医生在诊室里用豆包，AI正在重构医患关系

10月下旬，江苏徐州某医院心血管科诊室内，一位医生在听患者自述病情时打开了豆包查药，结果患者拒绝接受该医生开出的处方。事后院方核实，医生当时是在查阅一种新药的禁忌，发现不适合后当天并未开药，并强调：“AI只是获取信息的辅助工具，处方权始终在医生手中。”

这场小风波折射出一个正在医院诊室蔓延的现实：生成式AI正在快速渗透医疗日常。

据业内估算，豆包日均健康类咨询量已达数千万人次量级，过去涌向搜索引擎的求医问药流量正转移至大模型对话框。丁香园针对647名医务工作者的调研同样显示，98.5%的医生在过去三个月中使用过AI辅助工作，超七成每周使用数次，其中超过八成医生使用过豆包。

在白大褂与患者之间，AI正以一种不可见的方式嵌入进来。

从翻药典到问大模型：医生的“数字药师”

去年开始，某三甲医院的洪医生就开始尝试在面诊时使用豆包辅助确认用药细节。

在一例类风湿关节炎合并单纯性尿路感染的病例中，洪医生原本打算开具一线药物复方磺胺甲噁唑，但他突然意识到该患者长期服用甲氨蝶呤片，两者可能存在代谢冲突。以往洪医生需要特意跑回办公室翻阅厚重的药典，那天他顺手在豆包中输入了“甲氨蝶呤 复方磺胺甲噁唑 相互作用 骨髓抑制”。

模型迅速给出了明确预警：两药联用会抑制肾小管排泄，显著抬高甲氨蝶呤血药浓度，加大全血细胞减少的风险，甚至在低剂量方案中同样存在隐患。洪医生随即果断更换了抗生素方案。

“我没有让它做诊断或开方，它更像一个反应飞快、博学广记的随身临床药师。”洪医生表示，面对多病共存、多重用药的复杂情况，大模型是非常高效的查漏补缺工具。

当患者拿着AI答案来“拷问”医生

与洪医生用AI自查不同，呼吸科罗医生面临的挑战在于：患者往往先掏出AI生成的答案来“质询”医生。

曾有一位体检发现6毫米纯磨玻璃结节的患者，进门就拿着手机对罗医生说：“豆包说这可能是早期肺腺癌，建议尽早手术切除，我想直接做手术切掉。”

按照诊疗共识，此类边界清晰的微小结节首选定期随访CT。然而患者因为缺少医学常识，向大模型提问时往往带着片面的主观焦虑，模型在缺乏精准提示词输入的情况下往往倾向于给出覆盖极端情况的宽泛建议。

为了化解患者的恐慌，罗医生不得不花费半小时帮患者修改输入提示词、重新验证模型反馈，再逐一讲明手术损伤与随访获益的权衡。原本十分钟能结束的问诊被大幅拉长。

“医生把AI当参考药典，患者却容易把AI当成定论。”罗医生感慨，如果患者带着预设结论进来，医生就必须先费力拆解掉大模型给出的焦虑，再把科学临床判断灌输回去。

完美的病历，还是假病历？

除了问诊，医院系统是否该接入AI辅助生成病历，争议更大。

部分医院测试引入大模型后，医生书写病历的时间被大幅压缩，结构化初稿配合语音转录，让甲级病历率冲上97%甚至更高。但在一些科室主任眼中，这种“整齐划一”背后暗藏隐患。

某二甲医院呼吸内科陈主任就公开反对直接在工作系统中引入AI生成病历。他指出，大模型擅长结合上下文“无中生有”，将患者随意提及的症状自动补全成严密专业的医学句式，这类看似无懈可击的文本极难被现有的质检系统识别。

“一份病历再规范，只要有一句是AI自行脑补出来的虚假记录，就是一份假病历。质控系统抓不出问题，但一旦出现医疗纠纷，法律责任只能由签字的医生承担。”陈主任直言。

国家卫健委早在2022年施行的相关互联网诊疗规范中就明确划清界限：处方必须由接诊医师本人开具，严禁用人工智能自动生成处方。张文宏此前也在公开场合表达过对年轻医生过度依赖AI病历的担忧，认为跳过自主归纳与鉴别的训练，医生最终将失去辨别模型对错的能力。

AI进入临床已不可逆转，但其角色必须被死死限定在“参谋”范围。无论工具如何进化，最终在病历和处方上落笔签字并对生命负责的，永远是坐在桌前的医生本人。