AI存在幻觉，无论用harness（系统稳定）还是skill（操作规范）来尝试减少也仍然存在，因此需要人工根据实际情况来调整。小病可以用AI来查，大病还得找靠谱的医院。此外还有一些暂时出差或者留学在外的学生，也有就医难的问题。记得著名歌手刘欢就在访谈中说，自己在外国陪读孩子时就是通过上网查资料来缓解腿部的病痛的。开学正好要讲医学方面的AI通识课，就查了一些相关信息，影像医学目前是AI落地比较好的案例，准确率也较高（比如肺炎的判断）。此外，假牙或牙冠铸模也可以减少仪器在口腔中的检测时间。虚拟仿真方面可以用来解决临床时的一些场景再现，比如灾后救援环境模拟。手术方面AI可以帮助实时可视化手术进程（机器人只能部分实现一些辅助功能，动刀子的部分还是非常慎重的）。帕金森病可以通过神经桥接来解决身体难以控制的问题（但是仪器价格很昂贵）。脑机接口还在试验阶段，伤口感染和排异反应是需要解决的卡点。对于大部分患者来说，目前可解决的普遍难的还是抢号（这个要自己diy）和缴费（很多大医院已经有就近的缴费机器和手机app来付费，但对很多老年人来说上手还有些困难）等手续带来的折返跑。

“Comparison of Initial Artificial Intelligence (AI) and Final Physician Recommendations in AI‑Assisted Virtual Urgent Care Visits”这篇论文，讲的是AI作为门诊给出的意见可能比普通医生的门诊得分更高。（这里只有门诊的对比实验，没有住院检查后的诊断意见比较。评价方式是请更资深专家打分，而不是最终的治愈效果） 另外有两点： 一点是，论文原文自己承认的局限性：“复核人只能阅读问诊文本记录，无法观看视频；同时复核人不能对建议来源完全盲法（AI 输出为结构化建议，医师记录混合结构化与自由文本），可能引入偏倚。”（AI翻译的） 也就是说，（个人猜测）可能有这类偏差：结构化的问答更容易有确切的答案和一致的看法（AI的问答和评估者的意见相似）；非结构化的问答导致“不一致的看法”（实验中的医生和资深医生评估者的意见不同） 另一点是，这个实验用的AI模型不是大语言模型llm（常见的，比如gpt、豆包、deepseek），而是传统机器学习+深度学习模型的组合，使用专项的医学数据训练。这篇论文并不能证明豆包类的llm的门诊水平高于普通医生的，而是证明那类专门的医学类的机器学习模型可能在某些门诊任务下得分更高。

从我在爱尔兰带爸爸妈妈看病的经验来看，先说结论，我认为AI广泛介入医疗前端未必有利于医疗水平的提高。虽然文中提及了提高分诊效率。 首先爱尔兰是家庭全科医生GP制度，有什么病，只要不是急诊，都是先看GP，然后GP帮助预约专科医生，实现分诊。再说一下我的个体经验，毕竟是国外看病，为了避免沟通障碍，我带爸妈看病前都是先把他们之前的体检报告，现有用药，日常身体状况，自身顾虑等等等，先交给Chatgpt，让它整理成完整问题清单。到了现场，我和GP沟通时拿出清单，一项一项询问。我的GP特别开心，不但给我全部确认了问题，还让我把Chatgpt总结的内容发到他的邮箱，方便他存档和后续跟踪。后续我爸爸做一个门诊小手术，在手术过程中也用了Chatgpt Audio功能实现了和医生护士的完整沟通。两次经验明显看出，在爱尔兰至少普通病人在看病环节是没有明显的AI介入环节的，医生不但不抵触，反而非常开心AI带来的沟通顺畅。而作为病人的我们，也没有因为AI给了建议，就对医生产生质疑，相反，因为更加流畅和全面的沟通，反而提高了对医生的信任，更愿意配合医生的治疗方案。 我的观察是，在爱尔兰看病，使用AI并不像国内那么普遍，至少门诊医生如此。但这并不代表AI没有介入到医疗环节，据我所知，应该已经广泛应用于影像读取，档案管理，包括GP所使用的操作平台等等，但是并不在前端那么可见。所以无论医生还是病人都还抱有较高的信任。 而梁捷老师所提到那种全面使用的情况，听起来反而带来了更多的杂音，并没提高病人对医生的信任。

💠AI 不该替人“思考”，而该帮助人避免“少思考” AI 与医生的最佳协作方式，并不是让 AI 直接替医生提供诊断答案，而是让 AI 成为医生决策过程中的监督者。AI 擅长处理大量信息、发现潜在遗漏和异常，但它并不擅长决定哪些信息应该被纳入判断；医生虽然无法处理所有数据，却能够结合患者背景、临床经验和实际情境选择关键因素并做出最终决策。当 AI 直接提供答案时，医生容易产生依赖并削弱自身判断；而当 AI 负责监测和提醒时，它能够帮助医生发现盲点，同时保留医生的主动判断能力，最终实现能力提升。

对于老师最后的问题，我的答案是: 使用AI让我对自己身体的了解的精细度提高。作为一个户外运动爱好者，目前我的“身体感受不舒服”可能来自真实的伤病阈值的感知，也可能来自对自己运动表现和能力下降的感知。前者可以与AI沟通后获得知识的补充和是否就诊的建议，后者可以与AI沟通后得到合理的解释和训练计划的调整建议。在若干小问题的沟通后，还是需要由自己得出健康管理的策略，在AI的帮助下，我们可以更前置地管理自己的身体健康，而不是等到真的生病再去考虑问AI还是去医院。所以AI对于医患信息不对称的打破我深以为然。而我想补充的观点是，医患也并非对立的双方或者在就医时的合作者，而更可以是健康管理和疾病预防中的第三方协作者: 身体健康时主要目标是延长健康的时间，由我和AI承担核心管理任务，身体亚健康或衰老过程中主要目标是防治疾病和与疾病共存，那就需要更多真人医生的参与了。

梁老师，很喜欢你曾经用沪语做的一些节目。想请教一下，学界有没有关于AI和濒危语言保护的研究或实践，能不能做一期关于AI与语言保育的节目。

我觉得这个问题应该反着想。认为AI 无法比至少普通医生水平高，这个论断几乎就没啥道理。这相当于要么认为给 AI 输入的数据库质量，要比医生学到的差。要么认为 AI 的逻辑思考和统合能力比医生差。觉得医生具备某种很“玄妙”的技能，估计是平时没怎么看过病，或是没太仔细学习过健康和医疗相关的知识，才会这么认为。