OpenAI健康负责人Karan Singhal：每周3亿人问健康，AI能做什么

“想约上一位专科医生，有时候得等好几个星期，甚至好几个月。弄明白怎么挂号、怎么排时间，又要耗掉不少精力。折腾一大圈，进诊室可能只谈15分钟，出来才想起还有6个问题没问。”

这是OpenAI健康板块负责人Karan Singhal在一场访谈里描述的场景。美国医疗资源算发达，患者照样躲不开这些麻烦。何况一次门诊结束，需求并不会跟着消失。

两次就诊之间，患者还得看懂检查结果，判断下一步该做什么。Karan透露，每周有超过3亿人用ChatGPT问健康相关的问题。

对OpenAI来说，这既是巨大的需求量，也是一份责任。AI不能只停留在“提问—回答”，它要一步步变成持续在线的健康助手，将来还要帮医生识别潜在风险、对接医疗服务，让人更早察觉身体的变化。

但这条路还很长。怎么让各方建立信任、怎么嵌入真实的医疗流程、怎么证明技术确实改善了健康结果，都是绕不开的难题。

围绕这些话题，访谈聊到了OpenAI对个人健康助手的构想、AI怎样充当医生的辅助工具、医疗机构如何把模型接进工作流，以及AI加快医学研究的可能。

访谈的核心观点是：OpenAI取代不了医生，它想做的是让可信的医疗智能像基础设施一样铺开，把人类健康的下限和上限一起抬起来。下限，指医疗智能免费或低成本地普及；上限，指做成过去做不到的事。

看病不止15分钟，更不止于门诊

Karan讲了一个让他印象深刻的真实案例：播客主持人Nathan Labenz的儿子出现过持续疲劳、易怒等症状，靠着AI，Nathan慢慢意识到孩子的情况可能比想象中严重。

后来孩子确诊为一种侵袭性白血病。整个就医过程中，Nathan经常用GPT-5 Pro帮忙理清诊疗过程、看懂化验报告；有时候医生还没来得及解读，AI已经先给出了帮助。

这个案例让Karan看到AI在医疗过程中的价值：患者需要的健康支持贯穿整个就医过程，两次就诊之间尤其如此。人们会找ChatGPT问健康疑惑、理解检查结果、准备就诊时要问的问题，也会回顾医嘱。Karan认为，AI能帮人们更好地应对这些环节，把健康支持延伸到诊室之外。

主持人问：OpenAI为什么拿通用模型做医疗智能的基础？

Karan参与过专用模型的开发。在他看来，通用模型的好处是能持续吃到前沿模型在规模、智能和推理能力上的进步，而医疗领域的专业训练又能进一步强化模型处理健康问题的本事。“我们所做的，其实是在通用模型中进行专业化训练。在我看来，这恰恰能兼取两者之长。”

过去一年，OpenAI在ChatGPT模型训练的各个阶段都加入了专门的医疗数据，其中也有和全球医生合作得到的数据。Karan说，单独训一个规模小、只面向医疗的专用模型，很快就会被前沿模型甩在后面。OpenAI的做法是把专业训练和通用模型的持续迭代绑在一起，同时让评测和训练数据进入模型改进的流程。

顺着这个思路，OpenAI正在摸索一种更进一步的产品：主动式个人健康助手（proactive personal health assistant）。“让健康服务越来越个性化，也越来越主动。”

主持人提出，AI能不能帮患者约医生、确认保险覆盖范围、跟进出院后的治疗计划，甚至处理医疗账单？

Karan说这正是他期待的。个人健康助手的下一步，就是替用户打理就医过程中那些繁琐、分散的事务，让AI出现在诊前、诊中、诊后全流程。

OpenAI也在尝试让用户接入自己的健康信息，好让ChatGPT结合个人情况给出更有针对性的支持。隐私同样要守住，Karan表示这些健康信息不会被拿去训练模型，也不会用于广告定向。

Karan强调，个人健康助手替代不了医生，也无法独立包揽医疗服务的全部内容。OpenAI想做的是帮用户更好地获取健康信息、应对就医过程，与现有医疗服务体系配合起来。

不替医生做决定，只给诊疗加一道“安全网”

AI在患者端的应用已经不新鲜，那在医生端，它能不能帮医生发现容易漏掉的风险？

Karan对这个问题很感兴趣。他把这种能力比作患者和临床医生身边的一道“安全网”。

“我很中意这个思路：患者也好，临床医生也好，在整个就医过程里它都在场，却不会随时介入，更不会成为夹在中间的隔阂；它真正起的作用，是把现有的体验做得更足、更完善。”

Karan介绍，团队曾和Penda Health合作做了一系列实验，研究临床医生辅助系统（Clinician Copilot）的应用。这类工具在工作中起提醒作用，帮医生留意可能遗漏的信息，给临床判断多加一层核查。

与Penda Health联合开展的实验中，AI发现部分临床场景有抗生素滥用苗头。这不只关乎眼前这位患者的治疗，还牵动抗生素耐药带来的更大公共卫生风险。AI在这里的价值也就更清楚了：帮医生看到平时容易漏掉的规律。

Karan点出医学判断里一个绕不开的难处：同一个问题，不同医生给出的意见可能不一样。他的说法是：“如果你问五位医生同一个问题，可能会得到八种不同的答案。”

为此，OpenAI搭建了一个专业网络，全球数百名医生参与其中，覆盖数十个医学专科，也涵盖不同语言和不同国家的临床实践。专家反馈被用来完善训练数据和评估标准，医学判断存在分歧的情形是重点关注对象。

其中关键，Karan用一句话说清了：“在医疗领域，一切都要以信任建立的速度向前推进。”

一项新研究成果从被发现到走进日常诊疗，通常至少要5到17年。OpenAI想压缩的是这个过程中获取信息的环节。医生接诊时查最新医学文献能更方便，给诊疗判断多一份参考。门诊一次只有几分钟，更快找到相关研究证据，翻资料的时间就能省下不少。

这些能力要真正落到日常诊疗里，医院内部信息割裂的问题得先解决。病历、检查结果、诊疗记录散落在不同系统中，OpenAI正与Epic等医疗信息系统合作，探索让医护人员在自己熟悉的工作环境里直接用上ChatGPT。

那这些变化到头来能给患者带来什么？主持人抛出一个很实际的问题：患者和医生都在用AI处理各自的问题，等双方真正坐到一起，还该谈些什么？

Karan的回答是：“我希望，他们能够更多地谈论医疗中属于人的那一面。”

他接着讲了医疗中的不确定性、医生的共情能力，还有床边关怀和面对面交流的分量。AI作为医生“安全网”的另一层意思也在这里：帮医生把诊疗准备得更充分、把信息核查到位、把医学证据找齐，医生就能腾出更多精力放在患者身上。

警惕医疗的AI偏信主义

国内用豆包、蚂蚁阿福等AI咨询健康问题的人越来越多，“安全网”这个设想已经进入日常生活。

贵州网友刘先生前不久因腹痛住院，消化内科做完全套检查也没找到病因。他觉得情况不妙，联系前妻，希望她来帮自己立遗嘱，以防万一。

随后前妻向蚂蚁阿福咨询，阿福提示症状高度指向致命的肺栓塞。两人马上拿着提示去医院沟通，院方随即安排手术，刘先生脱离了生命危险。

蚂蚁阿福在回应此事时也公布了数据：每天的用户咨询中，阿福大约会发出20多万条立即就医建议，其中5万多条与危重症相关。

还有网友讲了自己的经历：“豆包被不少人吐槽，但它确实救了我爹一条命。那天夜里他突然舌头麻、腿抬不起来，我还觉得不算什么，打算第二天早上再去医院。结果在豆包上一查，显示是脑梗！我们连夜赶到医院，及时做了溶栓，把黄金救治时间抢了回来，到现在我还是感谢豆包。”

能看出来，AI的建议和提醒已经开始介入，患者犹豫要不要就医的那段时间被大幅缩短了。

Karan对个人健康助手的部分设想，蚂蚁阿福已经落地，包括预约挂号、在线问诊和云陪诊…服务。以广州为例，蚂蚁阿福APP里的“穗小伊”已经上线“即问即办”挂号服务。

医生这边也开始在工作中用AI。今年1月，《生命时报》发布了一项调研，全国超500位三甲医院医生参与。

调研结果显示，超七成三甲医生愿意推荐大众使用AI医生，来解决日常基础的健康疑问；62%的受访医生已经在用AI医生辅助自己的工作。

不过新问题也跟着来了。依赖AI的患者越来越多，有人甚至不信医生，只信AI。

患者拿着AI的回答去看病，一旦其中的建议不适合自己的情况，医生就得花时间解释原因、核对信息。要是患者始终认定AI没错，双方还得先把分歧捋清楚，才能谈真正的病情。本意是帮患者理解健康信息的工具，反倒让医患沟通变得更费劲。

复旦大学AI向善与数智养老研究中心、复旦大学附属华山医院全科医学科和上观智库于2026年联合做了一项双端调研，共收回75份医生问卷和143份中老年居民问卷。

调查发现，约七成受访医生在门诊遇到过用AI查询健康信息的患者。医生最担心的AI健康建议风险中，81.33%提到缺乏个体化，73.33%担心AI可能加重患者的误解或焦虑，54.67%担心它会增加医生的解释负担。

患者若真按AI的建议改掉治疗方案，后果可能不堪设想。

10月27日有报道称，亚马逊软件工程师万博文的父母把OpenAI告上了法庭。万博文患癫痫，今年2月去世。起诉书说，她生前用GPT-4o时，模型曾教她一步步减少抗癫痫药剂量，还建议她对医生隐瞒这些调整。家属认定，ChatGPT的这些行为与女儿的死有关。

GPT-4o早前就因过度迎合用户等毛病挨过批评。OpenAI在今年2月13日把它从ChatGPT中下架，而这一天正好是万博文去世的第二天。

这起诉讼把一个问题摆到了台面上：AI一旦真的介入患者实际的用药决定，它能不能准确识别其中的风险？

OpenAI的想法是，让全球医生参与模型的训练和评估，以此提升AI处理复杂医学问题的本事。患者想要的答案跟医嘱打架时，模型应当把安全放在第一位；手头信息不够作出明确判断，就该把不确定性讲清楚。

AI成了人们获取健康信息的重要入口，要建立信任，就得让每一方都明白自己该干什么：患者懂得怎么参考AI的建议，医生能够核查相关信息，AI发现风险时能引导用户及时就医。Karan期待的医疗安全网，正是这个样子。

AI医疗的突破，在诊室之外

访谈前半段，Karan聊的多是AI眼下如何帮患者和医生应付医疗问题。往远处看，他还有两个期待：一是让更多人用更低的成本拿到医疗智能，二是借AI推动医学研究、找出新的治疗方法。

先说医疗成本。

主持人提到，美国一年医疗支出已超过5.3万亿美元，增速远超通胀，怎么让更多人享受到高质量医疗服务，一直是个难题。

Karan的看法是，模型能力在涨，获得医疗智能的成本也会一路往下走。“我们希望，医疗智能最终会像基础资源一样普及。”

但这不代表整个医疗体系的支出会马上降下来。医疗费用里很大一块花在行政事务、文书处理、慢性病管理这些事情上。

所以AI想真帮医疗省钱，就得真正融进工作流，要部署、要规模化，还得在实际应用中证明自己有用。一句话说，就是“更多医疗照护，更少文书工作。”

Karan的另一个期待，落在医学研究本身。

主持人拿AlphaGo的经典一幕打比方：围棋对局中，AI下出令人类专家意外的“第37手”，当时在场观看的人全觉得这手棋蠢得不行。事后回看，它却是一步极有洞察力的妙棋。人类直到现在，才开始理解并学习其中的模式。

主持人接着问：“AI在医学领域能不能带来类似的发现，让科学家看到过去没注意到的规律？”

Karan表示，目前仍处于非常早期的阶段，不过他判断，往后这类案例会越来越多：把一名用户长达十年的纵向健康记录交给模型，让它把电子病历数据、对话数据等信息汇总到一起，进而给出以往看起来做不到的健康与风险预测。在他看来，这样的成果才配得上医疗领域“第37手”这个说法。

这个方向在OpenAI的生命科学布局里已有动作。今年4月，OpenAI推出GPT-Rosalind；9月又介绍了一项用AI寻找新型抗菌分子的研究。生物工程师César de la Fuente的团队用深度学习模型筛选候选分子，并借ChatGPT和Codex帮忙做研究假设、写代码、分析数据。

10月20日，OpenAI宣布收购Orchestra Bio。这家公司专帮生物制药团队协调药物开发流程。OpenAI说，会把Orchestra的团队和技术与GPT-Rosalind及相关生命科学工具结合起来，帮研究人员把从早期发现到药物开发的事推下去。

展望未来5到10年，Karan预计AI带来的重要变化会体现在新疗法开发上。他提了两个方向：一是用AI发现新的药物靶点或候选分子；二是帮研究人员筛选、验证更有潜力的治疗方案，让临床试验跑得更顺、更高效。

Karan指出，新药研发的瓶颈会慢慢从发现候选分子转到筛选和验证。进临床试验的候选药物越来越多，AI能帮研究人员判断哪些方案更值得推进，把实验和临床试验资源用得更有效率。

从压低医疗服务成本，到帮科学家找到新的治疗方向，Karan对健康AI的期待早已不止于回答医学问题。

说到未来可能出现的医学突破，他总结道：“我的判断是，在未来5到10年内，我们有望看到更好的药物，以及更加个性化的药物治疗。而这一切，都将建立在我们今天投入的这两项工作之上。”