患者问医生：为什么AI说的跟你不一样？AI时代，癌症患者究竟该怎么看病？

近日，一张医院门诊的“告示”，在网上引发了不小的讨论。

告示上写着：“已经在豆包获得诊断的患者，请勿再向我们寻求意见，请改向千问或者元宝咨询。”

（来源：澎湃新闻）

后来，媒体证实，这不过是一张网友制作的恶搞图片，并不是真实的医院公告。

一场玩笑，却让不少医生和患者都笑出了几分苦涩。因为类似的对话，正在越来越多的诊室里发生：

• “医生，豆包说这种情况不一定要手术。”

• “我问了ChatGPT，它说还有一种新药，您为什么没给我用？”

• “您说这个病没办法根治，可人工智能告诉我，美国已经有新的治疗方法了……”

如果把时间倒退十几年，很难想象这样的场景。那时，医生与患者之间横亘着一道巨大的知识鸿沟。患者拿着检查报告，面对满纸陌生的医学术语，常常连该问什么都不知道。

如今，只要打开手机，把病理报告、影像结果输入人工智能，几秒钟后，一份条理清楚、术语专业、甚至附有医学论文的分析就出现在眼前。

它不嫌你问题多，不会因为门诊时间到了而结束对话。你听不懂，它可以再讲一遍；你不放心，它还能列出更多治疗选择。

对那些突然被癌症击中、整夜辗转难眠的患者和家属来说，这种帮助并不虚幻。问题是，当人工智能越来越像一位知识渊博的医生，我们是否也越来越容易忘记：能够解释一种疾病，与能够为一个具体的人作出正确的治疗判断，终究不是一回事。

尤其面对癌症这样复杂、风险又如此之高的疾病，这个区别，有时关乎一个人的余生。

美国有一位名叫丽兹·萨尔米（Liz Salmi）的女性。29岁那年，她被诊断出恶性脑肿瘤。

丽兹·萨尔米（来源：OpenNotes）

从确诊到此后漫长的治疗与随访，疾病几乎贯穿了她整个成年生活。为了理解自己的病情，她不仅持续关注医疗信息，还逐渐成为一名患者权益倡导者，参与医疗记录开放和患者知情权相关工作。

可以说，她既是一位经历丰富的癌症患者，也是一位相当熟悉医学信息系统的人。她曾经把自己长达4839页的历史病历整理出来，交给自己创建的人工智能工具。

这是怎样的一份资料？里面记录着多年来的检查、诊断、用药、治疗以及各种医疗记录。对于普通人来说，别说逐页阅读，光是整理出一份清晰的治疗时间线，恐怕就要耗费大量精力。

而人工智能展示出令人惊喜的一面：当医生询问她上一次认知功能评估是什么时候时，人工智能很快就从庞大的资料中找到了正确日期。过去需要反复翻阅病历、核对记录才能完成的事情，现在可能只要几秒钟。

然而，2026年1月，当萨尔米受邀试用新推出的ChatGPT Health健康功能时，她遇到了另一番情形。

为了让系统尽可能了解自己，她尝试连接三家医疗机构的电子病历，并上传了数千页历史资料。结果却不尽如人意：

• 一家医疗机构的数据连接成功，另一家出现同步错误，还有一家迟迟没有完成读取。

• 上传的历史病历文件，也未能被系统稳定识别和调用。

• 在最初的测试中，这套系统甚至没能从已获取的结构化医疗数据中，可靠地识别出一个极其重要的事实：眼前这位用户，是一名长期与脑癌共处的患者。

萨尔米并没有因此否定人工智能。事实上，她也记录了这套工具在分析健康监测数据等方面的可取之处。后来随着数据重新连接，一些问题也有所改善。

但这次经历暴露出的隐患，值得每一位癌症患者认真思考——我们很容易产生一种错觉：既然把病历上传了，人工智能就应该已经了解我的病；可真实的医疗判断远比读取一份报告复杂。

一位肺癌患者，病理报告上写着“肺腺癌”，对医生而言，这往往只是进一步判断的起点。肿瘤处于什么分期？有没有发生转移？是否存在具有治疗意义的基因变异？此前接受过哪些治疗？为什么停药？现在的体力状况和肝肾功能能否承受新的方案？这些问题，任何一个都可能改变接下来的治疗选择。

即使同样患有肺腺癌，两个患者的最佳治疗方案也可能截然不同。一个人可能适合手术，另一个人可能需要先接受药物治疗；同一种靶向药，对具有特定基因变异的患者可能有效，对另一些患者却未必适用。

更微妙的是，病历里还藏着大量无法仅凭一张检查单还原的临床背景。

一种药为什么停用？是已经耐药，还是副作用难以耐受？一次影像检查中病灶略有增大，究竟意味着肿瘤进展，还是需要结合治疗时点重新判断？这些问题，不仅需要资料，更需要对资料的核实、比较和临床解释。

人工智能可能把已经获得的信息分析得头头是道，却未必知道自己究竟漏掉了什么。而这恰恰是它最容易让人放松警惕的地方：错误的答案未必显得荒唐，有时候，它甚至比正确答案更完整、更流畅、更令人信服。

因此，患者使用人工智能分析病情时，真正应该追问的，不只是“它回答得对不对”，还包括：

• 它究竟读到了哪些资料？

• 引用的研究是否真实？

• 有没有忽略某段重要的治疗经历？

• 那些看似针对个人的建议，实际上是不是从一般医学知识中推导出来的？

如果这些问题没有厘清，再漂亮的分析，也不足以成为改变治疗方案的理由。

如果说萨尔米的经历让我们看到人工智能的局限，那么另一位美国科技创业者的故事，则展示了它的另一种可能。

这位创业者名叫席德·西布兰迪（Sid Sijbrandij），是软件科技公司GitLab的联合创始人。

GitLab联合创始人席德·西布兰迪

（来源：McKinsey & Company）

2022年，他被确诊患有骨肉瘤，肿瘤位于胸椎。这是一种起源于骨组织的恶性肿瘤。对于位于脊柱这样特殊部位的病灶，治疗往往更加棘手：既要考虑如何控制肿瘤，又必须顾及脊髓、神经等重要结构。

此后近两年，他接受了手术、放疗、化疗及其他治疗尝试，但肿瘤仍然复发，常规治疗选择逐渐耗尽。

面对困境，这位习惯了用技术解决问题的创业者，决定尝试一套不同寻常的方法：他把大量检查数据、医学文献和治疗信息汇集起来，利用ChatGPT辅助整理分析，寻找值得进一步研究的线索。

人工智能可以帮助他迅速梳理复杂的生物学信息，比较不同研究结果，提出新的问题，甚至辅助形成待验证的治疗假设。

但真正值得关注的，并不是他让人工智能做了多少事，而是那些人工智能没有替他做的事：据2026年8月OpenAI Academy公开的案例介绍，西布兰迪与医生、研究人员及专业实验室密切合作，将人工智能帮助整理出的研究线索交给相关专家进一步评估，并通过专业医疗和科研资源推动后续工作。

他的抗癌过程并非在聊天窗口里完成。一次新的检测结果出来，意味着还要判断数据是否可靠；一种新的治疗思路出现，意味着还要研究其科学依据、潜在风险和实际可行性。从提出假设，到确认有没有临床实施的可能，再到真正用于患者身体，中间隔着的可能是大量专业研究和医疗决策。

后来，他接受了包括靶向放射性治疗、手术在内的治疗。公开材料介绍，在后续检查中未发现可检测到的肿瘤迹象，但他仍需继续接受监测。

应当强调，这是一位拥有特殊专业资源和研究条件的患者的个人经历，不能据此认定ChatGPT治愈了他的癌症，更不能认为普通患者能够照搬这条治疗路径。

不过，这个故事最值得普通患者借鉴的地方，也恰恰不在于他掌握了多少资源。即使是如此懂技术、如此善于使用人工智能的人，也没有把人工智能生成的治疗建议直接当成医疗决定。

他利用人工智能提升寻找信息、整理研究和提出问题的效率，再让专业人员对这些信息进行验证，最后通过实际的医疗体系推动治疗。——这才是一种更值得重视的使用方式。

对普通癌症患者而言，人工智能同样可以是一位非常出色的医学知识助手。它可以解释陌生的病理术语，帮助梳理治疗经过，整理复诊时需要向医生提出的问题，也可以帮助患者初步了解国际上有哪些正在研究的新疗法。

尤其当患者遇到复发、耐药，或者不同医生给出明显不同的意见时，人工智能能够帮助他们看到原本不容易接触到的信息。

但是，看到一种治疗方法，并不意味着这种方法适合自己。

一项临床试验显示某种药物“有效”，究竟意味着什么？可能意味着部分患者的肿瘤缩小了，也可能意味着疾病进展的时间得到延长；它未必意味着治愈，更不意味着所有患有相同癌症的人都能获益。

而且，研究中的患者往往需要满足严格的入组条件。癌症类型、疾病分期、基因变异、既往治疗次数，甚至某些血液检查指标，都可能决定一个人是否适合接受某种治疗。

医学研究告诉我们的，通常是某种治疗对特定患者群体有什么效果。临床医生需要回答的，却是一个更加具体、也更加困难的问题：眼前的这个人，在目前的病情和身体条件下，是否值得接受这种治疗？

前一个问题，人工智能可以帮我们寻找证据。后一个问题，仍然需要专业医生作出个体化评估，并与患者共同决定。

人工智能越来越普及以后，医患关系也在悄然发生变化。

（来源：AI原创生成）

过去，患者不懂医学，只能把大部分判断交给医生。如今，一些患者带着人工智能整理出的药物清单、医学论文和治疗建议走进诊室，甚至比医生更早知道某项刚刚公布的研究。

这未必是坏事。

医学知识不应该成为少数人的特权。患者了解自己的疾病，知道有哪些治疗选择，敢于向医生提问，本来就是现代医疗进步的一部分。

何况，医生也不是无所不知的。肿瘤医学发展得很快，新药、新技术和新的临床研究不断出现。即使经验丰富的专家，也有各自擅长的疾病领域。对于某些罕见肿瘤、复杂病例，或者已经经历多轮治疗的患者，不同医生确实可能提出不同的治疗思路。

因此，问题从来不是患者该不该质疑医生。真正的问题是：当医生的意见与人工智能的回答不一致时，我们究竟应该如何判断？

假设一位肺癌患者正在接受靶向治疗。复查后，医生建议暂时维持当前方案。但患者向人工智能询问，得到的回答是：某款新药已经在相关研究中显示出良好效果。

患者不禁困惑：既然有更先进的药，为什么医生不让我用？

这其实是一种很容易理解的心理。对于癌症患者，尤其是经历过复发和耐药的患者来说，每一款新药，都可能承载着延长生命的希望。谁都不愿意因为信息不够、医生不知道，错失本来存在的治疗机会。

但此时，最有价值的提问，不是“人工智能都说应该换药了，您为什么还不换？”

而是和医生认真讨论：

• 这款新药针对的是哪一类患者？

• 相关研究涉及的疾病阶段、基因特征及既往治疗情况，是否与自己相符？

• 目前的治疗是否已经失效？

• 如果现在换药，预期收益和风险分别是什么？

这两种问法，看似相近，结果却可能完全不同。

前一种是在要求医生接受一个已经形成的结论。后一种，才是在邀请医生共同分析一个值得研究的治疗选择。

美国MD安德森癌症中心曾专门发布文章，提醒癌症患者谨慎使用人工智能查询医疗信息。该中心的专家指出，人工智能可能生成流畅而肯定的回答，却无法保证内容始终正确。

即便给出了论文或网页链接，患者也应该查看原始来源，并向治疗团队核实信息是否适用于自己的具体病情。

美国MD安德森癌症中心医患交流场景

（来源：医院官网）

原因很简单：在医学上，有出处，不等于有结论；有研究，不等于有适应证；有希望，也不等于值得立即尝试。

更不能把几个不同人工智能工具的回答，当作一场特殊的“专家会诊”。

如果豆包、ChatGPT和其他人工智能都推荐同一种治疗，就意味着这个方案更加可靠吗？未必。不同人工智能可能使用相似的公开资料，也可能重复同一项研究的局限。如果输入的病历本身不完整，它们完全可能在同样的信息缺口上，得出相似的判断。

医疗决策不是投票。三个答案一致，也不能代替一次真正的专业诊疗。

那么，患者究竟应该怎么办？

在重大治疗选择面前，一个值得充分利用的办法，是寻求第二诊疗意见。

这不是对原主治医生的不尊重，更不是要在两位医生之间选出一个输赢。

美国国家癌症研究所对第二诊疗意见的解释很明确：由另一位医生在审阅患者医疗记录的基础上，对诊断和治疗方案进行评估。这种评估既可能确认原来的方案，也可能提出不同意见或其他治疗选择。

它的价值在于，让患者有机会重新检查那些真正可能影响治疗方向的问题。

例如，病理诊断是否明确？影像检查是否需要重新解读？现有方案是不是已经充分考虑了重要的治疗选择？不同意见究竟来自证据差异，还是医生对治疗风险与收益的权衡不同？

对于复杂的肿瘤病例，有时还需要肿瘤内科、外科、放疗科、病理科、影像科等不同专业的医生共同参与评估。

值得注意的是，第二诊疗意见也不意味着意见越多越好。如果几位专家给出了不同方案，患者需要的是理解分歧背后的医学依据，而不是继续寻找一个自己最喜欢的答案。因为真正成熟的医疗决策，除了判断哪种治疗可能带来最大收益，还要认真讨论治疗可能付出的代价。

延长生存时间与维持生活质量之间，应该如何权衡？一种治疗可能带来更高的肿瘤控制概率，却伴随着明显的副作用，患者是否愿意接受？如果需要长期住院、反复奔波，个人和家庭能否承受？

这些问题没有放之四海而皆准的标准答案。医生可以解释风险，研究能够提供证据，人工智能也可以辅助理解。但最终，患者自己的生活、意愿与价值选择，同样应该在治疗决定中占据重要位置。

今天的癌症患者，正身处一个前所未有的信息时代。

（来源：摄图网）

过去，患者想了解某种国外新药、新技术，可能连名字都不知道。如今，只需向人工智能输入自己的癌症类型，短短几十秒，就可能得到一份包含国际治疗指南、药物研究、知名医院和临床试验的清单。

那些过去被语言、地域和专业知识阻隔的信息，正在以前所未有的速度进入普通人的视野。但与此同时，一个新的难题也越来越突出——当各种治疗信息铺天盖地而来，患者反而更难判断：究竟哪条路才适合自己？

一位已经经历多次化疗的患者，从人工智能那里了解到美国正在开展某项新药临床试验。对他而言，这无疑是一条令人振奋的消息。但接下来呢？

这项试验是否仍在招募患者？自己的癌症分型是否符合要求？既往使用过的药物会不会影响入组资格？身体状况是否满足条件？试验是否接受国际患者？需要准备哪些医学资料，应该联系哪家研究中心？

即便这些条件都满足，也还有一个更根本的问题：参加这项试验，与继续接受现有治疗相比，究竟是否值得？

人工智能可以帮助查找这些问题的部分答案，却无法仅凭一次对话，完成病理复核、临床评估、试验资格确认和实际就医安排。

而对于癌症患者，尤其是病情正在进展的患者来说，时间和精力都格外珍贵。最令人疲惫的，往往不是没有信息，而是在大量信息之间辗转奔波，却迟迟不知道下一步究竟该做什么。

也正是在这个意义上，人工智能的发展非但没有削弱专业医疗服务的价值，反而让某些能力显得更加重要。

过去，医疗服务的一部分价值，在于帮助患者找到原本接触不到的专家和信息。未来，仅仅告诉患者“世界上还有哪些医院、哪些新药”，已经远远不够。

更重要的是，能够根据患者完整的医疗资料，找到真正对口的专业团队，对关键诊断和治疗选择进行核实，帮助患者理解不同方案的医学依据，并在确有必要时，将可能的治疗机会转化为实际可行的就医路径。

这也是盛诺一家长期参与重大疾病国际医疗服务过程中，一直在尝试解决的问题。

对于诊断存在疑问、治疗方案出现明显分歧，或者病情复发、耐药后需要进一步寻找治疗选择的患者，盛诺一家可以协助整理医疗资料、匹配相关领域的国际专家，通过远程咨询或第二诊疗意见，帮助患者更充分地了解病情和治疗选择。

如果后续确有海外就医的必要，再进一步协调医院、专家和就医安排。

这类服务的价值，不在于保证海外医生一定正确，也不在于承诺任何一种新疗法能够带来奇迹。而在于帮助患者尽可能减少信息盲区，让重大医疗决定建立在更加充分、更加专业的评估基础上。

盛诺一家创始人蔡强就曾在访谈中提出：面对重大疾病，就医也需要做“尽职调查”。

盛诺一家创始人、董事长：蔡强

“尽职调查”原本是商业领域常用的概念，放在癌症治疗中却非常贴切。

一家企业作出重大投资前，需要了解真实情况、评估风险、核实关键证据。而一个癌症患者即将接受手术、改变治疗方案，甚至远赴海外寻找新的治疗机会时，又何尝不需要类似的审慎？

当然，医疗决策不是商业投资。它更复杂，也更无法用简单的收益计算来衡量。但有一点相通：越是重要且难以逆转的决定，越应该把那些可能改变结果的问题尽量查清楚。

如果现有方案已经充分、合理，当然没有必要为了追求所谓“国际先进”而舍近求远。但如果海外确实存在值得进一步评估的治疗选择，也不应仅仅因为患者不知道、没有渠道，就轻易错过。

决定一个患者医疗质量的，不应只是他知道多少种治疗方法，更应该是他能否获得与自身病情相匹配的专业判断和医疗资源。——这也是人工智能再强大，都无法仅靠一段文字回答替代的部分。

几十年前，很多癌症患者最大的无奈，是不知道还能去哪里、还能找谁、还能尝试什么。

今天，越来越多的人有了另一种困扰：知道得越多，反而越不知道应该相信什么。

人工智能改变了医学信息的传播方式，却没有改变疾病本身的复杂性。它可以在几秒钟内阅读大量文字，却不能因此保证理解一个人全部的病情；它可以找到世界各地的前沿研究，却无法保证研究中的治疗适合眼前这位患者。

更重要的是，屏幕上的建议不需要承担治疗后果，现实中的医疗决定却可能影响一个人的生命、身体和家庭。

（来源：MD安德森癌症中心官网）

所以，患者没有必要在医生与人工智能之间选边站。人工智能提供了一种新的学习工具，医生则拥有临床经验、专业训练以及开展实际诊疗所必需的条件与责任。两者各有价值，也都应该接受必要的核实与检验。

善用人工智能，并不是让它替自己选择医生、否定医生，而是让自己有能力带着更清楚的问题，与医生展开一次更有质量的对话。

对癌症患者来说，最珍贵的从来不是一个听上去无比肯定的答案。而是在充满不确定性的治疗道路上，有足够可靠的医学依据，有值得信任的专业支持，也有机会真正理解并参与那些关乎自己命运的决定。

毕竟，患者走进医院，不是为了证明谁更聪明、谁更正确。而是为了把病看明白，把治疗的路走对。