夜雨聆风在罗切斯特，建筑外墙上那几个巨大的白色字母，MAYO CLINIC，向来代表着医疗信誉
如今，一个数字挡在了这面招牌前：67%
如果一家医院的内部AI，在测试中每100项有67项被判为错误，你还敢让它接触患者数据、进入临床流程吗？
这起案件还追问了另一个问题：当内部有人拉响警报，组织究竟做了什么？
2026年7月6日，梅奥诊所前研究运营总监 Traci Tamiko Eto 将这家世界知名医疗系统告上明尼苏达联邦法院她声称，自己在追问AI错误率、患者隐私和研究伦理问题后，遭到排挤、降职，并在病假期间成为那个唯一被取消的岗位
先钉牢事实边界：所谓MAYA约67%的错误率、删除不利数据和绕过伦理审查，目前均来自原告诉状及媒体转述，尚未经法院认定，亦未见外部审计正式发布
▲ 巨大的梅奥标识与“67%错误率”形成强烈反差；该帖属于新闻二次转述，不能替代法院证据。
67%背后，比“AI答错”更严重的指控
被点名的工具叫 MAYA，媒体将其称为梅奥内部的“数字助手”
公开信息没有说明它究竟用于病历起草、信息检索，还是其他任务因此，67%到底怎么算出来的，外界目前并不知道：它可能是事实错误率、编码错误率，也可能是与某个金标准的不一致率
没有测试方案、样本规模和任务定义，这个数字无法与其他医疗AI横向比较
诉状的核心指控是：内部发现问题之后，是否有人试图让坏消息消失？
据Eto主张，2024年11月，她发现MAYA相关研究存在曲解结果、删除不利数据、使用未经监管授权的软件等问题；约有10份内部吹哨报告，指向研究方试图掩饰约67%的错误率，而项目仍在缺少充分IRB监督的情况下推进
此外，诉状还提到：
部分患者数据的去标识化及跨境共享，可能没有经过充分复核； 患者基因组数据拟进入更广泛数据库，但原始同意书可能未覆盖这种用途； 未经监管授权的软件据称进入了常规临床流程； 一款高风险试验性心脏手术器械，据称在缺少IRB审查的情况下获准使用。
**听起来很技术。其实一点也不。**它们共同指向一个简单问题：谁有权替患者决定，哪些风险可以被悄悄接受？
从“valuable partner”到被移出会议室
Eto原本就在系统内部负责研究合规
据报道，她拥有约18年人类受试者保护经验，2023年12月加入梅奥后，直接管理约36名员工和3名经理，并负责推动研究实践与联邦AI安全、隐私治理要求对齐
也就是说，她就是被请来踩刹车的人。
然后，剧情急转。
- 2025年2月
，她把MAYA等问题报告给梅奥法务部门；随后据称被排除出人类研究运营领导层会议。 - 3月12日
，她获得约7000美元加薪，年薪升至约16.6万美元，还被称为“valuable partner”。 约两周后，上司据称要求她辞职或转岗，否则人事档案中会出现影响其继续就业的记录。 - 4月
，她被放入纠正行动计划，理由包括“文化契合度”不佳。 - 7月
，她失去对约39名下属的管理权，也被移出AI Protocol Builder等项目，随后因严重抑郁发作申请FMLA病假。 - 9月2日
，病假尚未结束，她被告知职位因“裁员”取消；诉状称，实际消失的只有她的岗位。 - 12月1日
，雇佣关系正式终止。她申请约15个内部职位，只获得一次面试。
一边是加薪和感谢，一边是绩效计划与裁员这条时间线，注定会成为双方证据战的中心
Eto据此提出《虚假申报法》反报复、ADA及FMLA等主张，并寻求工资与福利损失、补偿性和惩罚性赔偿、律师费以及陪审团审理
▲ “先加薪感谢，再进入绩效计划”，成为这起案件最具冲击力的人事线索之一。
IRB是患者看不见的安全带
本案反复出现的 IRB，即机构审查委员会
它不负责判断模型是否“聪明”，而是追问：风险是否最小化？患者是否真正同意？数据能否被二次使用？一旦出事，谁负责？
在传统研究中，这套边界已经复杂；到了会持续更新、融合多源数据的AI系统里，边界更容易变得模糊
一项工具究竟是“研究”，还是普通的“运营改进”？去掉姓名的数据，能不能被AI从其他信息中重新拼回身份？患者当初同意用途A，医院后来能否把数据用于用途B？
据诉状转述，Eto推动重新审查时，有人担心这会拖慢项目并损害梅奥的“竞争优势”；处理MAYA问题，也被形容为会消耗管理者不愿付出的“政治资本”
这番表述点出了医疗AI最尖锐的矛盾：速度、数据和市场地位在向前冲，合规却必须不断要求它停下来解释
从财经视角看，合规部门很容易被当成成本中心但一旦刹车失灵，账单可能变成诉讼、监管调查、模型返工，以及最昂贵的资产损失，公众信任
梅奥回应：坚持负责任使用AI，但不评论诉讼
梅奥诊所的公开声明很简短：
隐私、安全、透明与合规贯穿AI开发和部署流程；研究与临床创新遵守适用法律法规。梅奥不评论正在进行的诉讼。
截至相关报道发布时，梅奥尚未公开逐项回应67%错误率、删除结果及报复动机等具体指控，也尚无法院作出事实认定
当前公开材料仍是一份指控严重的起诉书，法院结论尚待审理
医疗AI的“幻觉”之外
类似的结构并非第一次出现。
2023年，UnitedHealth及其nH Predict模型也曾遭起诉原告指控，该工具错误率约90%，却仍被用于急性后期护理赔付决策；公司则回应，模型只是指导工具，最终决定依据规则与保单作出两案事实并不相同，但都暴露出同一种张力：
当算法产生高错误信号，而组织已经投入巨额资金、流程和声誉时，还有没有人敢按下暂停键？
牙医Howard Farran对此给出了一句最朴素的提醒：执照责任不能外包给算法
▲ 一线临床视角把这起名院诉讼还原成一句原则：先验证，再信任。
法院最终可能支持、削弱，甚至驳回Eto的部分主张MAYA的真实错误率、测试口径和内部决策过程，也仍有待证据开示
但这场诉讼已经留下一个无法回避的问题：
医疗AI的合规测试出现在仪表盘变红的时刻：那个说“停”的人，能不能继续留在会议室里
模型会产生幻觉。组织也可能产生幻觉，相信只要项目继续运行，风险就等于从未存在
