在诊室里用豆包的医生们

2026-11-16 科技 阅读

                  文 | 显微故事   10 月 25 日,江苏徐州某医院的心血管科诊室,一个医生在听患者病情时打开了豆包。最后患者拒绝了医生开的处方。   事情发酵之后,医生所在的医院做了核实,给出了一条被患者家属镜头漏掉的信息:医生查的是一个新药,发现不适合这位患者,当天并没有开出任何新处方。   医院方强调,“AI 只是...

  文 | 显微故事

  10 月 25 日,江苏徐州某医院的心血管科诊室,一个医生在听患者病情时打开了豆包。最后患者拒绝了医生开的处方。

  事情发酵之后,医生所在的医院做了核实,给出了一条被患者家属镜头漏掉的信息:医生查的是一个新药,发现不适合这位患者,当天并没有开出任何新处方。

  医院方强调,“AI 只是用来获取信息的辅助,处方权始终在医生手里。”

  随着 AI 的告诉发展,如今不仅许多患者在就医前习惯查询一下豆包,许多医生也确实在日常工作中会使用 AI 进行信息的补充搜索。

  据行业访谈与媒体引用,豆包日均健康类咨询量被估在 2000 万人次量级(字节未正式披露精确数),相当于把过去“百度健康搜索”的流量迁到了对话框里

  根据丁香园发布了一份针对 647 名医务工作者的调研,其中有 98.5% 的医生在过去三个月工作中用过 AI,70.8% 的医生每周至少使用数次,81.4% 的医生用过豆包。

  在诊室停滞的那几秒钟里,原本只属于医生和患者之间的沟通,被一个看不见摸不着的第三方插入了,传统的医患关系被悄然改变。

  本期显微故事访问到了在诊室里使用 AI 的医生:

  问了问他们到底如何看待 AI,平时在哪些情况下会使用 AI 辅助,更值得我们关心的是,这些医生究竟用在哪一步,又在哪条线上自己刹住了?

  以下是关于他们的真实故事:

  去年开始,洪医生就尝试过在面诊时用豆包了。

  在洪医生的患者里,有一位 52 岁的中老年女性,对方有 8 年类风湿关节炎病史,长期在口服甲氨蝶呤片治疗,临床症状控制得不错。

  那次挂号,是因为患者表示自己近几日尿频尿急,在一系列门诊检查后,结果显示有细菌感染,洪医生考虑是单纯性尿路感染。

  洪医生说,当时他首先判断是想开具对症的复方磺胺甲噁唑,“这是该病的一线用药之一,而且便宜、有效。”洪医生告诉显微故事。

  处方写到一半,洪医生忽然想起,这位患者之前有用过甲氨蝶呤片的情况,印象中这两种药一起使用似乎是有一定排斥反应。

图 | 甲氨蝶呤的使用说明书

  “甲氨蝶呤主要经肾小管分泌排泄,复方磺胺甲噁唑里的甲氧苄啶也走这条路,理论上会竞争排泄,抬高甲氨蝶呤血药浓度。但临床上的风险到底有多大?是尽量避免,还是密切监测血象就可以用?”

  以往这种情况,洪医生会去翻看药典确认。但那天药典正好放在住院部的办公室里,不在手边,于是洪医生下意识掏出手机,在豆包里输入“甲氨蝶呤复方磺胺甲噁唑相互作用骨髓抑制”。

  豆包很快给出了几行提示。其中一条非常明确:

  复方磺胺甲噁唑可显著增加甲氨蝶呤的血药浓度,两者联用骨髓抑制风险升高,严重时可致全血细胞减少,建议避免联用;

  另一条提示是若必须联用,需密切监测血常规和甲氨蝶呤血药浓度,并考虑减量。

图 | 洪医生搜索出的药物排斥翻反应

  还有一条她记到现在:这种相互作用在低剂量方案里同样存在,不只是大剂量化疗才要警惕。

  于是,洪医生删掉了复方磺胺甲噁唑,换了另一种抗生素。“我没有拿它开药下诊断,这个工具更像一个随身药典。”

  和洪医生不同,呼吸科的罗医生最近最苦恼的,反而是病人反复拿自己在豆包上搜过的结果来“拷问”自己。

  在诊室里先掏出手机查询 AI 的,可能不是医生,也可能是患者。

  令他印象最深刻的,是今年一位 50 多岁的中年男性患者。

  该患者在公司组织体检时,发现了右肺有一个约 6mm 的纯磨玻璃结节。

  洪医生看了对方的 CT 检查报告,其中显示结节边界清楚,密度均匀,没有实性成分。

  以洪医生的诊断,按肺结节诊治共识,这种程度的肺结节,首选定期随访,定期复查 CT。

  但是患者先把手机递了过来。屏幕上是豆包的对话:“磨玻璃结节可能是早期肺腺癌,建议尽早手术切除。”

  “罗医生你看嘛,我查了,豆包说可能是癌,我想直接切掉。”

  要是在早几年前,罗医生肯定会跟病人说“网上说啥你们就信啥?”。

  但现在不一样了,罗医生心里也很清楚,AI 盛行的科技时代,这些患者接触医学不可能只通过医生和医院,他们会检索会思考,会有更多的意见可参考。

  但问题在于,患者没有医学背景,他们在搜索过程中大多描述症状,却不能准确地将医学相关的提示词指出,描述的方法不同会导致 AI 出现的结果截然相反。

  罗医生把患者的胸部 CT 调了出来,找到结节位置,开始和患者详细解释了目前的情况,最后还指导患者把问豆包的问题改得更贴合他自己的病情一些。

  患者改了一下,屏幕上的回答变了,给出的结论和罗医生的建议大致相同。

  “AI 不是错了,有时候它会看人下菜碟。同一个问题,我们医生问,它给的是针对性的指南;换一个没有医学背景的患者来问,可能就是大范围的笼统答案。”罗医生和显微故事解释。

  但这种做法还是没有让患者放心,因为他认识的一个邻居也是肺结节,手术做出来就是癌。

  为了进一步降低患者的焦虑,罗医生不得不把他所知的信息再掰开了、揉碎了讲给患者:

  目前恶性概率不高,随访是更合理的选择;现在手术,切掉的是一辈子的肺功能,换来的可能是一个“本来就不需要切”的结节。

  哪怕是这样的耐心,患者也没有被当场说服,继而又追问罗医生,“随访过程中结节要是还在变大怎么办?”

  那天门诊,罗医生在这个患者身上花了将近半小时。

  “如果每个病人都拿着豆包搜过的内容进来和我讨论,那整体的医疗效率会变得越来越慢”,罗医生表示。

  或许如果没有 AI 那一段,这个患者十分钟内就能沟通完。但患者带着一个“可能是癌”的答案进来,就必须先把这个答案拆开,再把医生的判断装回去。

  同一间诊室,同一个工具,在医生手里和在患者手里,触发的是完全不同的信任反应。

  医生把 AI 当做药典,而患者却把 AI 直接当成了医生。

  发生在豆包、元宝、千问等 AI 工具里的医疗咨询,已经是 AI 时代下的大势所趋。

  本质上,用它们查病,和用百度搜病,都是一类的人。但不同的是,搜索引擎能给出的答案有限,AI 通常会更细致地询问你的病情,给出更多“看起来很专业”的建议。

  前段时间网络上还曾出现过一张热图:在医院的门诊室门口贴着一张字条,上面写着“已经在豆包获得诊断的患者,请勿再向我们寻求建议。”

  虽然这张图已经被认定为人为生成,不是真实图片,但还是反映出了当下一部分地区医患关系中对豆包 AI 这类工具的态度——“如果有豆包,还要医生干嘛?”

  但事实是,在我们所访问的几个三甲医院的医生都表示,AI 不是洪水猛兽,在医疗中使用 AI 早已经是大势所趋,关键点不在于用不用,而是怎么用?何时用?用在哪些方面。

  西南地区某二甲医院呼吸内科的主任陈医生和显微故事表示,这几个月医院开了几次会议,征求中层干部意见,主要讨论要不要在医生工作系统中引入 AI。

  在陈医生眼里,AI 对医疗的好处是很明确的。

  语音转文字、结构化初稿、缺项提醒,能显著压缩文书时间,病历规范性也更稳定。

  “病历系统的 AI 确实在变强”,陈医生说到,有的医院上线大模型病历系统后,书写效率提升数倍,甲级病历率提高到 97% 以上。

  此外,之前也有媒体报道过,武汉一家医院投用 AI 语音病历后,医生日均节省近三小时,病历合格率提升到 99%。

  “从质控指标上看,AI 的答卷相当好看,”陈医生说。但陈医生还是在会议上投了拒绝引入 AI 一票。

  “AI 的弊端也显而易见”,陈医生说。

  陈医生给科里的年轻医生讲过自己当住院医时手写病历的经历。在他那里,每天查房,患者的病情变化必须由主管医生亲自记录——哪怕那条记录最后只有一行。

  “AI 不会替你查房,也不会替你观察病人的病情变化。AI 写的是一份完美病历应该有的样子,不是这个病人实际的样子。”

  病人回答病史会有隐瞒,AI 可能遗漏关键信息;更深一层,年轻医生可能跳过“自己归纳、鉴别、判断”的训练,只学会点“确认”。

  因此,陈医生最关心的不是病历写得有多好看,他最担心的是,在没有限定好规则和使用方法时,盲目引入 AI 会带来的隐患。

  “甲级病历率是次要的,真正关系到病人安全的是,这份病历里到底有多少是医生真正观察到的,又有多少是 AI 按模板和上下文自己‘补’出来的。”

  比如,如果病人只在床边说了一句“昨晚烧到 39 度”,那么 AI 能很快顺着上下文补全病人的起病缓急、热型、伴随症状,个个有模有样。

  “这些句子可能无中生有、与事实不符,或者漏掉关键细节”,陈医生说,可怕的是,目前它们未必会被我们现阶段的 AI 质控抓住。

  “我们的质检系统也在用 AI,但现阶段在病历的质检上,AI 查得是病历结构是否完整,逻辑是否自洽”,陈医生说,“至于这句话到底是不是病人的诊室情况,AI 判断不出来”。

  “一份病历写得再规范,如果里头有一句假话,它就是一份假病历。质控分数不会告诉你这件事,病人出事的时候,律师会告诉你。”

  今年 1 月,张文宏在香港高山书院十周年论坛也表过态,拒绝把 AI 引入医生的日常生活,“你可以自己在那里用,但是不允许在我的病历系统里面用 AI”。

  张文宏的理由是,如果实习医生直接通过 AI 得出结论,没经过系统的训练,最后就很难自己鉴别 AI 是对还是错。

  监管的线其实已经画了:2022 年 2 月试行的《互联网诊疗监管细则》写得明白,处方必须由接诊医师本人开具,禁止使用人工智能等自动生成处方,此后北京、上海、福建等地陆续跟进,口径一致。

  落到病历上,是同一个道理——AI 可以写,但认账的必须是签字的人。

  还是回到那个问题,医生和患者到底该不该用 AI。答案是肯定,但使用的方法需要注意。

  在我们走访的几家医院,医生都表示从个人角度,AI 的使用并不是洪水猛兽,豆包、元宝、千问等 AI 工具的存在其实是有利于医生去查询资料的,关键看医生自己要利用专业能力去有效判断。

  洪医生把 AI 的边界划分得很清楚。

  仅拿查药品这件事情来说,一个医生在临床工作中遇到拿不准的细节,停下来“翻书”这件事本身不新鲜。

  未出现 AI 时,上一代医生翻药典、查文献、打电话问上级,这一代医生从纸张和搜索引擎,变成了一个豆包、千问、元宝等 AI 工具里,会组织语言、会给出“建议”的对话框。

  洪医生如今依然会使用 AI,但她主要用来查询不常规用药的说明书,核查一些药物之间的相互作用。有时,遇到多病共存、多重用药的患者时,她会使用 AI 看看有没有漏掉的坑。

  但她从来不会问“这个病人该用什么药”,也从不把 AI 的输出直接写进处方。

  对她来说,豆包这类 AI 工具,“就像一个反应很快的临床药师,知识面广”,洪医生告诉显微故事,“你可以问它,但不能让它签字,也不能让它担责。”

  罗医生也找到了和用豆包来看病的患者之间的相处方式。

  “如果患者进门先说‘我查了豆包’”,他不急着否定,也不顺着走。“我会看患者查询时如何描述的,再看 AI 给了几种可能,最后会问患者自己觉得哪一种最符合。”

  三个步骤下来,通常就能把对话从“AI 说的”拉回到“患者身上到底发生了什么”。如果遇到 AI 列出的可能性里确实有一条值得排查,就会当场解释原因。

  “现在医生、患者和 AI 之间感觉是一个三角关系,而想要这个关系达到稳定,是需要医生的解释。医生解释得不够详细,患者就会自己去找答案。而他们找到的方向,未必通向正确。归根到底还是需要打铁自身硬。”

  陈医生也不反对 AI,甚至如今他自己也用,“遇到拿不准的鉴别方向、记不清的药物相互作用,会打开对话框查一下。”

  但他依然坚信,写病历从来不是文书工作,是临床思维的训练场。

  年轻医生在反复推敲主诉怎么归纳、现病史留哪些细节、鉴别诊断按什么顺序排的过程中,才有可能慢慢长出一条属于自己的路。

  (应受访者要求,本文出现人物除公开人物以外均为化名,文中出现的药品和诊断结果仅为稿件撰写需要,不能作为任何辅助诊断信息。)

相关阅读

柘城网为柘城本地权威综合门户。立足本土,解读钻石、辣椒、肉牛特色产业,传承朱襄故里人文,汇聚旅游、非遗、美食与民生资讯,搭建柘城论坛,服务柘城百姓。
  • 今天吃什么?
  • 关于我们
Copyright © 2026 柘城网 All Rights Reserved. 豫ICP备2025133402号豫公网安备41142402000636号
关灯 返回顶部
返回顶部