医疗AI如何用大语言模型问诊与诊断

想象这样的场景：身体不适时预约医生，次日就能获得半小时详细问诊。问诊者可以充分描述症状、担忧和完整病史，而倾听者会专注记录并提出深入追问。最终患者带着诊断结果和治疗方案离开，感受到前所未有的医疗关怀。

但这一切可能并非由执业医生完成。南加州少数诊所正在运行由某医疗初创公司开发的创新系统。这些诊所（部分服务医疗补助计划患者）提供快速专科预约，而关键区别在于患者与医生接触时间大幅缩短。

患者面对的是具有同情心但临床经验有限的医疗助理，真正的诊断工作由名为ScopeAI的专有大语言模型系统完成。该系统实时转录分析医患对话，生成诊断和治疗方案建议，最后由医生审核确认。

该机构首席技术官表示：“我们的核心目标是让医生从问诊环节中抽身。”据首席执行官透露，这种方式使医生接诊量提升4-5倍。

ScopeAI由多个大语言模型组成，每个模型负责特定问诊步骤：从根据患者陈述生成追问问题，到列出可能病症。系统主要基于某机构的开源Llama模型进行微调，同时整合了某研究机构的Claude模型。

问诊过程中，助理通过ScopeAI界面读取问题，系统根据患者回答实时生成新问题。为后续审核医生提供的报告包含：就诊摘要、最可能诊断、2-3个备选诊断、以及转诊或开药等后续步骤，每个结论都附有推理依据。

该系统已应用于心脏病学、内分泌学和初级保健诊所，尤其服务于洛杉矶流浪人群的街头医疗团队。该团队负责人表示，过去需要当面完成的阿片类药物成瘾治疗处方，现在通过配备ScopeAI的个案工作者即可完成初步评估。

哈佛法学院教授指出，任何充当“盒中医生”的AI系统都可能需要监管机构审批。虽然当地医疗实践法规定AI不能替代医生的诊断责任，但允许医生在工作中使用AI技术。

该机构强调，由于所有建议都需医生审核，系统刻意避免成为“盒中医生”，因此不需要特殊审批。为减少自动化偏差风险，公司通过历史数据测试系统性能，要求正确诊断纳入前三建议的比例不低于92%，并对医生进行专项培训。

医疗助理透露，虽然会告知患者AI系统参与信息收集，但不会说明具体诊断建议功能。伦理专家担忧这种安排可能使患者低估算法对诊疗的影响程度。研究表明，医生使用AI系统时存在过度采纳建议的倾向，这种风险在医生未亲临问诊时尤为突出。

目前该机构尚未进行与传统诊疗方式的对比研究，无法确证系统是否真正改善或维持医疗质量。专家强调，在提升医疗可及性的同时，必须通过严格评估确保技术应用的可靠性。