当31岁患者因手部剧痛就诊于华盛顿特区玛丽中心时，舒万图·南迪（Shantanu Nundy）立即识别出类风湿性关节炎症状。但这位人类诊断项目（Human Dx）负责人并未直接开药，而是通过智能手机应用复核诊断——该应用借助人工智能向全球医生征集建议。次日，南迪的直觉得到确认：AI已分析多位专科医生的意见，生成最可能诊断的综合排名。
人类诊断项目倡导运用机器学习技术，整合70余国数千名医师的最佳医学知识。多家顶级医学研究中心对该应用表示兴趣，周四更宣布与美国医学会及美国医学院协会达成合作，旨在为全球数百万基层医生提供及时可负担的专科建议，重点覆盖美国"安全网"医疗机构——这些公立医院及诊所无论患者支付能力如何均提供诊疗服务。项目创始人杰伊·科马内尼（Jay Komarneni）指出，约3000万无保险美国人依赖安全网设施，而此类机构通常缺乏专科资源，患者常面临两难选择：自费支付昂贵面诊费用，或等待数月接受政府资助公立医院的专科服务。研究显示，25%-30%的此类专科就诊可通过医生在线会诊完成，既避免患者额外支出，又缩短等待时间。
科马内尼计划五年内将人类诊断项目推广至全美1300家安全网社区医疗中心及免费诊所，其远程会诊服务亦可惠及全球缺乏专科资源的数百万民众。当医生需协助诊断时，可在应用中提交临床问题及初步判断，上传影像检验报告与用药信息，随后向指定同事或人类诊断社区医师请求帮助。AI系统在24小时内汇总所有建议生成报告，相当于数字化的"路边咨询"——哈佛医学院副教授阿提夫·梅赫罗特拉（Ateev Mehrotra）解释，这类似医生非正式征询同事意见的场景。他坦言："众包建议理论上更优，但提升幅度仍是待解科学问题。"
去年《美国医学会杂志·内科学》刊载的南迪与梅赫罗特拉研究中，人类诊断平台作为中立工具对比了医师与患者自诊工具的准确性。结果显示人类医生显著优于症状自查算法，但医师诊断错误率仍达15%，与历史数据相当。约翰霍普金斯大学奥斯勒医学培训项目主任桑杰·德赛（Sanjay Desai）认为，该应用或可革新医学教育：初步研究显示其能区分住院医师与资深医师的诊断能力，未来或发展为追踪医生临床表现、针对性提升技能的评估系统，优于现行定性评价方式。关键挑战在于算法能否精准识别个体医生的临床推理优劣势。
人类诊断项目仅是医疗AI浪潮的缩影。IBM沃森健康宣称其AI协助医疗机构进行脑瘤基因测序等工作，谷歌等企业亦开发医学影像诊断AI。但医疗AI仍处早期阶段：沃森在纪念斯隆凯特琳癌症中心表现优异，却在德州安德森癌症中心受挫。梅赫罗特拉与德赛指出，项目推广面临两大挑战：如何激励足够多医生无偿参与远程会诊；以及如何通过AI质量控制机制筛除持续提供错误诊断的用户。科马内尼强调："真实医疗的复杂性要求人机协同解决问题，纯机器学习无法替代人类。"人类诊断项目旨在通过机器学习与医生集体智慧优化有限医疗资源，在需求持续增长的时代提升诊疗效率。
【全文结束】
