AI催生影子医疗系统

美国医疗体系正在经历一场静默革命：超过4000万美国人每天向ChatGPT咨询健康问题，而这一数字还在快速增长。与此同时，一系列AI医疗公司如雨后春笋般涌现——Oura通过Quest Diagnostics销售99美元的50项生物标志物血液检测套餐，估值达25亿美元的Function Health允许会员每年订购160项实验室检测并安排全身MRI扫描，Ro和Hims则通过异步问诊开具减肥或焦虑药物处方，甚至还有自称“全球第一AI医生”的Doctronic已经完成2400万次咨询，并在犹他州提供AI生成的处方续药服务。这些原本发生在诊所内的工作，正在变成患者可以自行拼装的消费产品。 这场变革之所以在医疗领域以如此速度和规模推进，而非同样受AI影响的律师、金融或软件行业，核心驱动力只有一个字：钱。医疗保健占美国经济总量的近五分之一，如果能分走医生工作的一部分，或说服医院、保险公司和患者相信可以在不牺牲医疗质量的前提下省钱，就意味着巨大的财务激励。正因如此，几乎所有大型AI公司都涌入了医疗赛道。而“AI即将取代医生”的标题党新闻，恰恰为这个市场添了一把火。 但问题在于，这些头条背后隐藏着一个连多数研究人员都未能把握的基本混淆——临床推理和模型推理根本不是一回事。医学中真正的临床推理过程，包括阅读分诊记录时的内心思考、被放弃的假设、微妙的决策判断，这些都不会出现在公开出版的文献中，更不会出现在AI训练的数据集里。医生在诊断过程中走过的每一条岔路和潜在出口，观察者根本看不到。近期研究确实表明，先进AI系统在特定临床任务上表现出色，但研究人员也开始质疑：自主临床AI是否应该像医生一样接受许可和监管，而非像传统医疗器械那样管理。这个争论很有必要，因为它揭示了当前时刻的核心风险：在受限研究环境中产生的证据，正被急于宣称“医生变得可有可无”的市场所利用。一个在孤立临床问题上表现良好的模型可能有用，甚至具有变革性，但这并不意味着它应该替代临床判断或承担责任。