Alvin Powell
哈佛大学专职撰稿人
2025年3月20日 深度报道
人工智能有潜力减少人类病痛，但人类准备好了吗？
当亚当·罗德曼在2000年代读二年级医学生时，他为了确诊疑难病例会专门去图书馆查资料。那时他需要花两小时查阅纸质目录、复印研究论文，最终帮助医疗团队制定了有效治疗方案。如今借助搭载大型语言模型的OpenEvidence应用，他只需要15秒就能完成同样工作。
这位现任哈佛医学院助理教授兼贝斯以色列女执事医疗中心医生指出："我们说'技术真的强大'，但关键是我们如何运用它来改变现状？"
人工智能在医疗领域的应用已有数十年历史，但以ChatGPT为代表的大型语言模型(LMM)正在开启新纪元。专家预测其影响力可与人类基因组解码、互联网诞生相提并论，将重塑医患互动模式、医疗文书处理、医院管理、医学研究和教育等各个环节。
革新与隐忧并存
潜在积极效益包括：提升诊疗效率（单次诊断时间缩短75%）、降低医疗失误率、缓解全美初级诊疗资源紧张、优化决策数据支撑、减轻行政负担，创造更深度的医患交流空间。但三大核心挑战不容忽视：
- 算法偏见固化：现有医疗数据集中存在的社会偏见可能加剧弱势群体的医疗资源分配差距
- 技术幻觉：系统可能生成虚假的"医学事实"误导临床决策
- 认知能力退化：过度依赖AI可能削弱医生临床思维训练
哈佛医学院生物医学信息学系主任艾萨克·科哈内教授在早期测试中见证GPT-4的突破性表现：该模型在面对复杂的儿童外生殖器发育异常病例时，准确完成了遗传病因分析、生化通路解析、诊疗方案建议等全流程诊断。
医疗系统的重构
尽管早期担忧AI将取代医生的论调已被证伪，但科哈内强调需要重构医疗人力资源配置。例如将执业护士、医师助理与AI系统结合，形成新型医疗服务模式。他指出："问题不再是'AI是否会取代医生'，而是'如何用AI与新型医疗团队支撑摇摇欲坠的现代医疗体系'"。
在具体应用场景中：
- 文书处理：马萨诸塞州总医院研究显示，约25%的门诊存在患者伤害事件，AI可提升药物不良反应监测准确性
- 诊疗辅助：对比研究显示，医生使用LLM工具时诊断准确率提升2个百分点（76% vs 74%），但AI单独诊断表现更优（90%准确率）
- 医学教育：哈医大开发的"Procyon"系统已能预测蛋白质表型，辅助解析帕金森病相关蛋白功能
系统性变革
伯纳德·张教授指出："这是继互联网出现后最具变革性的医疗工具。"其团队正在测试环境化电子病历系统：通过实时语音识别和临床摘要生成，使医生摆脱电脑记录工作，实现面对面诊疗。该技术已在全美多个门诊试点，早期数据显示过劳医生群体接受度达92%。
但数据偏见仍是重大挑战。如糖尿病患者的血糖监测数据显示：非英语患者被唤醒检测的频率显著低于英语患者，这种隐性偏见难以被算法识别。对此，莱奥·切利教授提出应借鉴航空安全系统设计，组建包含心理学家、认知科学家、行为经济学家的跨学科团队构建人机协同系统。
未来图景
在实验室应用层面，AI正在加速科学发现：
- 解析蛋白质结构：预测精度接近原子级别
- 药物设计：成功识别麦芽糖苷酶与米格列醇的结合域
- 假说生成：Procyon系统已能提出新科学问题
教育领域，哈医大已推出AI医疗课程，建立虚拟病人训练系统，并计划开发"导师机器人"。正如罗德曼教授所言："我们应培养学生应对未知的能力。"
【全文结束】
