你去过医院吗？排了两小时队，医生看了你三分钟，开了检查单，等你做完所有检查回来，他又看了你三分钟，说"先吃药看看"。

你心里犯嘀咕：这医生到底行不行？

现在有人说了：让AI来啊。ChatGPT什么都能答，看个病还不是分分钟的事？

但现实给了所有人一记响亮的耳光。

你有没有想过，医生看病最关键的一步是什么？

不是开药，不是看片子，而是问诊。

"哪里不舒服？""多久了？""之前有没有类似的情况？""家里有人得过这个病吗？""最近吃了什么药？"

一个好的医生，会通过至少5-10轮追问，把模糊的症状一步步缩小到具体的诊断。这个过程，医学上叫"鉴别诊断"——就像侦探破案，先收集所有线索，再排除不可能嫌疑人，最后锁定真凶。

但现在的AI呢？

你问ChatGPT"我头疼怎么办"，它直接给你列一个清单：可能是偏头痛、可能是紧张性头痛、可能是颅内压增高……然后建议你"尽快就医"。

说了等于没说。

问题的核心在于：通用AI不会追问。

量子位最近一篇报道指出，通用AI在医疗场景中的最大短板，就是缺乏"多轮追问"能力。它不会像真正的医生那样，根据你的回答动态调整下一步的问题。你说了"头疼"，它不会接着问"是太阳穴疼还是后脑勺疼？""是胀痛还是刺痛？""有没有恶心呕吐？"

它只会一次性把所有可能性都列出来，然后让你自己判断。

这哪是看病？这是让你自己当医生。

你可能会想：医生不是最忙吗？有个AI帮忙不是更好？

恰恰相反。很多一线医生对AI的态度，不是欢迎，而是头疼。

为什么？因为AI给的建议，往往需要医生花更多时间去"纠错"。

一位三甲医院的主治医师在接受采访时说："AI给的诊断建议，看起来头头是道，但十次里有七八次方向是偏的。我要是不看，怕出事；我要是每条都仔细看，比我自己从头诊断还慢。"

这就是AI看病的尴尬处境：它不够好到可以直接用，又不够差到可以直接扔。

更让医生崩溃的是，有些患者拿着AI的"诊断结果"来看病，一进门就说"ChatGPT说我得的是XXX，你给我开这个药"。

医生内心OS：你到底来找我看病，还是来找AI看病？

这种场景正在越来越多的诊室里上演。患者带着AI的答案来，医生不得不先花十分钟解释"AI说的不对"，然后才能开始真正的诊疗。

AI没有帮医生省时间，反而在制造新的时间成本。

另一头，患者的态度也很微妙。

一方面，越来越多人在身体不舒服时先问AI。某平台数据显示，健康类问题已经是ChatGPT使用量最高的类别之一。

但另一方面，真正敢完全按AI建议吃药、治疗的人，少之又少。

大家把AI当"预诊"，不当"确诊"。

这背后有一个深层的信任问题：你看病的时候，信任的是什么？

是一个有温度的人——他能看着你的眼睛说"别担心，这个病我治过很多例"。他能根据你的家庭情况调整治疗方案——"你是家里顶梁柱，这个方案恢复快，虽然贵一点但值得"。

AI做不到这些。

它可以给你最准确的医学数据，但它无法给你一个"放心"的眼神。它可以列出十种可能的诊断，但它无法告诉你"根据我的经验，你最可能是第三种"。

医疗不只是科学，还是人学。

这一点，恰恰是AI最薄弱的环节。

说到这里，你可能想问：AI为什么就不能学会追问呢？技术上很难吗？

说实话，技术上不算难，但产品逻辑上很矛盾。

通用AI（比如ChatGPT、文心一言、通义千问）的设计目标是"快速给出答案"。你问一句，它答一句，效率至上。这种逻辑在写代码、查资料、做翻译时非常好使。

但在医疗场景里，"快速给答案"恰恰是最危险的。

一个专业的医疗AI，应该具备这样的能力：

第一步：你说"头疼"，它不会急着给答案，而是先问"哪个位置？"

第二步：你说"太阳穴"，它接着问"是胀痛还是跳痛？"

第三步：你说"跳痛"，它再问"有没有怕光、恶心的感觉？"

第四步：你说"有点恶心"，它才谨慎地说"根据你描述的症状，偏头痛的可能性较大，但建议做一下XX检查排除其他情况"。

这个过程至少需要4-5轮交互，每一轮都在缩小范围。这才是真正的"AI问诊"。

但通用AI做不到，因为它的底层逻辑是"一轮搞定"。你问它问题，它就给你答案——哪怕信息根本不够。

这就是为什么量子位那篇文章的结论是：通用AI要真正进入医疗场景，必须先补上"多轮追问"这堂课。

不是换个模型、加个数据集就能解决的。是从产品设计到交互逻辑，都需要重新来过。

好消息是，已经有人在啃这块硬骨头了。

国内方面，一些医疗AI公司正在做"专科化"的AI问诊系统。它们不追求什么病都能看，而是专注某一两个科室（比如皮肤科、呼吸科），把该科室的问诊逻辑做到极致。

比如某皮肤AI，你上传一张皮肤照片，它不会直接说"你这是湿疹"，而是先问你"痒不痒？""多久了？""用过什么药？""有没有过敏史？"——通过3-5轮追问，再给出初步判断。

这种"窄而深"的路线，反而比通用AI更靠谱。

国外方面，Google的Med-PaLM 2在医疗问答测试中表现不错，但它本质上还是一个"问一答一"的模式，缺乏真正的多轮交互能力。

真正的突破口，可能不是更大的模型，而是更好的交互设计。

说了这么多，跟你有什么关系？

三点建议，很实用：

第一，AI可以当"健康顾问"，但别当"主治医生"。

身体不舒服时问AI，没问题。它可以帮你了解基础知识、缓解焦虑、准备就诊时要问的问题。但如果它说"你可能得了XXX"，千万别自己吓自己，更不要自己买药吃。去医院，让真人医生判断。

第二，看病时别拿AI结果"考"医生。

你带着ChatGPT的诊断去看病，医生不会觉得你聪明，只会觉得你添乱。你可以把AI的信息当作参考，但请尊重医生的专业判断。毕竟，他看了十年病，ChatGPT看了十年数据——这两件事不是一回事。

第三，关注"专科AI"，别迷信"通用AI"。

未来真正能帮你看病的AI，大概率不是ChatGPT这种万金油，而是某个专科领域深耕的专用系统。就像你不会找全科医生做心脏手术一样，看病这件事，"专"比"全"更重要。

AI看病这件事，暴露了一个更大的问题：我们太急着让AI取代人了。

技术可以进步，但有些东西急不来。医疗不是一个"效率优先"的场景——它是一个"信任优先"的场景。

你可以让AI帮你写邮件、做PPT、查资料，因为这些事情的核心是"快"。

但看病不一样。看病的核心是"准"，而"准"不只是数据准确，还包括判断准确、沟通准确、信任准确。

这些事情，AI还差得远。

所以，别急。让AI先把"追问"学会，再谈"看病"。在那之前，你的身体，还是交给那个会看着你眼睛说"别担心"的人吧。