ChatGPT救了他！英国少年被误诊险瘫痪，AI一句话点破真病因！

医生说我只是血液循环不好，戴手套保暖就行，但ChatGPT告诉我，我可能在走向瘫痪。”2025年11月，英国17岁少年卡兰·伊尔斯的经历在社交平台刷屏。这个法律与犯罪学专业的高中生，因一场“感冒”差点被拖成终身残疾，最终却被他用来写作业的ChatGPT拉回了安全线。

一、从“小感冒”到“难走路”：被忽视的致命症状

故事要从2025年9月说起。卡兰像往常一样开学上课，却突然发起低烧，咳嗽不止，起初他以为只是普通的季节性感冒，吃了一周感冒药却不见好转。更奇怪的症状接踵而至：双脚开始发青发紫，走路时像踩在棉花上，上楼梯都得扶着扶手，甚至夜里会因腿部麻木疼醒。

担心的母亲立刻带他去当地全科诊所，接诊医生听完症状描述，按压了卡兰的手指和脚踝后给出结论：“是雷诺氏症，一种常见的血液循环障碍，天冷就容易发作。”医生开了扩张血管的外用药，反复叮嘱“多穿点，别冻着，戴厚手套出门”。

可遵医嘱护理了两周，卡兰的情况反而恶化。他的小腿开始肌肉无力，连体育课的简单跑步都无法完成，手指尖也出现刺痛感。“我当时特别绝望，明明身体越来越糟，医生却觉得我在小题大做。”卡兰在接受《红星新闻》采访时回忆，10月的一个下午，他坐公交车去学校，看着自己发青的脚，鬼使神差地打开了手机里的ChatGPT——这个平时用来查论文资料的工具，成了他最后的希望。

二、AI的“精准提示”：3分钟锁定罕见病

卡兰没有含糊，把自己的症状一条一条敲进对话框：“持续低烧2周，咳嗽，双脚发紫，下肢麻木无力，走路困难，医生诊断为雷诺氏症但治疗无效。”他原本只期待得到一些护理建议，没想到AI的回复让他脊背发凉。

ChatGPT在3秒内生成了分析报告，第一条就跳出了“高危提示”：“根据症状组合，需优先排除格林-巴利综合征（GBS），这是一种免疫系统攻击神经的罕见疾病，若延误治疗可能导致瘫痪甚至呼吸衰竭，建议立即前往急诊进行神经功能检查。”报告还详细列出了GBS的典型症状，与卡兰的情况几乎完全吻合，甚至标注了“雷诺氏症不会导致下肢肌力下降，需警惕误诊”的提醒。

“我当时腿都软了，赶紧把手机给妈妈看。”卡兰的母亲立刻联系医院，带着ChatGPT的诊断报告挂了急诊科的号。接诊医生看到报告后，没有像之前那样轻描淡写，而是立刻安排了神经传导速度测试和脑脊液检查——这正是诊断GBS的核心手段。24小时后，检查结果出来：卡兰的神经髓鞘受损严重，确诊为急性炎症性脱髓鞘性多发性神经病（GBS的常见类型），必须立即住院治疗。

“如果再晚一周，神经损伤可能不可逆。”布里斯托皇家医院的神经科主任马克·琼斯博士直言，卡兰的情况已属于中度GBS，再延误就可能出现呼吸肌麻痹，“ChatGPT的提示非常关键，它帮我们跳过了‘常见病优先’的思维定式”。医院随即为卡兰开展紧急血浆置换治疗，通过替换含有致病抗体的血浆，阻止免疫系统继续攻击神经。

三、误诊为何发生？基层医疗的“认知盲区”

一场“人机对决”，为何经验丰富的医生输给了AI？这并非个例。《柳叶刀》2023年发布的研究数据显示，全球临床误诊率高达10%-15%，在急诊科等忙乱场景中，误诊率更是飙升至12.3%；而英国国家医疗服务体系（NHS）的内部报告也提到，基层全科医生对罕见病的平均识别率不足30%。

卡兰的误诊，恰恰踩中了基层医疗的两个痛点。首先是“症状混淆陷阱”：GBS的早期症状与感冒、雷诺氏症等常见病高度相似，约60%的患者发病前会有感染史，而卡兰的低烧咳嗽进一步掩盖了神经病变的核心问题。其次是“时间压力”：NHS的数据显示，英国全科医生平均每个问诊仅耗时7.5分钟，很难对复杂症状进行深度排查，“优先考虑常见病”成了无奈的效率选择。

而AI的优势正在于此。PubMed 2025年8月的一项研究显示，ChatGPT-3.5在结构化症状输入的场景下，诊断准确率可达66%，超过了基层医生的平均水平；在提供疑似诊断方向供选择时，准确率更是提升至70.59%。它的核心逻辑是“数据全覆盖”——能在瞬间调取全球数千万份病例数据，对“低烧+神经症状”的组合进行精准匹配，而人类医生的判断往往受限于个人临床经验。

四、AI不是“替代者”：医疗界的“智能搭档”新共识

卡兰的获救，让“AI辅助诊断”再次成为热议焦点，但业内专家强调，这绝不意味着“AI能取代医生”。“ChatGPT给出的是‘可能性提示’，而医生要做的是‘确定性诊断’。”马克·琼斯博士解释，AI无法进行体格检查，也不能结合患者的既往病史、家族遗传信息综合判断，卡兰最终确诊，靠的是神经科医生的专业检查和经验判断。

这种“人机协作”的模式，正在英国医疗系统快速推广。2025年9月，英国卫生部宣布投入近600万英镑，搭建名为AIR-SP的全国性AI医疗筛查平台，计划在2年内覆盖所有NHS信托机构。该平台能将AI的诊断提示直接同步到医生的工作站，目前已在肺癌、糖尿病视网膜病变等领域开展试点，数据显示试点医院的罕见病诊断效率提升了40%。

卡兰的经历也给普通人提了醒。浙江大学医学院附属第一医院的病理科专家张秀明建议：“可以把AI当作‘第二意见’的工具，但不能完全依赖。像卡兰这样，带着AI的提示去和医生沟通，提供更精准的问诊方向，才是最合理的使用方式。”他所在的医院已推出AI病理助手，能在3秒内锁定癌症病灶，辅助医生提升诊断效率，但最终诊断报告仍需两名以上医生签字确认。