在诊室里用豆包的医生们
本文来自微信公众号： 显微故事 ，编辑：方园婧，作者：显微故事编辑部
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
根据丁香园登场了一份针对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。
本期显微故事采访到了在诊室里使用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：
文|天台乌药
编辑|方园婧
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，结果体现有细菌感染，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，理论上会比拼排泄，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。
该患者在厂商组织体检时，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，其中体现结节边界清楚，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。
但是患者先把机型递了过来。面板上是豆包的对话：“磨玻璃结节可能是早期肺腺癌，提议尽早手术切除。”
“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。
但状况在于，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议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。同一个难题，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特性，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信息进来和我讨论，那整体的医疗效率会变得越来越慢”，罗医生称。
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。”
图|网络上流传的图片
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，在我们所采访的几个三甲医院的医生都透露，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操作平台中引入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，能显著压缩文书时段，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，之前也有媒体披露过，武汉一家医院投用AI语音病历后，医生日均节省近三小时，病历合格率增强到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。
本文由News整理发布，仅供参考。
