夜雨聆风67%。
放在手机跑分里，这叫翻车；放在医院里的 AI 数字助手身上，这三个数字就不是“体验波动”了，而是足够让整个行业坐直的一脚急刹。
先说清楚，眼下最关键的一层边界不能丢：这些内容来自美国明尼苏达联邦法院收到的诉状，法院还没有认定事实。但也正因为还只是指控，这件事才更值得看——如果连梅奥诊所这种全球最顶级的医疗机构，都被前 AI 合规负责人告上法庭，问题就已经不只是某个工具准不准，而是坏消息能不能穿过会议室的门。
这次起诉梅奥的是前研究运营总监、AI 合规负责人 Traci Tamiko Eto。公开报道里，最扎眼的是两条：一是梅奥内部 AI 数字助手 MAYA 被指错误率高达 67%；二是她在提出合规和研究流程问题后，经历了被边缘化、降职，最后在病假期间收到裁员通知。梅奥方面的公开回应很标准，核心意思是研究和临床创新都遵守适用法律法规，并强调患者信任和隐私。话说得很稳，但对“67%”“删除不利结果”“10份内部警报”这些最刺眼的点，目前没有逐条展开。
这里最值得大家盯住的，不只是 67% 本身，而是这个 67% 到底怎么算出来的。
因为医疗 AI 不是手机参数，数字不能裸看。它可能是答案错误率，也可能是字段缺失、检索失败、摘要偏差，甚至是某个特定测试集上的问题比例。分母是什么，样本多大，验证窗口多长，公开信息都还不完整。所以现在谁要直接把它翻译成“每三次诊疗错两次”，那也是过度延伸。
但反过来说，这也正是问题严重的地方。数字口径没讲清，已经够紧张；如果诉状里提到的“删除不利结果、歪曲研究结局”最后被坐实，那就不是模型性能问题了，而是研究诚信和机构治理问题。这一点很关键。
说白了，MAYA 这类工具的风险，不在那块屏幕上，而在它会不会顺着工作流一路往前走。它被定位为数字助手，听着像信息检索、流程辅助，但只要输出进入病历、研究文档，甚至医生判断链条，错误就会穿上白大褂继续流转。医疗行业最怕的，从来不是 AI 偶尔答错一句，而是错误被系统化吸收，还没人敢按暂停键。
而且这事并不是孤例语境里的“吓人新闻”。今年公开研究里，电子病历 AI 摘要工具已经暴露出一个很现实的共性：遗漏往往比幻觉更麻烦。一个 2026 年研究里，10 名医生对 147 份 AI 摘要做反馈，记录到了 46 次信息遗漏、20 次内容混乱、5 次幻觉。你看，最常见的不是胡编，而是漏掉关键细节。医疗场景里，少一句有时比错一句还危险。
这也是我个人特别想强调的一点：医疗 AI 真正的门槛，从来不是“能不能生成”，而是“能不能被追责、被复核、被及时叫停”。行业这些年最热衷讲效率、降本、临床赋能，这些都没错，我也一直看好 AI 进入严肃专业场景。但越是这种场景，越不能用互联网产品那套“先上线再优化”的节奏硬冲。因为这里的 bug，不是闪退，不是卡顿，是患者数据、知情同意、审查流程，甚至直接碰到临床安全。
从这个角度看，梅奥这起案子哪怕最后有些细节被修正，它留下的行业冲击也已经足够大：真正决定医疗 AI 成色的，未必是模型名字多响、参数多大，而是机构有没有保留坏结果的勇气，有没有让合规负责人说真话的位置，有没有在项目速度前面留一脚刹车。
所以这篇我最后的态度很明确：别急着被“67%”带节奏，但更别把它当成一条普通风波看过去。医疗 AI 可以继续往前冲，但问责机制必须先跟上。能把坏消息听进去的医院，才配把 AI 放进临床。
短句收尾：医疗这条赛道，快从来不是第一位，可靠才是。
⚠️ 文中信息整理自网络公开渠道，参数与细节可能仍有出入，最终请以官方表述和实际情况为准。