夜雨聆风
一个患者走进诊室。
“腹痛，便秘。”
年轻医生按照标准路径问了很多问题，很快形成了一个判断：可能是肠易激综合征。
但带教医生没有马上讨论诊断。
他注意到一个很小的细节——患者一直低着头，显得异常焦虑。
于是，他没有继续问症状，而是换了一个问题：
你是不是在担心什么？
患者沉默了一会儿，终于说：
姐姐刚刚被诊断为晚期结肠癌。她害怕自己也是。
这是前几天我在《TIME》杂志中一篇文章中看到的故事。文章作者 Natasha Chida 医生是 Johns Hopkins Osler 内科住院医师培训项目负责人。她在文中有一句话，让我印象很深：
「Great physicians define the input.」
“伟大的医生，定义输入。”
我反复想了很久这句话。
因为它恰好点中了我最近思考医疗 AI 时，越来越在意的一个问题：
01｜AI越来越会回答，但患者从来不会把自己写成一道标准题
今天的大模型已经非常擅长处理信息。
给它一段病史、一份化验单、一张影像报告，它可以快速归纳、总结、检索知识、提出鉴别诊断，甚至组织出一套非常完整的临床推理。
未来这些能力只会更强。
但真实医疗有一个非常特殊的地方：
「患者不是一道已经写好题干的考试题。」
“65 岁女性，突发雷击样头痛，1 分钟达到高峰，伴呕吐，无发热，正在服用华法林，请鉴别诊断。”
她更可能说的是：
“医生，我今天头疼得特别厉害。”
接下来真正决定诊疗质量的，是另一连串事情。
什么时候开始的？
是突然疼起来，还是慢慢加重？
多久达到最严重？
以前有没有过？
这是不是一生中最严重的一次？
有没有意识改变？
有没有肢体无力？
有没有发热？
有没有吃抗凝药？
患者自己能不能准确回答？
家属和患者说的是不是一回事？
这些信息如果没有被获取，后面的模型再聪明，也只能在一个残缺的世界里推理。
02｜问题不是“AI会不会提问”，而是它知不知道什么值得被问
这里需要做一个很重要的区分。
今天的 AI 当然可以提问。
只要给它一个病例，它完全可以生成几十个追问，甚至进行连续多轮问诊。
所以，说“AI不会问问题”其实并不准确。
真正困难的是：
它为什么在这一刻问这个问题？
回到开篇那个患者。
如果系统只得到“腹痛、便秘”，它完全可以围绕胃肠道症状继续推理。
真正改变整个问诊方向的，并不是知识库里又多了一条医学知识。
而是医生看到了一个尚未成为“数据”的东西：
患者的眼神、迟疑、恐惧，以及她没有主动说出口的信息。
然后，医生决定追问。
直到这时，“姐姐刚刚被诊断为晚期结肠癌”这个事实才真正进入诊疗过程。
AI 可以处理输入。
但在真实世界里，什么应该成为输入，本身就是一项专业工作。
这件事在神经内科尤其明显。
一个卒中患者可能已经失语。
一个意识障碍患者无法回答问题。
一个认知障碍患者的病史可能主要来自家属。
一个眩晕患者可以告诉你“天旋地转”，却未必能够准确描述持续时间、诱发因素、眼震和步态变化。
有时语言本身甚至不是最重要的信息。
医生还需要看患者的面部、步态、眼球运动，需要检查肌力、协调、感觉和反射，需要比较左右两侧，需要把患者、家属、检查结果和自己的观察放到一起。
然后不断更新对这个患者的理解。
03｜模型越快，越让我关注模型之外的东西
这也是过去一段时间，我对 AI 产品理解发生变化的地方。
大模型迭代实在太快了。以前一个重要模型可能一年更新一次。后来变成半年。现在越来越接近“月更”。
再往后会不会出现更快的迭代，我不知道。
但一个趋势已经很明显：今天需要我们自己花大量精力开发的某项能力，过几个月可能直接成为基础模型的默认能力。
推理会继续增强，多模态会继续增强，Agent 会继续发展，推理成本也会继续下降。
于是，一个应用层创业者就必须面对一个很现实的问题：
如果底层能力一直在变，到底什么东西值得长期投入？
我现在越来越少纠结“哪一个通用大模型最强”。
因为这个答案的保质期可能越来越短。
反而有两件事情，我觉得会越来越重要：
第一，信息获取。
第二，应用落地。
也就是如何理解用户真正发生了什么，以及最终把不断进化的模型能力，以什么样的产品形态交到用户手里。
这也是我最近越来越理解前沿部署工程师（Forward Deployed Engineer,FDE） ，这类角色价值的原因。
我理解 FDE 最有意思的地方，并不是“懂一个更先进的模型”。
而是它站在模型和真实业务之间。
一边理解技术边界，一边进入真实现场，把需求、工作流、数据、交互和交付重新组织起来。
04｜重新理解医生：他可能是患者与AI之间最重要的“临床接口”
我们通常把医生理解成一个负责“诊断疾病”的人。
但如果真正把一次诊疗拆开，会发现诊断之前还有一大段经常被忽视的工作。
患者说了一句话。
医生先判断这句话意味着什么。
信息不够，继续追问。
前后矛盾，重新确认。
患者无法表达，转向家属。
语言不够，再通过查体获取信息。
新出现一个异常，医生调整下一步的问题。
一个危险信号出现，原来的问诊顺序可能全部让位。
直到这些过程逐渐完成，才形成一个可以用于医学推理的病例。
所以，如果一定要用一个技术词汇来描述 AI 时代医生的位置，我越来越愿意把医生理解成：
患者真实世界与 AI 可计算世界之间最重要的临床接口。
我以前还用过另一个词：
翻译官。
但这里的“翻译”并不是把患者说的话转录给 AI。
它要复杂得多。
医生一直在做判断：
什么值得继续问？
什么信息缺了？
什么回答可信？
什么需要家属补充？
什么前后矛盾？
什么已经可以确认？
什么只能保留为“不确定”？
哪一个危险线索必须立刻改变诊疗优先级？
什么时候甚至应该停止问诊，先处理患者的紧急情况？
这也是为什么，我现在越来越认同一个方向：
05｜这也是我们为什么做脑元智录
这个判断，后来慢慢变成了我们设计 脑元智录 NeuronSage 的出发点。
我们没有把第一阶段的重点放在“让 AI 自动诊断”。
也不希望只做一个把医患录音转成病历的工具。
我们更希望解决前面那个问题：
怎样帮助医生更完整、更有结构地获得事实？
所以我们现在关注的核心，是“引导式问诊 + 实时补问”。
医生仍然按照正常方式和患者交流。
不需要为了使用 AI，不停中断问诊去写 Prompt。
系统在后台理解医生、患者和家属的实时对话。
把已经获得的信息逐渐组织起来：
哪些事实已经明确？
哪些重要信息还没有问？
哪些信息之间出现了矛盾？
有没有需要优先确认的红旗征？
当前最值得继续问哪一个问题？
例如，一个头痛患者突然说：
“这是我这辈子最严重的一次头痛。”
一个看起来很“聪明”的 AI，也许会迫不及待弹出：
“考虑蛛网膜下腔出血。”
但这其实不是我最希望看到的产品行为。
因为此时真正缺少的，不是一个疾病名字。
而是一个足以改变诊疗路径的关键事实。
系统更应该提示医生：
建议确认：是否突然起病，并在 1 分钟内达到高峰？
这就是我们理解的 Next Best Question——下一最佳问题。
而是在关键的时候，帮助医生多获得一条决定性的事实。
06｜我更在意的，其实是基层医疗
如果把视角再拉远一点，我其实并不太担心三甲医院里的顶级专家能不能获得最先进的 AI。
他们总会比较早接触到新的工具、新的研究和新的技术。
真正让我在意的，是另外一些地方。
在一个没有头痛专科医生的基层医院，一个年轻医生接诊了一位第一次出现剧烈头痛的患者。
他能不能获得和专家类似的风险提醒？
在一个卒中资源有限的地区，一个医生面对再灌注时间窗时，能不能迅速看到关键禁忌证和循证依据？
在一次普通门诊里，一个经验还不够丰富的医生，能不能因为 AI 多追问了一句话，而发现一个原本可能被遗漏的危险信号？
如果可以，我觉得这可能比再创造一个考试分数更高的医疗大模型更有意义。
我们做脑元智录，真正希望验证的也是这样一件事：
能不能把专家经过多年训练形成的一部分临床能力，工程化地送到每一个需要它的医生身边。
不是让 AI 替基层医生诊断。
而是帮助他更完整地获取病史，更及时地发现风险，更方便地获得循证医学依据，在关键医疗决策前少遗漏一个重要条件。
如果这些事情能够被证明有效，那么 AI 对医疗最大的价值，也许并不是制造少数几个“超级医生”。
而是抬高大量普通医疗工作者的能力下限。
让好的医疗经验，不再只存在于少数专家的大脑里。
当答案越来越便宜，什么反而变贵了？
再回到文章开头那个患者。
如果只把：
“腹痛、便秘。”
交给 AI，它可以给出越来越好的答案。
但那个真正改变整场问诊的信息——
患者在害怕自己的姐姐刚刚罹患的癌症——
一开始并不在数据里。
有人先看见了她。
有人意识到：
还有一件更重要的事情没有被说出来。
然后问了正确的问题。
事实才终于出现。
这大概也是 “Great physicians define the input” 最打动我的地方。
未来 AI 一定会越来越擅长识别疾病。
但医学还有另一件不能被遗忘的事情：
识别眼前这个具体的人。
看见他的迟疑。
听懂他的表达。
发现他说不清楚的地方。
意识到哪些信息还没有出现。
然后，再多问一句。
所以，我现在越来越觉得：
当答案越来越便宜，医疗真正昂贵的，是把事实弄清，把问题问对。
医疗 AI 最值得做的，也许不是急着成为一个比医生更会回答问题的“大脑”。
而是站在医生身边。
帮助他多看到一点。
多想到一步。
少漏掉一个真正重要的问题。
再把这个时代最强的模型、最新的医学知识和最可靠的循证证据，在正确的时间送到他的手里。
尤其是送到那些离顶级医疗资源最远、却每天面对大量真实患者的基层医生手里。
那么，回到我们的标题：
「AI 已经不缺答案了，医疗真正昂贵的是什么？」也许不是更多医学知识，而是看见患者、获得事实，以及在正确的时刻问出正确的问题。
这就是我们做脑元智录 NeuronSage 最初，也是直到现在最想回答的问题。 NeuronSage
Neuron，是神经、中枢和意识。
Sage，是经验、判断与智慧。
我们希望脑元智录最终承载的，不只是一次病历生成。
而是：
记录临床事实。
组织医学知识。
承载可以被标准化的专家经验。
辅助临床决策。
然后，在真正需要的时候——
让经验抵达现场。
这里是脑元智录，持续记录对 医疗 AI、临床医学、神经科学、科研转化与医疗产品落地 的思考。
如果你也在关注医疗 AI 的下一步，欢迎关注这个公众号。
这里不会只讨论“AI 能做什么”。
我们更想持续记录：
哪些问题值得被 AI 解决，以及怎样把它真正做进医疗现场。
关注公众号，持续分享医疗 AI × 临床医学 × 科研转化的真实实践。
如果这篇文章让你产生了一点新的思考，也欢迎转给同样关心医疗未来的朋友。
临床智能工作台 · 临床决策支持工具
脑元智录 NeuronSage
让经验抵达现场
Neurology Encounter Understanding, Recording, Orchestrated Navigation, Structured Assessment & Guideline Engine
NeuronSage 不替代执业医师最终诊断与治疗决定，您使用NeuronSage时请勿上传患者隐私信息。
也许不是更多医学知识，而是看见患者、获得事实，以及在正确的时刻问出正确的问题。
NeuronSage
Neuron，是神经、中枢和意识。
Sage，是经验、判断与智慧。
我们希望脑元智录最终承载的，不只是一次病历生成。
而是：
记录临床事实。
组织医学知识。
承载可以被标准化的专家经验。
辅助临床决策。
然后，在真正需要的时候——
让经验抵达现场。
这里是脑元智录，持续记录对 医疗 AI、临床医学、神经科学、科研转化与医疗产品落地 的思考。
如果你也在关注医疗 AI 的下一步，欢迎关注这个公众号。
这里不会只讨论“AI 能做什么”。
我们更想持续记录：
哪些问题值得被 AI 解决，以及怎样把它真正做进医疗现场。
关注公众号，持续分享医疗 AI × 临床医学 × 科研转化的真实实践。
如果这篇文章让你产生了一点新的思考，也欢迎转给同样关心医疗未来的朋友。
临床智能工作台 · 临床决策支持工具
脑元智录 NeuronSage
让经验抵达现场
Neurology Encounter Understanding, Recording, Orchestrated Navigation, Structured Assessment & Guideline Engine
NeuronSage 不替代执业医师最终诊断与治疗决定，您使用NeuronSage时请勿上传患者隐私信息。