大型语言模型挑战医生医疗权威，患者自主诊断时代来临

快速阅读: 新型智能如ChatGPT等正改变医患关系，五千年来医生独占医学知识的局面被打破。研究表明，AI在诊断上超越医生，患者使用率激增，未来将重塑医生角色，提升患者自我管理水平。

新型智能正在帮助患者挑战医生长期以来在医学领域的权威地位。据记载，五千年来，医生一直是医学知识的唯一来源，患者依赖他们的判断来理解症状和医疗选择。如今，大型语言模型如ChatGPT、Claude和Gemini的迅速崛起，为患者提供了攀登医学知识阶梯的机会。这种变革不会消除对医生的需求，但将显著重塑医生的角色。

回顾2024年，只有六分之一的美国成年人表示经常使用AI聊天机器人获取健康信息。自那时起，这一趋势的加速令人瞩目。本月早些时候，我进行的一项调查显示，78%的患者和65%的医疗专业人士最近转向了生成式人工智能（genAI），以寻求健康相关问题的答案。另一项于2025年4月进行的调查发现，88%的用户认为AI提供的医疗答案“良好”或“优秀”。

但数据不仅证实了用户的满意度。直接对比显示，生成式人工智能在诊断上的优势日益明显。最近一项斯坦福大学的研究表明，GPT-4在临床案例中的诊断得分中位数达到92%，而医生的得分为74%，即使有AI辅助的医生也未能超越。同样，在梅奥诊所的一项试点项目中，谷歌的Med-PaLM 2生成的答案被专家一致评为安全且在许多情况下优于医生撰写的回应。

生成式人工智能的下一个机会是从研究转向实践，患者可以利用大型语言模型管理过去由医生独占的护理方面。与“谷歌医生”不同，后者会将用户淹没在数十个可信度存疑的链接中，生成式人工智能提供了真正的专业知识：它综合了医学证据，为个人提供个性化、清晰的指导，以他们偏好的语言呈现。

教育者描述了通向专业水平的旅程是一个五步的过程。在大多数医学历史中，医生独自攀登这个阶梯，而患者则留在底部。借助生成式人工智能，患者也可以开始攀登。具体如下：

第一步：意识

对于患者而言，意识到生成式人工智能可以提供医学信息至关重要。在过去，患者难以在没有医生帮助的情况下诊断症状或治疗医疗问题。今天，随着人们在日常任务中使用大型语言模型，他们开始认识到这些工具同样可以提供针对自身健康问题的清晰、基于证据的医学答案（专业知识）。

第二步：应用

应用意味着将知识付诸实践。患者不再等待门诊，而是输入症状到大型语言模型中，接收关于可能诊断和下一步行动的指导。对于可以通过非处方药或保守治疗解决的简单问题，患者可以在没有医生协助的情况下安全地解决问题。对于需要处方、实验室检查或影像学检查的医疗问题，患者仍需医生的帮助。然而，政策制定者已经开始探讨是否应该允许个人在AI指导下直接订购某些服务。

第三步：分析

随着健康问题变得更加复杂，分析变得尤为重要。传统上，只有医生具备评估诊断选项、提出正确问题并决定最佳治疗方案的能力。患者虽然可以在WebMD或PubMed上找到信息，但很难确定这些信息是否适用于自己。现在，通过生成式人工智能，患者可以输入个人信息，提出澄清后续问题，并比较潜在的治疗方法。这一切带来了上下文和相关性，这是通用资源所无法提供的。

第四步：综合

综合是指将新知识融入自己的理解中以增加专业知识。医生通过将新的出版研究成果与其临床经验相结合来实现这一点。未来，患者将通过结合医生的指导与生成式人工智能的专业知识来进行综合。自从我的书《ChatGPT, MD》发行以来，我收到了数十人的反馈，他们使用AI准确诊断了自己的医学问题，而这些问题曾让他们的医生感到困惑。

第五步：创新

在医学领域，创新意味着创造新的事物：疗法、设备、手术技术。历史上，这一直是少数医生或相关领域专家的领地。生成式人工智能不会将大多数患者转变为医学创新者，但它将扩大参与范围。有了这些工具，个人能够设计出基于自身医疗经验的患者友好型应用程序。

医疗文化长久以来根植于等级制度之中，医生被视为最终权威。从这一角度看，许多医生认为患者自主性的提升存在风险且不安全。然而，无论临床医生是否支持，患者都会逐渐增加自我管理的能力。医生可以选择与患者合作，也可以选择拒绝。但他们无法阻止这一趋势。

以下概述了在近期、中期和长期，患者如何与医生合作有效利用生成式人工智能：

第一年：通过实践测试建立信任

第一步可以立即开始，即医生和患者共同熟悉（并最终信任）医学领域的生成式人工智能。这种信任不会来自阅读学术研究或听取专家证词，而是需要亲身实践经验。

临床医生应首先将匿名的患者信息输入大型语言模型，比较其提供的建议与自己的判断：哪些地方一致，哪些地方不同？患者也应同样用自己的医疗信息进行测试，看AI指导是否与医生建议相符。当答案持续一致时，所有人的技术可靠性信任度将逐步提高。

健康政策专家长期以来一直敦促临床医生“在其执业许可范围内实践”，即他们应承担培训允许的所有任务。在生成式人工智能时代，这一原则需扩展至患者“在其专业知识范围内实践”。最初可能只有少数人愿意根据AI指导采取行动，但随着信心的增长，采用率将迅速扩大，犹豫的朋友和家人也会加入早期使用者行列。

第二到三年：患者主导常规护理

一旦医生和患者对生成式人工智能建立了信任，医生将鼓励患者使用这些工具诊断和治疗有明确、循证指南的问题。这些领域可能包括预防保健、常见感染（如上呼吸道或尿路感染）以及轻微的肌肉骨骼损伤。

随着家庭诊断技术的发展，患者将越来越多地依赖生成式人工智能来解读癌症筛查（结肠癌和宫颈癌）、传染病拭子（COVID-19、性传播感染）及其他临床检测的结果。在生成式人工智能的指导下，他们将知道何时可使用非处方药物自行管理问题，何时需要联系医生进一步检查、安排手术或开具药物。医生从常规病例中解脱出来，可以花更多时间照顾复杂病情的患者，改善临床结果，帮助减少近半数临床医生报告的倦怠情况。

第三到五年：慢性病及后期急性护理的共同改进

最具有变革意义的临床进展将出现在生成式人工智能与可穿戴设备及家庭监测工具的整合上。这里有两个突出领域：慢性病管理和后期急性护理。

像糖尿病和高血压这样的慢性疾病（导致近一半的心脏病、中风和肾功能衰竭）在全国范围内控制不佳。生成式人工智能可以通过分析家庭监测器的日常数据，在当前系统允许的时间之前几个月提醒患者控制不足，并推荐基于指南的药物调整。早期发现将显著改善结果。

目前，大多数身体虚弱和易受伤害的患者出院时除了计算机生成的手册外，最多只能得到几天后的电话随访或护士访问。未来，连接床边或可穿戴监测器的生成式人工智能将全天候实时评估健康状况。

一旦发现问题迹象，应用程序将触发远程医疗咨询。建议中心的临床医生随后会评估数据，与患者或家属交谈，并决定是否调整治疗方案、派遣护士或呼叫救护车。这一切都将在现有医院居家模式识别问题前几小时完成。

在未来五年内，数百万患者将因生成式人工智能而大幅提升自我管理能力。敬业的临床医生、赋权的患者和技术提供的专业知识将共同推动更好的结果，挽救数千生命，并为国家构建更加可持续的医疗体系。

(以上内容均由Ai生成)