AREX Feed Article
Demis Hassabis 确认医疗对话 AI AMIE 走出实验室、进入真实临床，研究登上《柳叶刀》
北京时间 10 月 13 日上午 9 时 09 分（UTC 01:09），，祝贺团队实现「从实验室到真实临床应用」（from the lab to real-world clinical utility）的里程碑，并提到 @TheLancet 论文。截至本文撰写时，这条帖子约有 6.7 万次浏览、1,100 余次点赞。Hassabis 的 X 资料显示，他是 Google DeepMind 联合创始人兼董事长、Alphabet 首席科学家、诺贝尔奖得主。
帖子所指的里程碑，是《柳叶刀》10 月 8 日发表的：Google 的医疗对话 AI AMIE（Articulate Medical Intelligence Explorer）在 Beth Israel Deaconess Medical Center（BIDMC）的门诊流程中，为即将就诊的患者做诊前文字问诊。研究于 2025 年 4 月至 11 月招募患者，114 人入组，98 人完成「AI 聊天加就诊」全流程，没有一次对话触发安全中止。
一条没有数字的祝贺帖，坐标由帖串补齐
Hassabis 的帖子只有一句话：「看到研究从实验室走向真实临床应用，令人振奋——祝贺团队达成这一里程碑，还有 @TheLancet 论文！」原文没有出现 AMIE 或 DeepMind 字样，也没有给出任何性能数字。
坐标由同一帖串补齐。Google「AI for Health」的 Staff Research Scientist ，团队「激动万分」，并贴出两个链接：项目页 和《柳叶刀》论文页。他在回复中特别感谢了 BIDMC 的合作者 Adam Rodman、Peter Brodeur 等人。免疫学家 Derya Unutmaz 在中称之为「医疗 AI 的重大里程碑」。
论文的正式发表比这条祝贺早了 5 天。10 月 8 日，谷歌和 Alphabet 首席执行官 ：《柳叶刀》当日发表了与 BIDMC 合作的 AMIE 研究，是「首个在真实诊所中针对患者的对话式诊断前瞻性研究」，也是「谷歌第一篇登上《柳叶刀》主刊的论文」——这两个「第一」都是 Pichai 的说法。则把它称作谷歌面向临床推理与医疗对话的旗舰研究项目，由 Google Research、Google DeepMind、Google Platforms and Devices 与 Google for Health 合作推进。
研究怎么做：诊前最多 5 天的文字聊天，医生全程盯屏
显示，这是一项前瞻性、单中心、单臂（无平行对照组）可行性研究，在 ClinicalTrials.gov 注册（编号 NCT06911398），2025 年 4 月至 11 月招募年满 18 岁、说英语、因单一非急症主诉预约门诊的患者（线上或线下均可）。患者在预约挂号环节受邀参加，并被告知是否参与不影响后续诊疗；随后通过安全网页链接，在就诊前最多 5 天与 AMIE 进行文字聊天。
安全监督嵌在流程的每一环：每一段 AMIE 与患者的对话，都由一名医生通过实时视频通话加屏幕共享监看。监督者按四条预设标准随时准备中止——患者有即刻的自伤或伤人风险、因 AI 交互出现明显情绪困扰、对话中识别出潜在临床伤害、患者明确要求结束。聊天结束后，系统生成完整记录与摘要，在患者同意下交给接诊医生（PCP）参考；就诊 8 周后，研究团队复查病历确定最终诊断，再由每组 3 名未参与接诊的临床评估者，以盲评、随机排序的方式对 AMIE 与 PCP 的鉴别诊断和处置方案评分。
谷歌 2026 年 3 月 11 日发布的（早于论文正式发表约七个月）补充了样本细节：完成与 AMIE 诊前聊天的 100 人中，98 人按时就诊。同期这家门诊共有 1,452 次就诊，其中超过半数患者年龄在 60 岁以上，研究样本则偏向更年轻的人群；博客称样本覆盖了不同年龄与族裔，以及健康素养、科技素养和聊天机器人使用经验各异的人群。
安全结果：零中止，但监督记录了一次幻觉
摘要的安全结果包含两层。一层是预设标准下全程没有执行安全中止，谷歌博客把这当作 AMIE 在真实门诊流程中「对话安全性」的证据；另一层是，医生监督者在一次交互中发现了 AMIE 的幻觉，并在五次交互中补充了临床信息。
合作方一侧的解读也留了余地。ARISE 在中写道：这些是来自密切监督研究流程的、令人鼓舞的安全性发现，「而不是无监督 AI 已准备好用于临床的证据」。
90% 的口径：最终诊断出现在名单里，不是排第一
诊断数据有三种口径。以就诊 8 周后的病历复查为准，AMIE 的鉴别诊断名单在前 7 项内包含最终诊断的病例占 90%，前 3 项内包含的占 75%，把最终诊断排在第一位的是 56%。90% 是其中最宽的一条——最终诊断只需出现在前 7 项里。
按最终诊断的确认方式分层，结果并不均匀：在 46 例最终诊断由化验、微生物、病理或影像检查确认的亚组里，AMIE 的准确率依然保持高位；在最终诊断仅由 PCP 临床判断、未经检查确认的亚组里，数字还要更高。谷歌博客据此认为，AMIE 对需要客观检查确认的病例并没有明显失灵。
盲评对比的结果是：临床评估者认为，AMIE 与 PCP 的鉴别诊断总体质量、处置方案的适当性与安全性均无统计学显著差异；差距出现在实用性与成本效益上——PCP 更优。博客给出的解释是：AMIE 看不到患者的电子病历，不能做体格检查，也无法整合患者外貌等多模态信息，而 PCP 熟悉自己所在诊疗环境的实际约束。
医生用后怎么说：读过记录的 44 位医生，33 人说有帮助
记录的使用数据是：98 名完成全流程的患者中，回收了 60 份 PCP 问卷，其中 44 例的医生在诊前阅读了 AMIE 的聊天记录。这 44 位医生里，33 人（75%）认为 AMIE 对准备问诊有帮助，25 人（约 57%）表示它可能改变了自己的诊疗做法。
谷歌研究博客的定性访谈把这种影响说得更具体：有 PCP 反馈，AMIE 把问诊从单纯收集信息变成核对信息，带来更多协作式对话与共同决策。
患者一侧的变化也有量化：患者在交互前后填写通用 AI 态度量表（GAAIS），交互后态度显著转向积极，见过医生后仍保持在较高水平，且「感知效用」与「对 AI 的担忧」两个子量表的变化都有统计学意义。患者调查显示满意度高，普遍认为 AMIE 礼貌、善于解释病情。对话质量方面，临床评估者在 17 项标准上给出 87%～100% 的好评率，患者在 16 项标准上给出 48%～96%。
单中心、无对照、Alphabet 出资：这条证据链的边界
论文资金来源一栏写着 Alphabet；作者名单由谷歌团队与 BIDMC 团队共同构成；发布解读的 ARISE 网络创始站点负责人 Adam Rodman 也是论文作者之一。本文能核验的所有结果，都来自研究团队及其合作方，属于供应商相邻证据；是否有独立团队复现这组数字，上述来源均未提及。
研究的局限，谷歌博客自己列了三条：纯文本聊天无法捕捉临床诊疗的多模态信息，比如语音、视频和非语言线索；研究没有设置对照比较，按博客原话，「不支持相对基线流程的干预效果量化结论」；健康素养、技术素养等因素如何影响人与 AI 的交互，也未被充分探索。此外，每段对话都有医生实时监督，这本身只是安全范式之一，团队也在基于 OSCE（客观结构化临床考试）的研究中探讨过异步监督流程。
谷歌博客预告将在更大规模、带对照比较的研究中继续评估这类系统的效用与影响；AMIE 项目页列出了与 Included Health 合作的全国性随机研究，目标是在真实虚拟诊疗流程中收集前瞻性证据；团队还在《自然·医学》发表评论，（前瞻性证据难拿，但不可妥协）。
在这些对照数据出来之前，《柳叶刀》这篇论文能支撑的结论是有边界的：在有医生实时监督的单中心流程里，诊前 AI 问诊安全可行、患者和医生接受度良好；它对诊疗结果本身改变了多少，仍是一个没有被量化的数字。