对话式医疗AI的前瞻性证据虽难但不可或缺 - Nature

医疗AI的信任没法靠跑分跑出来。这是谷歌研究团队联合哈佛医学院、斯坦福大学等机构研究人员在《自然》杂志上发出的核心判断。他们在一篇评论文章中明确提出，对话式医疗AI要真正进入临床，必须经过严格的前瞻性研究验证，这不是可选项，而是底线要求。 所谓前瞻性研究，简单说就是在真实的临床环境中，提前设计好试验方案，让AI参与实际诊疗流程，然后观察它对医生决策、患者结局到底产生了什么影响。这和目前业界流行的做法有本质区别——现在大部分医疗AI的评估方式，是拿一堆考试题让模型做，看它答对多少。但研究人员指出，考试成绩好不等于临床好用。真正的难点往往不在技术本身，而在AI周围的人和系统：医生愿不愿意采纳AI的建议、AI给出的信息会不会干扰医生的判断、医院的工作流程能不能跟AI对接、出了问题谁来负责。这些问题，靠刷榜是刷不出来的。 文章引用了一系列近期研究来支撑这一观点，包括2025年至2026年间发表在《自然》《自然·医学》《科学》等期刊上的多项成果。这些研究覆盖了对话式AI在诊断推理、临床沟通等场景中的表现，其中不少揭示了模型在真实场景下暴露出的短板。作者团队来自谷歌研究院、谷歌DeepMind、贝斯以色列女执事医疗中心等机构，他们承认，做这类前瞻性研究难度大、成本高、周期长，但强调这是建立临床信任的唯一路径。 对国内关注AI医疗落地的从业者来说，这篇文章释放的信号很明确：监管层和临床机构对AI医疗产品的审视正在从“能不能做”转向“做了之后效果到底怎样”。尤其是在对话式AI快速渗透问诊、健康咨询等场景的当下，谁能率先拿出经得起前瞻性验证的临床证据，谁才能在下一阶段的竞争中站稳脚跟。