文字问诊丢了什么
以前的医疗 AI 只能打字聊天,而医生看病时最有用的一半信息根本没法打成字。
一个人走进诊室,医生在他开口之前已经开始收集信息:走路的姿势、皱眉的样子、呼吸是不是费劲、脸色。然后医生会让他抬抬手、按按肚子、跟着手指转眼球。这些都不是对话,但它们决定了医生怀疑什么病。
谷歌此前的医疗 AI 叫 AMIE,是一个纯文字系统。病人把症状打成字,它读文字做判断。问题在于,「把症状翻译成文字」这件事本身就在丢信息。 「我手抖」三个字,和一段录像里手抖的频率、幅度、是静止时抖还是动作时抖,完全不是一回事。
更现实的问题是,不是所有人都擅长打字描述自己的身体。原文明确指出,纯文字界面对「数字素养或健康素养有限」的病人尤其不利。一个老人说不清「间歇性钝痛」,但他可以对着镜头指一指哪儿疼。
三个 AI 分工干活
让一个 AI 同时做到「接话快」和「想得深」做不到,谷歌的解法是拆成三个并行运转的 AI。
视频问诊对 AI 有两个互相打架的要求:说话要跟得上正常语速,不能冷场;同时还要一边看画面一边做严肃的医学推理。原文把这个矛盾说得很直白:深度推理需要时间,但对话中的停顿会消磨病人的信任。
谷歌的做法是一个异步多智能体架构(把一件事拆给几个 AI 程序同时做、互不等待)。三个 agent(能自己拆解任务、连续干活的 AI 程序)持续并行工作:一个负责实时对话、保持语速自然,一个负责看和听画面里的线索,一个负责在后台慢慢做诊断推理。谁也不等谁。
这就像急诊台前的分工:一个护士在跟家属说话安抚情绪,另一个在旁边看监护仪,主治医生在后面翻检查结果想诊断。如果让一个人全干,他要么说话卡顿,要么想得潦草。
谷歌的自动化测试显示,这三个 agent 每一个都对最终的临床指标有实质贡献。去掉任何一个,问诊质量或响应速度都会下降。
怎么测的
100 个病例、15 名受训的扮演病人的演员、300 场问诊、三组对照。这是一场按医学考试标准做的随机对照研究。
谷歌没有让 AI 和真医生比「谁看起来更聪明」,而是套用了医学院考执照用的那套办法:OSCE(客观结构化临床考试,医学生考执照时面对标准化的扮演病人、按统一评分表打分)。
100 个临床场景覆盖五个身体系统:心肺、腹部、头面五官、神经精神、肌肉骨骼。15 名受过训练的扮演病人的演员,完成了 300 场标准化问诊,分成三组:视频版 AMIE、文字版 AMIE、真人家庭医生。
打分的不是谷歌,是另外 20 名有经验的家庭医生,他们用现成的临床评分量表,外加为每个具体病例定制的评分细则。研究团队自己不参与评分。
扮演病人的演员是关键设计。他们受训后能稳定重现同一个病例,同一个「帕金森病人」面对 AI 和面对真医生时,表现是一致的,这样比较才成立。
AI 赢在哪一项
整体水平和真医生打平,但在「引导病人做身体检查、看出身体异常」这一项上,AI 的平均分明显更高。
20 名评分医生给出的结果分两层。
第一层是打平:在病史采集的完整度、诊断准确度、处置方案是否恰当、沟通质量这几项核心能力上,评分医生认为视频版 AMIE 和真人家庭医生水平相当。它也追平或超过了文字版 AMIE。
第二层是赢:在「发现身体体征」和「主动引导扮演病人做检查动作」这一项上,视频版 AMIE 的平均分显著高于真医生,也显著高于文字版 AMIE。针对每个具体病例的感知与查体评分细则,也反映出同样的优势。
为什么 AI 会在这一项赢?原文没有直接解释。一个合理的推断(这是我的推断,不是原文结论)是:AI 不会嫌麻烦。一套完整的查体动作,真医生在几分钟的远程问诊里可能凭经验跳过大半,而 AI 会一项一项走完。
第三层结果关于体验:扮演病人的演员强烈偏好视频界面,认为它比文字聊天更好用、更容易讲清自己的健康问题。在共情、融洽感、以及「对这次诊疗有信心」这几项上,他们给视频版 AMIE 的分数也高于真医生和文字版 AMIE。
演员不是病人
这项研究从头到尾没有一个真病人,谷歌自己把这条写在了限制里。在此之前谈不上任何现实结论。
原文的限制段落写得相当克制,值得原样转述。
这项研究完全是在模拟临床环境中、与专业扮演病人一起完成的,而非面对带着自身健康问题的真实病人。
具体的缺口有三个:
- 演员再专业,也无法完全复现真实诊疗的复杂与不可预测。真病人会跑题、会隐瞒、会答非所问。
- 病例被限定在「能被演出来」的范围内。恰恰有一些最需要靠看和听来判断的病演不出来,研究因此漏掉了它们。
- 自动化测试发现系统仍会出现偶发的感知和推理错误,并且会有间歇性的技术问题打断对话的自然度。谷歌把后者归因于 Project Astra 的原型状态。
谷歌也说了下一步:必须在真实病人、真实病情上重做验证,才谈得上现实世界的可用性。他们已经开了两个口子,和 Beth Israel Deaconess 医学中心做的可行性研究(验证的是文字版 AMIE),以及与 Included Health 合作、正在进行的全国范围随机研究。
这篇研究真正证明的,是「从文字问诊转向视听问诊在技术上做得到,而且质量不低」。 它没有证明、也没有声称证明,这东西现在可以给人看病。分清这两件事,是读这类公司研究成果时最该守住的一条线。