今日健康科技｜医疗聊天机器人开始接受“分诊能力”检验

今日健康科技｜医疗聊天机器人开始接受”分诊能力”检验

当一个人告诉医疗聊天机器人：”我不舒服，我应该去医院，还是先在家观察？”

这已经不是普通的健康知识问答了。

因为AI给出的回答，可能直接影响一个人下一步去哪里、什么时候就医，以及是否延误治疗。

10月5日，《Nature Health》发表了一项预注册随机研究，专门测试医疗聊天机器人帮助普通人进行呼吸系统疾病初步判断和分诊的能力。研究纳入2,400名没有正式医学训练的成年人，来自中国24个医疗系统，随机分为聊天机器人辅助组和传统手机网页搜索组。

研究使用的 LungDiag 是一个基于 GPT-4o、加入呼吸系统知识层并限制任务范围的微信聊天机器人。

结果显示，在主要分析中，聊天机器人组总体判断准确率约为 70.0%，传统网页搜索组约为 55.4%。

但一个非常值得注意的细节是：

AI在”初步识别疾病”上的优势，比在”决定下一步去哪里”上的优势明显得多。

疾病初步判断项目中，两组准确率分别约为81.2%和54.5%；而到了分诊环节，则只有53.4%和47.1%。对于高紧急程度病例，聊天机器人分诊的敏感度为85.6%，但特异度只有62.1%。

这恰恰说明医疗AI面临的一个核心问题：

知道”可能是什么”，和知道”接下来怎么办”，不是一回事

对于搜索引擎来说，回答错一个健康知识问题可能只是信息质量问题。

但进入分诊以后，错误的代价可能完全不同。

把本应紧急处理的人留在家里，与把低风险患者建议去医院，都是错误，却有完全不同的临床后果。

因此，评价医疗AI不能只看一个笼统的”准确率”。

我们还需要知道：

它漏掉了什么？
它在哪些情况下容易判断错误？
它能不能识别真正需要紧急处理的人？
它的建议会不会改变患者实际的就医行为？

而这项研究本身也明确划出了边界：研究采用的是模拟病例。它证明聊天机器人能够改善普通参与者对病例问题的回答，但并没有证明它能够改善真实世界中的就医行为、减少诊断延误或改善临床结局。

另一条变化也正在发生：检测正在靠近患者

同样在10月5日，《npj Biosensing》发表了一项 BIOACT 生物传感平台研究。

研究人员开发了一种电化学免疫传感器，可以在全血和血浆中同时检测 IL-10 和 TNF-α 两种细胞因子，并探索将这类检测进一步用于便携式即时检测（Point-of-Care Testing）。研究背景之一，是利用细胞因子组合辅助结核病等疾病状态的评估。

它现在还不能被理解为”在家测炎症”。

但它代表的技术方向值得持续关注：

抽血送实验室 → 小型化传感器 → 少量样本 → 更靠近患者的快速检测。

这与我们最近持续观察到的生物传感器发展是一条线：医疗数据正在尝试从偶尔获得的几个数字，逐渐向更快速、更便携，甚至未来可能更加连续的生物信号发展。

而AI则正在另一端解决一个更困难的问题：

拿到这些信息以后，我们下一步到底应该做什么？

未来真正有价值的数字医疗系统，可能不能只有”检测”，也不能只有”AI回答”。

它需要把几个环节真正连接起来：

发现信号 → 判断风险 → 决定下一步行动。

这也是今天这项聊天机器人研究最值得关注的地方。

医疗AI真正困难的考试，可能不是”你知道答案吗？”

而是——”你敢不敢告诉一个人，他下一步应该怎么办？”

——
Science & Education：
BI 身体智慧（Body Intelligence）
AI-assisted Research & Illustration：
BI × GPT
Professional Review：
林存默（Thomas Lin）
Professional Community：
ACPN — The Association of Certified Professional Nutritionists
加拿大注册执业营养师公会
Published by：
VoiceToday｜今日之声