AI诊断眩晕来了!它能替代医生的“手法复位”吗?

“医生，我这是耳石症吗？”

诊室里，你忐忑地描述着自己的症状。医生一边听，一边在脑子里快速匹配着几十种可能的诊断。这个过程，依赖于医生的经验和知识储备——而这些，正是AI试图“复制”的东西。

最近，“AI诊断眩晕”频频登上新闻。苏州的社区医院上线了“AI全科医生”，帮助基层医生筛查眩晕患者；广安门医院的“AI医生安安”可以和患者对话，采集病史。那么问题来了：AI真的能代替医生吗？那个救了你命的“手法复位”，AI能做吗？

AI能做什么？它正在成为眩晕诊断的“超级助手”

先看一组数据。

2025年，一项发表于《Journal of Otolaryngology》的研究评估了大语言模型（LLaMA-3.1-8B）在周围性前庭疾病诊断中的表现。结果显示：该模型对耳石症（BPPV）的诊断准确率达到了90%，对梅尼埃病达到了80.8%，对症状侧别的预测一致性极高（κ=0.96）。

这意味着什么？当你向AI描述你的眩晕发作特点时，它能在海量的诊断标准中快速检索、匹配，给出一个相当靠谱的“猜测”。

另一项发表在《Nature》子刊的研究更进一步。研究人员利用机器学习模型，分析了4361名眩晕患者的临床数据，对六种常见前庭疾病进行分类，准确率达到了88.4%。在苏州，试运行两个月的“AI全科医生”已经提供了近1.5万次辅助服务，诊断符合率高达98.52%。

AI最擅长的，是做医生的“眼睛”和“大脑”的延伸——快速采集病史、提醒需要鉴别的疾病、生成病历文书。“AI医生安安”在患者候诊时就能完成预问诊，将信息实时同步到医生的电脑上。对于基层医生来说，这就像身边多了一位“专家顾问”。

AI做不到什么？手法复位需要的那双“手”

但是——这里有一个大大的“但是”。

眩晕诊断中最考验医生的，不是“猜”病，而是“动手”和“看见”。

以耳石症为例。确诊不只是靠问诊，更要靠“Dix-Hallpike试验”——医生扶着患者的头，快速向后仰、向左转，同时死死盯着患者的眼睛，观察眼球有没有“震颤”。这个判断，靠的是医生的肉眼和经验。2025年的那项LLaMA研究也承认，模型对某些复杂病例的诊断一致性只有中等水平（κ=0.41），远不如经验丰富的专科医生。

至于治疗，AI更帮不上忙了。耳石症的手法复位——那个让你“嗖”地一下就不晕了的操作——需要医生精准地控制头颈的旋转角度、速度和停顿时间。这些动作，AI“想”得到，但“做”不到。

近年来出现的智能复位椅，如SRM-IV、TRV等，确实可以用机器代替人手完成复位，由计算机精确控制旋转。但即便如此，也需要医生判断病情、选择方案、解读结果。机器执行的是“手”，而做决策的“脑”，仍然是医生。

AI时代，眩晕患者能得到什么？

与其担心“AI会不会抢走医生的饭碗”，不如关注它能为患者带来什么。

第一，少走弯路。基层医生有了AI辅助，可以更早识别出需要转诊到专科的患者。那些“跑了好几年、查不出原因”的眩晕患者，可以更早被分诊到正确的科室。

第二，更快确诊。AI能在几分钟内完成复杂的病史采集和特征匹配，把医生从繁琐的文书工作中解放出来，把时间留给真正需要“人”的判断。

第三，更准的远程医疗。未来的可穿戴设备可以记录你走路时的步态、头部的摆动，AI能从中捕捉到前庭功能异常的蛛丝马迹。你不需要跑大医院，在家就能完成初步筛查。

AI诊断眩晕，不是来“替代”医生的，而是来“武装”医生的。

它能帮医生更快、更准地“猜”出你可能得了什么病。但那个扶着你头做复位的人，那个盯着你眼睛判断病情的人，那个在你最难受的时候告诉你“没事，我在这儿”的人——目前还不是机器。

也许有一天，AI会进化到能“看见”眼震、能“分析”步态。但那双温柔的、扶着你的手，那份“我懂你”的安慰，在很长一段时间里，依然只有人类能给。

而我们要做的，就是拥抱这个“人机协作”的新时代——让AI帮我们把病看得更准，让医生把我们治得更好。🌿