释义·口腔科分册》编撰统筹协调工作,以“护理+营养+心理+口腔”的多维视角,创作通俗普惠的健康科普作品。















































































