这几天，社交平台和资本市场上的顶流都非“ChatGPT”莫属。这是Open AI公司近期开发的一款通用大型语言模型（LLM，Large Language Model）。

作为一种新型AI算法，经过足够多的文本数据训练后，LLM模型可以根据前面的文字，生成以前从未观察到的新单词序列，而这些单词序列代表了基于自然人类语言的合理序列。

(资料图片仅供参考)

换句话说，相比于此前的AI，ChatGPT广受人们热捧的一大原因是它“更说人话”了。

此外，ChatGPT还在一项研究中通过了美国执业医师资格考试（USMLE）。该考试分为三项，研究称ChatGPT在所有这三项考试中均达到或接近通过。

虽然现实中，通过执业资格考试的医学生还要经过实习、培训，接受受聘医院的临床考试等过程，才能真正获得行医资格。但一个问题也呼之欲出：未来，ChatGPT等AI能替代医生给患者看病吗？

有意思的是，当原北京和睦家康复医院药房主任冀连梅向ChatGPT提出这个问题时，后者给出了否定的答案。

ChatGPT表示：

这一回答也得到冀连梅的认同。不过，如果在交互过程中，患者尽可能详细地描述了自己的健康状况、病史、当前正在使用的药物、症状时，AI是否可能排除个性化的干扰，做出精确地判断？

令人遗憾的是，这个问题的答案依旧是不能。

卓正医疗全科及感染专科医生汤勃向界面新闻记者介绍，现代医学以循证医学为基础，包括外部的证据，医生自己的经验和患者的意图三个方面。

由于ChatGPT被“喂养”了大量书籍、维基百科、文献和互联网内容等文字、图片信息，因此通过考察理论知识的考试并不令人惊讶，在AI领域也不算新鲜事。经过训练后，其成绩还将更好，甚至接近满分。

换而言之，在外部证据方面，ChatGPT可能好过一些水平较低的医生。但在后两方面（医生自己的经验和患者的意图），ChatGPT并无优势。

汤勃表示，临床医生的经验有时候是一种整体感觉，这往往是书本知识的有效补充。他举例，还没有接触过病人的医学生对照课本的文字描述自我诊断时，常会觉得书本上的疾病自己都得过一遍，这被行内戏称为“医学生综合征”。之所以有这样的错误判断，就是因为缺乏与患者互动、观察的经验，考虑得不够全面。

“一个患者在你面前，表现出的精气神，眼神的犹疑，手指是否交叉，陪同他的亲属给予的补充信息都非常重要。因为人疾病的状态和他的家庭背景、经济水平、受教育程度可能都有关系。”汤勃解释道，这些是医生需要考虑，但AI难以体察和判断的。

冀连梅同样表示，现代医学是“生物-心理-社会”的医学模式，ChatGPT能提供生物部分的信息，可以帮助医生或者药师快速检索资料，提供答案，但无法评估和判断是否适用于具体的个人情况，换句话说，无法结合具体个体的心理-社会这两部分给出诊治建议和方案。

而在患者的意图方面，汤勃举例，临床中可能存在不能确诊疾病的情况。人类医生只能告诉患者有几种可能性，分别有若干种应对方法，再与患者反复沟通，例如以某种诊断走，经过多长时间大致会产生什么结果。换而言之，患者是亲身参与到决策中的。但AI受训练它的资料库的限制，相对比较教条，AI的参与可能使决策过程中产生偏差。

因此，汤勃认为，AI全面替代人类医生问诊看病，或许几十年之内都不太可能。这一观点也得到张强医生集团创始人张强的认同。

实际上，AI在医疗领域早有应用。张强指出，从曾经打开医疗AI想象力的IBM Waston（沃森机器人），到当下已逐渐成熟的医学影像AI，除了均需要结合医生的临床经验和患者的具体情况外，AI输出内容的准确性也至关重要。

张强提到，ChatGPT等AI学习的“养料”中，可能不乏一些错误、相互矛盾的内容，也可能包括造假的论文等，进而影响到AI的判断，生成不准确或误导性的内容。

汤勃向Telegram上的同类AI聊天机器人提问“颞颌关节紊乱的治疗方式”时，发现对方的答案中提到“服用中药可以改善新陈代谢和循环”。“不是说颞颌关节紊乱不能服用中药。但它得出改善新陈代谢和循环的结论，这是有疑问的。”汤勃说。

张强则以“静脉曲张”提问发现，对业内的一些标准答案，ChatGPT都能对答如流，但涉及最新技术时，ChatGPT的回答则出现了偏差。经过最近两天的互动，张强总结，ChatGPT的高明之处在于，它的回答都是很保守和有退路的。

因此，张强认为，在具有高复杂性和个性化的疾病诊治中，ChatGPT等AI难以“独立看病”，可能只承担其中一小部分工作。而由于医疗行为可能产生严重后果，从伦理上讲，来自AI的内容只能作为诊断的参考，不能作为诊断的主体，最终的诊断结果还是应该由人类医生做出。

此外，AI的优势在于，在标准化、可客观量化的工作中提高效率，ChatGPT未来可能在写病历、出院总结和行政事务等工作中具备潜力，替代人工劳动和节省一部分医生助理的人力成本。