谷歌的对话式诊断 AI AMIE 有了第一份真实门诊里的前瞻性研究结果。论文 10 月 8 日发表在《柳叶刀》主刊上，谷歌称这是公司第一次在该刊主刊发表论文。DeepMind CEO 哈萨比斯随后在社交平台上公开道贺。
研究在美国波士顿贝斯以色列女执事医疗中心（BIDMC）的急诊初级保健门诊进行，2025 年 4 月到 11 月入组，事先在 ClinicalTrials.gov 登记，按伦理委员会批准的方案执行，患者被告知参不参加都不影响后续诊疗。
怎么做的
流程是：患者在见医生之前，先跟 AMIE 用文字聊一轮，由它采集病史、整理成摘要。每一次对话旁边都有一名医生实时盯着，研究提前定好了必须叫停的安全标准。8 周后，研究人员再翻病历，确认患者最后的诊断是什么，拿来对照 AMIE 当时给出的判断。
结果几项数字如下：
- 入组 114 人，98 人完成对话；
- 没有一次对话触发安全叫停；
- 监督医生记录到 1 次幻觉，另有 5 次对话中医生补充了临床信息；
- 最终诊断出现在 AMIE 鉴别诊断列表里的比例为 90%，排在前三位的比例为 75%。
医生端也有反馈。98 个病例里，初级保健医生在 60 例中填了问卷，其中 44 例在接诊前看过 AMIE 的对话记录，认为它对准备接诊有帮助的有 33 例。
摆一摆分母
这些数字放在小样本上看，需要换个算法读。90% 和 75% 的分母都是不到 100 名患者；医生”有帮助”那一项，粗算下来分母只有 44 例，33 除以 44 正好 75%，每多一例或少一例，比例就要变动两个多百分点。
零叫停也一样。98 次对话没出事，用统计上常用的”三法则”（rule of three，3 除以样本量）估算，这个样本量只能大致说明严重安全事件的发生率在 3% 左右以下，更低的风险水平，这么多样本还排除不了。研究者自己把这项工作称作可行性研究，没有对照组。
另一组数字对 AMIE 不太有利。研究把 AMIE 提出的处置方案和初级保健医生的方案放在一起做盲评，在方案是否实用、是否划算两项上，AMIE 输给了医生。列出可能的疾病和决定下一步怎么处理，难度不在一个层级上。
局限和下一步
论文列出的限制包括：单中心、只有文字交互、约一百名患者、没有对照组。谷歌的表态是，面向患者的 AI 要做大规模评估，还需要更大的临床试验。
这项研究的预印本今年 3 月 9 日已经上了 arXiv，谷歌 3 月 11 日也写过详细介绍，这次的新节点是经过同行评审、正式刊登。从 2024 年 AMIE 在模拟问诊里跟医生对比，到这次进入真实门诊，谷歌走的是先模拟、再小规模真人、最后上大试验的顺序，第三步什么时候启动、在哪里做，公司还没有公布。
参考来源：《柳叶刀》、谷歌研究博客、CocoLoop、贝斯以色列女执事医疗中心；论文摘要与医院通报核验入组人数、完成对话数、安全事件数与诊断命中率口径。