一套 AI 辅助就医的实操方法
背景
看到一个帖子，讨论了帖主爱人车祸+尾椎骨囊肿带来的大小便障碍病例，由于需要神经外科 + 骨科（脊柱/骨创/骨肿瘤）+ 泌尿科三线协同，最后跑了 4 家医院、13 个医生，但得出的意见完全矛盾。其中暴露出了当下医疗的重要问题：
- 专科过度细分 → 每个科室只认自己那块，超出范围就推人
- MDT 不对外开放 → 需要多科协作的患者在门诊阶段根本没路径
- 分诊形同虚设 → 导医台不懂分诊，社区医院扛不起筛选职能
- 医生没时间解释 → 5 分钟流水线，患者只能自己当搬运工
好在帖主是个科技从业者，在过程中与 AI 进行多轮交互，让 AI 来作为"分诊中枢"的角色，最终实现清洗数据、投喂论文病例、提取关键指针、建立病情数据库。最终 AI 给出的保守观察 + 神经康复路径，与顶级神外专家的判断高度吻合。
这里把整个过程提炼一下，也作为一个参考。
AI 辅助复杂病症就医的步骤
1. 建立病症认知
目的： 完成自身病情的初步定位。不是泛泛了解这个病，而是判断"我的情况大概属于哪种、什么阶段、最吻合的案例是怎么治的"。否则医生说什么你都只能被动接受，无法判断对错、无法有效提问。
做什么：
- 将疾病名称、症状关键词、影像报告喂给 AI，获取结构化的疾病定义和病理机制
- 将近 10-20 年的相关论文、病例报告喂给 AI，筛选与自身症状高度吻合的案例
- 让 AI 输出：你属于哪种类型、什么阶段、最吻合案例的治疗路径和预后结果
- 同步提取关键风险点和时间窗口
产出： 一份"病情定位报告"——包含：你的病情分型判断、3-5 个最吻合案例摘要、关键风险和时间约束
注意：
- 论文来源必须标注（作者、年份、机构），没有来源的结论等于没说
- 人种、地域等因子先作为变量投喂，验证是否影响结论后再决定权重
- 输入用关键词而非自然语言，降低 AI 输出的模糊性
参考提示词：
"检索 [时间范围] 关于 [疾病+并发症] 的病例报告和论文。将以下信息与文献照合：[影像报告要点、症状关键词、检查结果]。输出：1）我的病情分型判断；2）最吻合的 3-5 个案例，附作者、年份、治疗方式、预后；3）关键风险点和时间窗口。"
2. 确定初步治疗方案
目的： 带着明确的判断去和医生对话，而不是空手问"我该怎么办"。让 AI 输出可选路径的横向对比，作为你验证医生建议的参照物。
做什么：
- 基于第一步的定位报告，让 AI 输出 2-3 种可选治疗路径
- 每种路径列出：适应症条件、主要风险、预期恢复周期、大致费用区间
- 结合自身情况（年龄、基础病、经济条件）给出匹配度排序
- 看医生时带着这份对比表，直接问："我认为应该走 A 路径，理由是 X，您怎么看？"
产出： 一份"方案对比表"——几种路径的横向对比，附带初步推荐和理由
注意：
- AI 给出的是参考，最终决策必须和医生确认
- 如果医生的建议和 AI 方案有出入，追问理由——可能是你遗漏了某个权重因子，也可能是医生的惯性判断
- 同时明确"红线清单"：哪些做法绝对不能踩、哪些时间窗口必须卡住
参考提示词：
"基于以下病情定位：[第一步产出摘要]，列出 2-3 种可选治疗路径。每种路径包括：适应症条件、主要风险、预期恢复周期、大致费用区间。按与我情况的匹配度排序。同时列出应规避的禁忌事项和必须关注的时间窗口。"
3. 匹配科室与医生
目的： 知道该怎么治了，找到能执行的人。专科越细分，找对人的难度越大，需要精准匹配方向而非盲目挂专家号。
做什么：
- 确定所需科室（可能跨多个，尤其是复合型病情）
- 让 AI 按专科方向筛选目标医院和医生
- 核实医生履历、论文方向、擅长领域与你的病情匹配度
- 如需多科室协作，优先找有能力组织会诊的资深专家
产出： 一份"就医行动计划"——按优先级排列的医生名单，附带挂号信息和就诊准备事项（带上前两步的产出）
注意：
- 专家号 ≠ 一定靠谱，关注的是方向匹配度而非头衔
- 跨科室病情不要一个科室一个科室轮着挂，优先找能牵头会诊的人
- 看医生时带上病情定位报告和方案对比表，10 分钟内高效沟通
- 如需 MDT（多学科会诊），提前确认该医院是否对门诊开放
参考提示词：
"[城市]地区擅长 [疾病方向] 的 [科室] 专家，列出姓名、医院、擅长方向、是否有相关论文发表或学术成果。按与我病情的匹配度排序。"
工具与平台推荐
帖主使用了 Hermes 来完成相关任务，作为一个 Agent 框架，实现了：
- 论文采集 + 去幻（让 AI 自己 review 真实性） + 数据清洗
- 自建工具，开发了一个排尿排便自动记录应用——他老婆事后拍马桶照片，结合 vision 模型自动分析：标记时间、色泽、估算尿量，其他信息（是否用力、疼痛感、开塞露辅助等）通过语音录制和选框入库
当然我觉得现在也有一些专业的医疗垂直领域的产品，可以在整个任务流程中承接一部分任务：
| 产品 | 厂商 | 核心能力 | 特点 |
|---|---|---|---|
| 蚂蚁阿福 | 蚂蚁集团 | 体检报告解读、症状问诊、健康问答、就医协助 | 月活1500万，国内第一大健康管理AI App，支持拍照识别体检报告 |
| 氢离子 | 阿里健康 | 循证医学问答，直连BMJ等70+本顶刊 | 四层结构化推理（PICO+GRADE），被称为"中国版OpenEvidence"；目前免费；300人专家团背书 |
| 华佗GPT | 港中文（深圳） | 症状问诊、分诊建议、健康咨询 | 深圳龙岗11家公立医院部署，累计交互超100万次；首个垂直医疗大模型 |
| 平安芯医 | 平安健康 | 7×24在线问诊、报告解读、用药提醒 | 名医数字分身，由真实医生形象和知识训练 |
总结与展望
医疗服务正如市面上其他服务一样，总会因为信息差、地理限制、供应不足等因素，导致患者无法获得充足的支持。这并非中国的特例，放在国外也一样。
AI 的介入让普通人第一次能快速获取和处理更复杂的信息，在花费足够多时间、做过充分调研后，甚至有机会逼近医生的判断水平。能够带着明确的判断底稿去和医生对话，这显然是有极大意义的。
实际上这套方法的价值不只在诊断阶段——术后康复、运动康复、慢病管理等需要长期跟踪的场景同样适用，核心都是用结构化的数据追踪替代主观感受，用论文证据辅助方案判断。
当然 AI 无法兜底，它不承担责任、幻觉问题未根治、无法复现医生的临床直觉。正确的姿态是——AI 负责信息武装、医生负责专业判断、患者负责最终决策，三者缺一不可。