AI答对了67年前的医学考题，比医生还快

2026年春的一个急诊室，器官移植患者捂着睾丸走进来，还带着点咳嗽。人类医生的注意力立刻被呼吸道症状牵走——这是最直观的主诉。但AI推理模型扫过分诊记录里的“免疫抑制”四个字，直接在病历上标记了坏死性筋膜炎：一种拖12小时就可能致命的感染。它比人类医生早了整整一天做出关键判断。这不是科幻片里的桥段，而是哈佛医学院团队发表在《科学》杂志上的真实病例。67年前，有人第一次提出“机器能不能像医生一样思考”，今天，AI不仅给出了答案，还在某些场景下跑得更快。

67年的考题，AI拿了高分

1959年，Robert Ledley和Lee Lusted在《科学》杂志抛出一个问题：让机器做麻省总医院的临床病理讨论会（CPC）病例题，能不能像医生一样推理？这些病例是医学界公认的“地狱级考题”——来自真实患者，被专家刻意塞满罕见病表现和干扰信息，专门用来考验医生的诊断逻辑。

67年后，哈佛团队带着AI推理模型交了卷：143个CPC病例，AI在78.3%的病例里把正确答案放进了鉴别诊断清单；如果放宽到“给出有帮助的方向”，这个数字是97.9%。在真实急诊室的76个病例里，分诊阶段AI的诊断准确率是67.1%，而参与测试的两位人类主治医生分别是55.3%和50.0%。

你可以把AI的这种能力理解成“超级医学学霸”——它用链式思维（Chain-of-Thought）拆解诊断任务：先根据症状提出多个假设，再像医生一样一步步用线索验证、排除，最后锁定方向。区别在于，它能瞬间调用训练过的海量医学文献和病例，不会被直观症状干扰，也不会漏掉“免疫抑制”这种藏在文本里的关键细节。

AI的“思考”，和医生不一样

人类医生诊断时，容易陷入“锚定效应”——先抓住最显眼的症状，再顺着这个方向找证据。但AI的推理模型是“全局扫描式”的：它会把所有文本信息拆成最小的语义单元，比如“免疫抑制”“睾丸疼痛”“呼吸道症状”，然后用训练出的医学关联知识，把这些点连成网。

在那个移植患者的病例里，人类医生的思维链是“呼吸道症状→呼吸道感染”，而AI的思维链是“免疫抑制→感染风险极高→睾丸疼痛+免疫抑制→罕见致命感染”。它不会被症状的“显眼程度”影响，只会严格按照医学逻辑关联信息。

但AI也有自己的短板。它目前只能处理文本信息，读不了X光片，摸不出患者皮肤的红肿温度；它的“知识”来自训练数据，遇到超出训练范围的罕见病例，可能会生成看似合理却完全错误的“幻觉”答案。更重要的是，它不懂患者的情绪——不会在给出致命诊断时，握住患者的手说一句“我们会尽力”。

不是替代，是补位

研究团队最强调的不是AI的分数，而是“该怎么用它”。2025年的一项全球调查显示，五分之一的临床医生已经开始用AI拿第二意见，这个数字还在快速增长。但没人认为AI能替代医生——它更像一个“不会走神的助手”：在急诊室的嘈杂环境里，帮医生盯着那些容易被忽略的细节；在信息不足的分诊阶段，提前圈出高危病例；在写病历的时候，快速整理出符合规范的诊断逻辑。

目前的AI还需要人类的“把关”：比如它给出的诊断，需要医生结合患者的实际体征和影像结果验证；它的“幻觉”错误，需要医生用临床经验识别。研究团队正在做的，就是让AI和医生形成“互补”：AI补人类的“注意力缺口”，人类补AI的“临床温度”和“现实判断”。

还有一个不能忽视的局限：这次测试的病例主要集中在内科和急诊，儿科、外科这些需要更多实操和特殊经验的领域，AI的表现还是未知数；参与测试的医生多来自哈佛、斯坦福的精英网络，普通基层医生和AI的协作效果，还需要更多验证。

67年前，Ledley和Lusted想知道机器能不能像医生一样思考；今天，我们知道AI不仅能思考，还能在某些时候思考得更快、更全。但真正的考题从来不是“AI能不能赢过医生”，而是“人和AI怎么一起给患者更好的治疗”。

未来的急诊室里，可能会出现这样的场景：AI在后台扫过分诊记录，弹出一个“高危预警”；医生看到预警，再结合自己的临床判断，提前安排检查和治疗——没有谁替代谁，只有两个不同的“思考者”，一起为同一个目标努力。

金句：AI补人类的漏，人类补AI的缺。