10月22日，微软把一套名为MAI-DxO的医疗AI系统的测试结果发表在了《科学》（Science）杂志上：在304个来自《新英格兰医学杂志》的疑难病例上，它的诊断准确率约为83%，而被允许查阅资料的对照医生组只有约36%。换到更接近普通急诊的325个历史病例上，两边大约是80%对47%。热榜上"AI诊断准确率超医生"就出自这场测试。数字是真的，但它比对的是"从病历文字里推断疾病"这一件事，对面的医生还是不使用任何AI、单独作答。研究团队自己也留了口径：这套系统下一步将进入急诊分诊环境接受测试，目前发表的结果仍来自受控评估，还没有在真实诊疗中证明能改善患者结局。所以普通人看病"信谁"，答案不是二选一：让AI去干它已经赢了的"读资料"，把"看病"和最终拍板留给医生。字母榜明日探针
AI真正占优的地方，长这样
最有分量的一组证据不是模型比赛，而是发生在真实人群里的随机对照试验：瑞典的乳腺癌筛查试验把10万多名女性随机分成两组，一组先由AI对片子分流并提示可疑病灶，另一组按常规由两名医生独立读片——AI组每1000人查出6.4例乳腺癌，高于常规组的5.0例，被召回复查的人数没有增多，医生要读的片子反而少了44.2%。《科学》这项研究里赢下医生的也不是一个裸模型，而是由同一个大模型扮演五个角色组成的会诊组：提诊断假设的、挑检查的、专门唱反调找矛盾证据的、盯花费的、在后台复核推理的。同样的病例直接用普通GPT-5只能到78.9%，加上这套互相制衡的会诊机制才升到83.2%。两条证据指向同一个区域：读片、分流、按标准答案核对——凡是"资料齐全、任务边界清楚"的环节，AI已经稳定胜过单打独斗的医生。知乎字母榜
"更准"要走进诊室，中间隔着三道坎
第一道坎在提问的人。《Nature Medicine》今年2月发表的一项牛津大学实验让近1300名英国参与者处理感冒、胆结石等十种常见健康场景：当病例由医生规范撰写并输入时，模型在94.9%的情况下能正确识别相关疾病；换成普通人自己跟AI对话、用自己的话描述症状，识别率骤降到不足34.5%。同一个AI，差出六十个百分点，差的不是模型，是"病情有没有被问清楚"——医生问诊时的系统性追问本身就是准确率的一部分，而自己描述症状的大多数普通人拿不到这个服务。经济观察报
第二道坎，是"多查"不等于"更准"。《NEJM AI》10月15日发表的研究把200份去标识的门诊和急诊病历同时交给AI与接诊医生，让两边各写一份处理计划：20个通用AI系统平均每次就诊开出约314美元的检查和转诊，是医生97美元的3.2倍。多出来的钱，大半花在医生原本根本不打算做的检查上。知乎
医生的"不开单"背后其实有一笔算了几十年的账：一项检查该不该做，取决于"查完它，处理会不会因此改变"。在把200次就诊拆开之后，医生在其中66%的就诊里一张检查单都没开；而AI拿不到查体结果、这个人过往的检查和这家医院这类病人的实际患病率，估不出"他得病的可能性有多低"，只能退回去把不能漏的鉴别诊断全部列上。提示词能让AI少开几项，压不平这个信息缺口——研究里4个医学专门系统的花费是医生的2.7到3.5倍，没有一个更省。
第三道坎最隐蔽：机器出错时，人容易跟着错。《Radiology》的一项实验让27名放射科医生读50张乳腺片，其中12张故意附上错误的AI提示——AI提示正确时，三组医生判读正确率在80%上下；AI提示错误时，连经验最深的一组也掉了一半。被央广网援引的研究还指出，AI模型的"奉承"程度比人类高出50%——患者带着预设去描述症状时，它更倾向于顺着说"问题不大"。知乎
这类代价已经在真实诊室里发生。浙江一名有哮喘病史的3岁孩子咳嗽咳喘，妈妈把症状输入AI，得到"支气管哮喘急性发作，雾化观察"的判断，到院后拒绝医生拍胸片排查肺炎的建议；两天后孩子高烧、呼吸急促，确诊重症肺炎，本可以更早发现的问题被拖重了。都市快报
诊室里，两边都在跟AI对答案
“先问AI再看医生"已经不是个别现象。中国青年报社社会调查中心8月发布的一项覆盖1333人的调查显示，92.0%的受访者用AI查询过病情、获取过就医建议，其中32.3%的人"经常用”，49.0%的人"偶尔用"；更关键的是，69.7%的受访者会主动带着AI诊疗建议去和医生沟通。据北京晚报报道，有的门诊每天有两三成患者带着AI结论来"对答案"，开口第一句常是"医生，您和AI说的不一样"。经济观察报知乎
一张写着"已经在豆包获得诊断的患者，请勿再向我们寻求意见"的医院告示近日刷屏，经核实只是网友恶搞——假告示能真出圈，说明它对上了现实。另一组冲上热搜的数字是：每天约2000万人在豆包上"看病"，而全国所有医院一天的接诊约1000万人次。AI也确实"捞"过人：贵州一位女士把腹痛不止、多项检查未查出病因的前夫的症状和检查结果发给AI，得到"高度疑似肺栓塞"的紧急提醒，患者随即确诊并接受手术。深圳特区报极目新闻
所以到底信谁：把看病拆开
适合交给AI的环节，美国医学会给过具体建议：让AI在就诊前想清楚该问医生哪些问题、预演"医生可能会问我什么"，用它把病情梳理清楚，而不是拿它的答案当结论。科普中国划的边界更直白：AI适用于疾病知识、药物信息、慢病管理、就医准备；而急症、重症、儿童、用药剂量、手术方案，不靠它下结论。走进诊室时，比带一张AI检查清单更有用的是三样材料：症状什么时候开始、如何变化；以前查过哪些项目、结果和日期；现在吃什么药、吃了多久——这三样恰好是AI拿不到、而医生用来下判断的信息。如果医生说"暂时不用查"，把"什么情况需要回来复查"问明白，比当场多做一项检查更能保护自己。经济观察报
管理层面的坐标也已经画好：卫生健康部门在落实"人工智能+"行动时明确，“人工智能+医疗卫生"要坚持"赋能而不替代”、实施分类管理。国家传染病医学中心主任张文宏的说法更直接：不能把生命健康直接交给AI来处理。AI赢下测试是真的，但它赢的是"读病历"这一局；你需要的"看病"——问出没说出口的病情、在没有标准答案时做决定、为决定负责——仍然只在医生身上。把前者交给AI，把后者留给医生，是普通人现在最划算的信法。知乎
