別把 AI 當主治醫生：肺癌病友用 AI 看報告，哪些能信？

作者：閔

今年可以說是被 AI 人工智能與機器人“轟炸”的一年。豆包、DeepSeek、元寶等各類 AI 軟件，從各種角度瘋狂滲入我們的生活，衣食住行幾乎無一幸免，連醫療也不例外。甚至還有傳聞說，FDA 正在考慮用 AI 模型來替代部分動物實驗。

不少病友已經開始嘗試用 AI 分析自己的檢查報告，甚至向 AI 直接“咨詢”治療方案——這些無疑都是非常新奇的體驗。

但其實，AI 與醫療的結合，比我們想象中要早得多，也要復雜得多。

今天就想和大家簡單聊一聊：AI 在醫療領域，究竟能為我們做些什么？又有哪些“做不了”的地方？

1

AI 輔助閱片軟件：

最早落地、應用最成熟的一類

AI 最早與醫療融合的具體領域，很難下一個絕對結論；但如果要選出目前應用最為成功、最“接地氣”的方向，那一定有 “AI 輔助閱片軟件” 的一席之地。

如今，AI 輔助閱讀 CT 影像已經遠遠不是停留在概念層面，而是實實在在地投入了臨床應用。僅在我國境內，目前就已經有十數款 AI 輔助閱片系統，獲得了國家藥監局頒發的第三類醫療器械注冊證。

很多病友可能對我國醫療行業的準入門檻不太熟悉：只有拿到相關注冊證的產品，才具備合法合規在國內醫院使用的前提條件，因此審核標準非常嚴格。這些 AI 輔助閱片系統能夠獲得注冊證，說明其本身的技術和安全性，已經達到了相對成熟的水平，才有資格通過“體檢”。

影像科可以說是醫院最繁忙的科室之一。大家可能深有體會：

每天在 CT 室門口排隊等著拍片的病人不計其數。

我們不妨換位思考一下：

在如此巨大的工作量下，如果僅靠影像科醫生一雙肉眼、一張片子一張片子地看，無非兩種結果：

• 要么閱片效率很慢；
• 要么在疲勞中容易遺漏一些微小病變

而在這種場景下，AI 的優勢就凸顯出來了：

• 不會疲憊、不講情緒，可以長時間保持高效；
• 它具有學習能力，臨床上又有大量影像數據可以用來訓練；
• 再輔以算法優化和影像學專家的指導，AI 輔助閱片軟件就這樣逐漸發展起來了。

在我們病友群日常的聊天中，常會提到一個現象：

近些年，在 CT 上發現肺部小結節的人越來越多。

這當然和設備的更新換代有關，但另一個重要原因，就是 AI 輔助閱片軟件的應用越來越廣，它能識別出更多過去容易被忽略的微小結節。

不過，這并不意味著影像科醫生從此成了“輕松按按鈕”的工種。現實情況是：

• 醫生是借助 AI 輔助閱片軟件，先標出影像上可疑的結節或異常區域，借此節省“翻片子”的時間；
• 最后的判斷權仍然在醫生手中——每一個被標注出來的可疑結節，仍需要專業醫生逐一判讀。

目前，AI 對部分結節的測量、對部分結節性質的判斷，與有豐富經驗的資深醫生相比，仍然存在差距。因此，它在這個階段，更適合作為一個“不知疲倦的助手”，而不是代替醫生“拍板”的角色。

圖片來源：包圖網

2

AI 病理診斷軟件：

需求很大，但難度更大

在醫院系統中，病理科往往并不起眼，也不被廣大病友所熟悉。

但它其實是整個診療流程中最關鍵的一環——幾乎所有治療方案的基礎，都要建立在病理診斷之上。

簡單來說：病理科是負責“幫你確認到底得了什么病”的科室。

外科、內科以及其他科室，基本都要依賴病理科的診斷結果，才能做到“對癥下藥”。

病理科肩負著極其重要的責任，同時每日的工作量也非常巨大。

大家可以想象一下：

• 一家醫院每天有多少臺手術？
• 有多少例活檢？
• 還有胸腹水等各種不同類型的樣本？

這些都需要病理科醫生一張切片一張切片地，在顯微鏡下觀察和判斷，稍有判斷失誤，就可能誤導病人的整個治療方向。可以說，這是一個體力與精神壓力疊加的科室。

筆者大約在 2017 年參加過一場在重慶舉辦的西南地區病理學科會議。

當時與會的專家幾乎都表達了對AI 病理軟件的期待：

• 希望它能夠像 AI 閱片軟件一樣，幫助減輕沉重的工作壓力；
• 甚至有專家暢想，將來能在病理科中實現更多自動化、智能化的輔助工具。

但在具體討論中，專家們也指出：AI 病理輔助診斷軟件的開發之所以不如 AI 輔助閱片軟件“順風順水”，核心難點在于——病理診斷中有太多不確定、難以量化的因素。

其中最突出的一個問題是：

• 在顯微鏡下經常能看到一些分化不典型的細胞。
• 這些細胞在形態上，部分特征并不完全符合教科書或診斷標準中的典型描述。

舉例來說：

• 有的病友最終的病理報告上寫的是“分化差的癌”或“低分化癌”之類的表述；
• 甚至無法明確判斷是非小細胞肺癌還是小細胞肺癌，更別說細分為肺鱗癌、肺腺癌了。

出現這種情況，一方面可能是因為癌細胞本身的形態確實很“不典型”，與傳統定義中的幾類癌細胞在顯微鏡下的特征都不完全符合；

另一方面，也可能是因為活檢取到的組織樣本中，癌細胞的含量太少，導致難以做出特別準確、細致的診斷。

此時，可能就有病友會問：
“不是還有免疫組化指標嗎？‘++ --’ 那些，陽性陰性不就可以幫忙確定了嗎？”

這里就涉及到病理學科另外一個和我們想象中“完全客觀的實驗指標”不太一樣的地方。

• 免疫組化確實對診斷有重要的輔助作用
• 但它并不是一個絕對客觀、機械化就能給出“是/否”的終極標準
• 
  

原因主要有幾點：

1. 免疫組化的染色與判讀，依賴病理醫生的技術與經驗，同時也受到不同染色試劑品牌的影響。
2. ● 同一張切片，用不同品牌的試劑染色，呈現出的結果可能并不完全相同；
3. ● 同一張染色切片，由不同醫生判讀，那些“染色不太明顯”的細胞，很可能因個人主觀判斷不同，導致結果上有差異。
4. ● 最終染色細胞“多”或“少”，就會體現在報告單上 的“+ 或 -”符號上。換句話說：免疫組化的陰性或陽性，并不是 100% 客觀的機械結果。
5. 
   
6. 癌細胞本身的“性格”也不總按照教科書來。有時，某些癌細胞的免疫組化結果并不完全符合百度、科普文章或教材上描述的“典型特征”，但綜合形態學、免疫組化及其他信息后，病理科仍會診斷為某種癌。這種情況，往往就非常依賴病理醫生的個人經驗和診斷信心。

正是因為上述這些特點，AI 病理軟件的訓練難度遠高于表面想象：

• 不能單純依靠“多喂數據、設定幾個規則”就快速做出一個可靠的模型；
• 它需要一整套更復雜的邏輯體系和更精心構建的標準化數據庫。

好消息是，相關的基礎工作其實一直沒有停下腳步。

例如：上海蘭衛醫學檢驗所與中國信通院上海工創中心在今年 2 月共同承擔的上海市經信委人工智能專題專項——

“基于病理數字切片標注的單病種智能初篩機器人診斷標準數據集”（簡稱“數字切片標準集”）項目，并且已經順利通過上海市經信委的驗收。

這類項目的推進，說明大家都在為未來更成熟的 AI 病理軟件打基礎、搭積木。

總之，病理科對 AI 病理輔助軟件的需求真的很迫切，但 AI 在這一領域的訓練與落地，仍然是“任重道遠”。

圖片來源：包圖網

3

穿刺導航機器人：

更像“高配版百度地圖”

經皮穿刺是臨床上一個非常普遍、也非常重要的操作方式：

• 它操作靈活，身體幾乎各個部位都可以穿刺；
• 功能多樣，可以用于活檢，也可以用于治療

我們就以大家較熟悉的胸腹部穿刺為例：

醫生可以通過 CT 掃描看到體內占位病灶的位置，從而大致決定從體表哪個位置進針。但真正到了穿刺的那一刻，醫生的肉眼是無法穿透皮膚的，他能依靠的，只有：

• 手感和經驗；
• 以及“穿一針，掃一次 CT，再調整”的反復確認過程。

也正因為此，【經皮穿刺導航機器人】逐漸成為近年來介入學科中的一個熱門話題。

從每年一屆的介入學年會就能看出來這一點：

• 幾年前，展區里只有零星一兩家穿刺導航機器人廠家參展；
• 而到了今年的介入學年會，已經接近 10 家，其中還包括國產知名影像設備廠家聯影等，也在積極開發自己的穿刺導航機器人。

從導航原理上來看，目前的穿刺導航設備大致可以分為三類：

• 光學導航
• 電磁導航
• 超聲導航

它們通過不同的物理原理來跟蹤和定位穿刺針的位置，再通過軟件實時分析并呈現在導航屏幕上。

此時，病友們可能就會有疑問了：

“聽起來導航確實有用，可這和 AI 究竟有什么關系呢？”

關于這個問題，我也特意問過幾家做導航設備的廠商人員。

目前來看，AI 在導航設備中的角色相對還比較弱，主要體現在：

• 自動識別影像數據，
• 快速生成三維空間模型等方面。

目前，幾乎沒有發展到由AI 自動設置入針點和穿刺路徑的程度。

廠商之所以在這點上相對保守，主要有兩個方面的考慮：

1. 穿刺路徑本身不是唯一的標準答案。
   它需要綜合考慮術者個人習慣、經驗，以及患者的具體解剖情況。
   這意味著，如果要讓 AI 完全接管路徑規劃，學習成本和復雜度都會大幅增加。
2. 
   
3. 牽涉到醫療倫理與責任問題。
   如果未來某一天，穿刺路徑全部由 AI 規劃，醫生只是“遵循 AI 路線”或者“在此基礎上微調”，那么一旦出現意外并發癥，責任應由誰來承擔？
   這是目前業內都非常謹慎對待的問題。

基于技術條件仍未完全成熟、倫理和責任界限尚不清晰等多重原因，

目前經皮穿刺導航設備的主流模式還是：

• 由術者（穿刺醫生）在軟件中自行設置目標點和入針點
• 導航系統則在手術過程中實時顯示路徑偏差、方向等信息，
• 更像是一個“高配版百度地圖”——提供導航，但不替你開車。

圖片來源：包圖網

4

AI 與我們的日常診療：

好幫手，但不是“主治醫師”

我們日常接觸最多的 AI，大概率不是那些“專業醫療設備里的 AI 模塊”，而是類似 DeepSeek、豆包、元寶、OpenAI 這一類的通用型 AI 工具。

客觀來說，它們確實給我們的日常生活帶來了許多便利：

• 能幫我們整理資料、查找信息、撰寫文本；
• 有些病友也會用它們整理每次復查的結果，做成表格，更直觀地記錄病情變化。

但與前文提到的那種專門為醫學領域開發的專業 AI 軟件相比，這些通用 AI 有一個很大的差距：

缺乏足夠專業、系統、權威的醫學數據與專家意見作為訓練基礎。

可能有病友會說：
“我問 AI 問題時，它回答得條理清晰、段落工整，看起來也挺有道理的啊，不覺得它不專業。”

這里想舉兩個例子，供大家思考一下：

例子一：AI“自己造文獻”的情況

這個例子和醫學無關，但影響很廣。

DeepSeek 曾被多次爆料會“憑空編造不存在的文獻”。

具體起源已經很難完整追溯，只能在知網等論壇看到一些求助帖：用戶發現自己按照 AI 提供的文獻去檢索，卻壓根找不到那篇文章。

相關問題的討論可以在一些帖子中看到，例如：
https://zhuanlan.zhihu.com/p/24452232106

此外，在這類 AI 剛剛爆火的時候，不少娛樂博主也做過各種“整蠱實驗”：

比如有人要求它生成一份根本不存在的菜譜、或虛構的故事，DeepSeek 也能一本正經地照做。

參考示例視頻：

https://www.bilibili.com/video/BV1TgAXeZEe8/?vd_source=43d77e70bc87b53df7027f261f655e90

我并不是專業程序員，也不了解背后的算法細節，但從這些現象至少能得到一個重要結論：

AI 生成的答案，并不等同于“真實可靠的事實”，它是可以在特定指令下“編”出來的。

例子二：把 KRAS 藥物說成 EGFR 藥物的“翻車現場”

第二個例子是我親身遇到的。

今年 7 月，在我們論壇的KRAS 群里，有位病友咨詢“小荷 AI 醫生”，問的是一款名為ASP3082的藥物的一些基本信息。

AI 的回答是：

這是一款針對EGFR 突變的靶向藥，主要抑制EGFR T790M突變，并且對腦轉移也有效。

乍一看，這描述聽上去就像是一款三代 EGFR-TKI 藥物。

然而，在有病友提醒后，我自己去查了一些資料，發現：ASP3082 實際上是一款在研的，針對 KRAS G12D 的實驗藥物。

這個例子非常典型地體現了：

當前這些面向大眾的民用級 AI（包括部分打著“AI 醫生”招牌的軟件），在真正專業的醫學領域，仍然存在明顯短板，很難提供真正權威、嚴謹的解釋，更談不上獨立給出靠譜的診療方案。

也正是因此，前文提到的那些真正為專業人士服務的 AI 軟件，無論是閱片、病理還是穿刺導航，統一都只把自己定位在“輔助”工具上，而把最后臨門一腳的診斷和決策，交回給有經驗的專業醫生。

圖片來源：包圖網

5

總結：把 AI 當“聰明助手”，

別急著讓它當“主治醫生”

AI 正以勢如破竹的姿態，迅速融入我們的生活，并逐步滲透進各行各業。

在醫療領域，它已經開始扮演一個越來越重要的角色：

• 在閱片中，它可以幫醫生提高效率、發現更多微小病變；
• 在病理和介入穿刺等更復雜的場景中，它也在逐步探索、搭建基礎；
• 在我們日常生活中，它能做一些整理、記錄、搜索的“體力活”，輔助我們更好地管理自身信息。

我們不能否認 AI 為我們帶來的便利，但也需要保持冷靜和清醒的自我認識：

在像醫療這樣理論知識復雜、對臨床經驗要求極高的領域，AI 在短期內幾乎不可能實現對醫生的“完全取代”。

在當前階段，我的個人建議是：

1. 可以把通用的民用 AI 軟件當作自己的小助手
2. 比如像有些病友那樣，讓 AI 幫忙整理每次復查的結果、做成表格；
3. · 讓它幫忙檢索資料、歸納信息、做一些簡單的文字整理。
4. 
   
5. 盡量不要把它當作專家導師：
6. 不要指望它替代主治醫生為你“拍板”；
7. 更不要完全依賴它來解讀檢查報告、制定治療方案。

因為一旦遇上那種“一本正經地胡說八道”的回答，如果我們不加分辨地全盤接受，反而可能影響自己與醫生之間的順暢溝通，甚至干擾真正的診療決策。

一句話收尾：
在醫療這件事上，AI 是可以信任的幫手，但不應該是你唯一信任的“醫生”。

圖片來源：包圖網

與癌共舞公眾號及網站及APP上發表的文章及討論僅代表作者或發帖人個人觀點，不代表平臺立場。

與癌共舞公眾號文章經醫學編輯和版主審核，具有明顯謬誤和不良引導的文章將禁止發表。