软件开发者兼Hunter.io联合创始人Antoine Finkelstein最近对日益强大的AI工具进行了一项不寻常的测试，他让Claude Code分析他的肩部MRI，并将其发现与人类放射科医生的诊断进行对比。根据Antoine个人博客上的描述，这一结果让许多人开始质疑AI是否真的可以信赖用于医疗建议。
Antoine的情况始于几周的右肩疼痛，他前往骨科医生处就诊，并在同一家诊所进行了后续MRI检查。放射科医生的诊断结果是肩胛下肌腱顶端插入处存在三级部分厚度撕裂，这一诊断附带了一个激进的当天治疗方案。Antoine表示，他甚至在离开诊所前就对此表示怀疑。这种反应正变得越来越普遍。普通人已经在以令科学界惊讶的方式使用AI工具来解决医疗问题，而Finkelstein的肩部MRI实验正好符合这一新兴模式。
在转向Claude之前，Antoine还让GPT 5.5 Pro审查了诊所提出的治疗方案。据他称，该模型对建议中的两个方面提出了质疑：一是使用冲击波治疗，尽管相关指南通常不建议将其用于非钙化性肩袖疾病；二是使用Traumeel，一种在德国销售的顺势疗法注射剂。这些回应促使他更仔细地研究MRI本身。
对于MRI分析本身，这位软件开发者选择了运行Opus 4.8的Claude Code，而不是标准聊天界面，他认为这一区别非常重要。该工具执行代码、安装软件包和程序化迭代的能力，使工作流程比简单地将文本粘贴到聊天窗口中更有能力。Antoine上传了一个包含数百个原始图像文件的266MB DICOM包，并给了模型一个简短的提示："右肩疼痛2至3周"。仅此而已。经过大约一小时的处理，Opus生成了一份报告，结论是肌腱看起来完好无损，与放射科医生诊断的三级部分厚度撕裂相矛盾。
这一差异之大足以保证第二阶段的分析。Antoine发起了一场他称之为仲裁的过程，将人类放射科医生的报告与他之前与GPT 5.5 Pro对话的笔记一起提供给Opus。该模型使用多个子代理来限制上下文偏差，系统地分析相互矛盾的解释，然后生成第二份评估。以中等至高置信度，它支持了自己之前的判断：轻度插入点肌腱病，且未发现可识别的撕裂。
如此显著的差异将人置于何种境地？Antoine坦诚地表达了他的想法。他表示，依赖有资质的专家确实带来某种舒适感，而AI有一种在不完全替代的情况下破坏这种舒适感的方式。他承认诊所和模型都可能出错，他可能误传了某些信息，而且这些都不构成医疗建议。
尽管如此，这种紧张感是真实的。正如先前报道的那样，Claude Code在高风险任务上自主操作可能会产生双向的重大结果，无论是九秒内删除公司整个生产数据库，还是在这种情况下，返回一个与训练有素的放射科医生截然相反的医疗解读。
Antoine的实验所代表的是一个真正有趣的案例研究，展示了AI辅助代理工作流程在个人高风险情境中的应用。技术要点可能是最持久的观点。对话式AI界面与Claude Code这样的工具之间的差距是巨大的，在后者中，模型可以编写、运行和调试自己的分析代码。对于需要对复杂文件格式进行迭代分析的任务，这种区别在于粗略近似和类似结构化方法之间的差异。
更广泛的能力曲线正在快速移动。Anthropic自己的数据显示，Claude能够独立可靠完成的复杂任务长度大约每四个月翻一番，Opus 4.6已经能够处理人类可能需要长达12小时的工作。Antoine以一个合理的希望结束。他相信，在几个模型迭代之后，信任AI来审查医学影像可能会像信任它检查拼写错误一样成为常规。医学影像是否能达到这一点还有待观察，但代理式AI的改进速度表明，这一讨论的进展比一年前要快得多。
【全文结束】