Lancet刊出Google AMIE真实门诊研究：90%病例鉴别诊断命中前7位，0例安全叫停

90%不是正确率：Lancet这篇AMIE研究该怎么读

趋势前瞻 × AI技术供应商/创业者 ｜ 事实报道 × 投资人与产业分析师 ｜ 深度研报

2026年10月8日，The Lancet刊出Google与贝斯以色列女执事医疗中心合作的AMIE对话式诊断AI前瞻性可行性研究。100名成人在正式就诊前先与AMIE完成一轮对话，其中98人按时赴约；每一次交互都有医师通过实时视频加屏幕共享全程监督，0例触发预设的安全叫停。最具传播性的数字是90%，但它指的是最终诊断出现在AMIE给出的前7位鉴别诊断之内，而不是诊断正确率90%。

区分这一点很重要。对AI技术供应商与创业者来说，90%一旦被当成准确率传播，后续的产品定位、合规路径与临床沟通都会建立在一个错误的前提上；对投资人而言，这项研究真正交付的也不是疗效证据，而是一份关于流程可行性的早期信号。

开场：就诊前先跟AI聊一轮，然后才见医生

研究的设计改变了问诊的时序。患者在自己常规就诊之前，先与AMIE进行一次对话式采集，系统据此生成一份摘要交给接诊医生。100名成人完成了这一环节，98人按时赴约，脱落很少。

这个时序安排本身就是产品假设。传统流程里，病史采集与鉴别诊断假设的构建发生在诊室内、由医生主导，时间被压缩在几分钟之内；把采集前置到就诊之前，理论上能让医生带着更完整的材料进入面谈。可行性研究要回答的第一层问题，就是患者愿不愿意配合、流程能不能跑通。100人中有98人按时赴约，说明这一层的阻力不大。

但可行性不等于有效性。研究没有设置对照组，且为单中心，因此它不能回答加入AMIE之后诊疗质量是否优于常规流程。对创业者来说，这个区别决定了成果能支撑什么级别的宣称：可以说这条路走得通，不能说这条路走得更好。

90%在什么范围内成立：前7位、前3位、第1位

核心结果的口径必须完整展开。AMIE给出的鉴别诊断列表中，包含最终诊断的比例为：前7位90%、前3位75%、第1位56%。三个数字是同一份列表上的不同截取点，缺一不可。

90%的语义是，在绝大多数病例里，正确诊断至少出现在AMIE列出的前7个候选之中。它衡量的是候选列表的覆盖能力，而不是系统给出唯一答案时的正确性。若以首位命中计，比例为56%，这个数字更接近用户对诊断AI的直觉期待，也是三者中最保守的一个。从90%到56%的下滑说明，列表的排序质量弱于它的召回能力：答案常常在榜上，但位置不够靠前。

对产品定位来说，这组数字指向的是辅助角色而非替代角色。一个能把正确诊断送进前7位的系统，适合被用来提醒医生考虑被忽略的可能；一个只有56%概率把正确诊断放在首位的系统，不适合独立给出结论。最终诊断由就诊后8周病历回顾确定，其中46名患者的最终诊断经化验或影像确认，这一定义方式也说明结果衡量的是与回顾性结论的一致性。

0例叫停：别忘了全程有人盯着

安全性结果被表述为0例触发预设的安全叫停。这个数字的前提必须写明：每一次交互都有医师通过实时视频加屏幕共享全程监督。换句话说，这不是无人值守条件下的安全性，而是有人在场且可随时介入条件下的安全性。

这个前提改变了结论的外推范围。在有监督的设置下，0例叫停说明的是原型系统在医生眼皮底下没有出现需要立即中止的情形；它不能说明系统在患者独自使用时同样安全。对技术方来说，真正的工程难点恰恰在于把监督撤掉之后怎么办，而这一步研究没有测。

还有两项能力边界需要同时说明。AMIE没有电子病历访问权限，也不能进行体格检查。前者意味着它看不到既往病史、用药与检验结果，只能依赖对话中获取的信息；后者意味着它缺失了诊断过程中最基础的信息来源之一。因此这项研究展示的能力，是在信息受限条件下取得的，这既说明对话式采集有一定补偿作用，也说明它离完整诊疗还很远。

75%的医生说有帮助，但方案还是医生的更实用

医生侧的反馈是这项研究里最接近真实工作流的部分。75%的医生认为AMIE生成的摘要有助于接诊准备，超过半数的病例中AMIE影响了医生的诊疗思路。这两个数字说明产物是可用的，至少没有成为负担。

需要说明的是，有助于准备并不等于改善临床结局。研究测量的是医生的主观评价与思路变化，没有测量诊断准确率、住院率、再就诊率或患者报告结局。75%是一个接受度指标，挂在它后面的任何疗效推论都缺少数据支撑。

盲法评估提供了另一半信息。在鉴别诊断质量、诊疗方案适当性与安全性上，AMIE与医生之间没有显著差异；而在方案的实用性与经济性上，医生方案被评为更优。这个组合值得琢磨：生成候选的能力已经接近，落地执行的能力还差一截。原因可能与信息受限直接相关，没有病历与查体，方案自然难以贴合具体患者的支付能力、依从性与本地资源。对创业者而言，这是一个明确的产品方向：差距不在诊断脑力，而在上下文。

冷静观察：无对照、单中心，这一步测的是可行性不是疗效

先把没有的部分列出来。研究无对照组、单中心，因此不存在与常规流程的效应比较；样本量为100名成人，规模小，亚组分析几乎无从谈起；安全性数据只以0例叫停的形式呈现，未披露预设叫停标准的具体条目与触发阈值；最终诊断依赖8周病历回顾，回顾本身可能存在偏倚，且46名患者之外的病例诊断确定性较低；AMIE的模型版本、提示策略与更新记录未获取；患者招募窗口与研究结束时点未披露。

还需要标注来源边界。报道页datePublished实测为2026年10月8日，thelancet.com返回403未能打开原文页，本文依据报道页信息撰写，若原文可及，应对统计口径再核一次。

综合来看，这项研究的产出是一份可行性证据。它证明了让患者在就诊前与对话式AI交流、并把结果交给医生这一流程能够运行，且在全程医师监督下未出现需要叫停的情形。它没有证明这个流程让患者更好。

接下来该追问的是四件事。其一，对照组研究何时开展，以及会选择什么终点，若终点仍是鉴别诊断一致性而非患者结局，结论的外推仍然有限。其二，在撤除实时监督后，用什么机制替代医师介入，安全叫停标准将如何被工程化。其三，接入电子病历与查体数据后，方案的实用性与经济性评分能否追平医生。其四，100人规模的结论在多中心、多语种与不同就医人群中是否稳定。这四件事落地之前，90%应被读作一个有明确口径、有明确前提的早期信号，而不是一张通向临床部署的通行证。

原文链接：The Lancet（经 Superpower Daily 报道页核实）

千方医数集编辑部 出品