作者简介：詹姆斯·N·温斯坦（James N. Weinstein）是一名外科医生，曾担任达特茅斯健康中心（Dartmouth Health）首席执行官，现任西北大学凯洛格管理学院临床教授，同时担任开发人工智能系统的微软公司健康未来全球负责人。奥根·古雷尔（Ogan Gurel）是一名医生，德克萨斯大学阿灵顿分校助理教授，研究领域包括人工智能、因果推断和患者决策。
去年春天，我们其中一人接到一位老朋友的电话。情况很熟悉：两位医生、一次核磁共振检查、一款在线人工智能工具、一堆文章——以及一个焦虑的问题："所有信息都告诉我不同的结果。人工智能说我可能需要手术。我该怎么办？"
我们认为，对于陷入这种极其常见困境的任何人，有一个关键回应："什么对你最重要？"
电话那头出现了长时间的沉默。
这一沉默是现代医疗保健中最重要的时刻之一——而这恰恰是人工智能无法解决的问题。
在我们作为医生和研究人员的职业生涯中，我们一再明确发现，对于许多常见病症，医学证据并不指向单一的"正确"答案。生物学因素往往相近。决定治疗结果成功与否的关键在于选择是否符合做出决定的人。
一些背痛患者希望尽快重返体力要求高的工作，即使这意味着需要手术。而另一些患者则几乎不惜一切代价避免手术，即使恢复时间更长。扫描结果可能看起来相同，但扫描背后的人生却截然不同。
随着人工智能日益深入日常医疗决策，这一见解变得至关重要。
在我们关于人工智能和临床决策的研究中，我们研究了当系统被训练为优化医疗结果却忽视人类价值观时会发生什么。简单来说，当今的人工智能非常擅长告诉你，对于具有相似人口统计特征和病史的类似人群，通常什么有效。但它远不能理解你想要保护、避免或优先考虑的是什么。
这很重要，因为一些最常见且最昂贵的医疗决策并非纯粹基于生物学。对于低风险前列腺癌患者，应该选择手术、放疗还是密切监测？对于心房颤动患者，应该接受手术治疗还是通过药物管理病情？对于慢性膝盖或背痛患者，是立即手术还是尝试数月物理治疗以避免手术？
在这些情况下，各种选择之间的医学差异通常很小或不确定。最关键的区别在于治疗是否符合患者的目标：对风险的容忍度、对恢复过程的接受意愿、长期治疗的依从能力，或者简单地说，他们想过什么样的生活。
人工智能系统可以计算概率，但无法确定这些概率对特定个人意味着什么。
在某些方面，人工智能可能比任何单个医生都更懂医学。它能在几秒钟内综合数百万篇科学论文、临床研究和患者记录。然而，它对坐在它对面的人却知之甚少。人工智能不了解患者的目标、恐惧、责任、风险容忍度，或者对良好结果的个人定义。而且因为它对患者或医生都知之甚少，所以对两者之间的对话——事实、价值观和信任在此交汇，为特定人产生正确决策的地方——它了解得更少。
第二个患者故事说明了这一点。一位退休教师在人工智能症状检查器标记心脏节律异常并"倾向于"选择侵入性手术后被转诊。患者前来就诊时很害怕，确信只有一条正确的路径。当我们交谈时，很明显最重要的是避免漫长的恢复期，并保持足够健康以去探望孙子孙女。
药物治疗和监测——不那么引人注目，但有充分证据支持——更适合这些目标。人工智能并没有错，它只是不知道什么才是重要的。
这一盲点并非微不足道。大约四分之一的美国医疗保健支出流向了患者偏好对结果有实质性影响的决策。当这些偏好被忽视——无论是被人还是算法忽视——护理就会出现偏差。这意味着不必要的手术、依从性差、后悔情绪以及没有带来更好健康状况的不断上升的成本。
那么，当应用程序、门户网站或"智能"工具建议某种行动方案时，消费者应该怎么做？
从三个问题开始。
第一："最适合谁？"如果一个工具说一种选择最佳，请问是指平均而言最佳——还是指最适合具有你优先事项的人。
第二："这个系统对我有什么不了解？"
人工智能可以看到实验室数值和影像结果，但它看不到你的工作、家庭责任、恐惧，或者你想要回归的生活。
第三："如果我等待或选择不同会怎样？"
许多重要的医疗决策并非紧急情况。当选择相近时，花时间反思通常是良好护理的一部分。
人工智能正在成为医学中的强大伙伴。它可以帮助解释选项、揭示证据并减少困惑。但它应该为人类决策提供信息，而不是取代它们。
人工智能可能比任何医生都更懂医学，但它对任何患者的了解都少得多。而它最不了解的是他们之间的对话。
你医疗保健中最重要的变量不在任何算法中。那就是你。
©2026 洛杉矶时报。访问 latimes.com。特里比恩内容代理有限责任公司发行。
【全文结束】