OpenAI健康负责人：每周3亿人问健康，AI不替医生做决定

“想约个专科医生，有时候得等好几个星期，几个月也不稀奇。搞清楚怎么挂号、怎么排时间，可能就要耗掉大把精力。折腾一圈下来，最后跟医生聊上的时间也许只有15分钟；你觉得自己还没讲清楚，走出诊室才想起来：‘糟了，我还有6个问题没问。’”

OpenAI健康板块负责人Karan Singhal在一场访谈里，把这种看病时常见的困境摆了出来。美国医疗资源算发达，患者照样会碰上这些麻烦。一次门诊结束，医疗需求也不会跟着消失。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提到，每周有超过3亿人用ChatGPT问健康相关的问题。

对OpenAI来说，这个需求量很大，也是一份责任。AI不能只停在用户提问、它给答案这一步，还应该慢慢变成一个持续在线的健康助手，甚至帮医生识别潜在风险、对接医疗服务，未来帮人们更早发现健康上的变化。

不过，离这个愿景落地还差得远。各方信任怎么建立、怎么融进真实的医疗流程、怎么证明这些技术确实改善了健康结果，都是绕不开的问题。

围绕这些，访谈聊到了OpenAI对个人健康助手的设想、AI如何充当医生的辅助工具、医疗机构怎么把模型接进工作流程，以及AI加速医学研究的可能。

整场访谈的核心是：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，同时抬高人类健康的下限和上限。下限指的是让医疗智能免费或低成本普及，上限则是做成过去做不到的事。

看病不止15分钟，更不止于门诊

Karan讲了一个让他印象很深的真实案例：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，孩子被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帮自己理清诊疗过程、看懂化验报告；有时候医生还没来得及帮忙解读，AI就已经先给出了帮助。

这个案例让Karan看到了AI在医疗过程中的重要价值：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。人们会拿健康疑惑去问ChatGPT，会用它理解检查结果、准备就诊时要问的问题，也会回顾医嘱。Karan认为，AI能帮人们更好地应付这些环节，让健康支持延伸到诊室之外。

主持人问：OpenAI为什么选通用模型来做医疗智能的基础？

Karan参与过专用模型的开发。在他看来，通用模型的好处是能一直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能力。“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。”

据Karan介绍，过去一年里，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。如果单独去训一个规模较小、只面向医疗的专用模型，它很快就会被前沿模型的发展速度甩开。OpenAI的做法是把专业训练和通用模型的持续迭代放在一起，同时让评测和训练数据进入模型改进的过程。

顺着这个思路，OpenAI正在试一种更进一步的产品形态：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能不能帮患者预约医生、确认保险覆盖范围、跟进出院后的治疗计划，甚至协助处理医疗账单？

Karan对此抱有期待。他说个人健康助手的下一步，就是帮用户处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也在摸索让用户连接自己的健康信息，好让ChatGPT根据个人情况给出更有针对性的支持。隐私这块同样重要，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，也没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，和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了，那在医生端，它能不能帮医生发现那些容易被忽略的风险？

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”。

“这个思路我挺认可：它贯穿就医全程，患者和临床医生都能感受到它的存在，可它并不随时介入，也不会充当夹在中间的第三方；它实际起的作用，是把当下的体验做得更足、更完整。”

据Karan介绍，团队和Penda Health合作做过一系列实验，研究临床医生辅助系统（Clinician Copilot）怎么用。这类工具在工作中起提醒作用，帮医生留意可能漏掉的信息，给临床判断多加一层核查。

与Penda Health联合开展的实验里，AI察觉到部分临床场景有抗生素用得过多的苗头，牵扯到的不只是眼前这位患者的治疗，还关乎抗生素耐药这一更大的公共卫生隐患。AI的价值也就此落到了更实处：帮医生捕捉那些平日里容易溜走的规律。

Karan点出医学判断里一个绕不开的难题：同一件事，不同医生给出的看法可能并不一致。“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搭起了一个专业网络，全球数百名医生参与其中，覆盖数十个医学专科，横跨不同语言和不同国家的临床实践。团队借助各路专家的反馈来打磨训练数据和评估标准，重点盯住医学判断出现分歧的情形。

其中的要害，Karan用一句话说透了：“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，通常至少要花上5到17年。OpenAI想把这个过程中的信息获取环节压缩下来。医生接诊时能更方便地查到最新医学文献，给诊疗判断做参考。门诊一次只有几分钟，更快找到相关研究证据，查资料耗掉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、检查结果和诊疗记录散落在不同系统当中，OpenAI正与Epic等医疗信息系统合作，摸索让医护人员在原有的工作环境里直接用上ChatGPT。

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：患者和医生既然都各自用AI处理了自己的问题，那两人真正面对面时，还该聊些什么？

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。”

他接着讲到医疗中的不确定性、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、把信息核对清楚、把医学证据拿到手，让医生腾出更多精力放在患者身上。

警惕医疗的AI偏信主义

在中国，正有越来越多的人用豆包、蚂蚁阿福等AI咨询健康问题，“安全网”的设想进入了日常生活。

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能找到病因。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。

随后前妻去问蚂蚁阿福，阿福提示症状高度指向致命的肺栓塞，两人马上拿着提示跟医院沟通，医院很快安排手术，刘先生脱离了生命危险。

蚂蚁阿福在回应此事的同时还公布了数据：每天的用户咨询里，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。

也有网友分享：“尽管很多人吐槽豆包，可她真的救我老爹一命。那天晚上他突然舌头麻，迈不动腿，我寻思也没啥大事，明早去医院看看。可是去豆包搜了一下，这是脑梗！连夜去了医院，迅速溶栓治疗，保住了黄金救治时间，我现在依然感谢豆包。”

看得出来，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大缩短了。

Karan对个人健康助手的部分设想，蚂蚁阿福已经变成了现实，预约挂号、在线问诊、云陪诊等服务都在其中。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。

医生那边也开始在工作里用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。

不过新问题也跟着冒了出来。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的回答去找医生，一旦其中的建议不适合自己的情况，医生就得花时间去解释原因、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。原本是帮患者读懂健康信息的工具，反倒让医患沟通变得更费劲。

2026年，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一起做了一项双端调研，医生问卷收回75份，中老年居民问卷收回143份。

调研结果显示，大约七成受访医生在门诊中遇到过拿着AI查询结果的病人。至于AI健康建议最让人担心的地方，81.33%的医生选了缺乏个体化，73.33%怕它加重病人的误解或焦虑，54.67%则担心自己要花更多时间去解释。

病人若真按AI的说法去改治疗方案，后果有时会非常严重。

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。万博文患有癫痫，今年2月去世。起诉书称，她生前使用GPT-4o时，模型曾一步步指导她减少抗癫痫药物的剂量，还建议她对医生隐瞒这些调整。家属认为，女儿的死与ChatGPT的这些行为有关。

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

这起诉讼把一个疑问摆到了台面上：AI一旦真的介入病人的用药决定，它能不能识别出其中的风险？

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水平。碰到病人想要的答案和医嘱相冲突，模型应当把安全放在前头；现有信息撑不起明确结论时，它就该把不确定性讲清楚。

当AI成了人们查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：病人知道怎么参考AI的建议，医生能够核实这些信息，AI发现风险时也能提醒用户尽快就医。Karan所设想的医疗安全网，正是这个样子。

AI医疗的突破，在诊室之外

访谈前半段，Karan谈的多是AI眼下怎么帮病人和医生解决医疗问题。说到将来，他还有两个更远的期待：一是让更多人花更少的钱用上医疗智能，二是借AI推动医学研究，找出新的治疗方法。

先看医疗成本。

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。”

当然，这不代表整个医疗体系的支出马上就会降。医疗费用里很大一块来自行政事务、文书处理、慢性病管理这些工作。

AI真想帮医疗省钱，模型就得真正进到工作流里，要部署、要规模化，还得在实际应用中证明自己有用。用一句话说就是“更多医疗照护，更少文书工作。”

Karan对AI的另一个期待，落在医学研究本身。

主持人拿AlphaGo那个著名案例打比方：围棋比赛里，AI下出了让人类专家意外的“第37手”，当时看棋的人类专家都觉得这手棋蠢得很。事后回看，它却是一步极有洞察力的妙棋。人类到今天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，眼下仍处在非常早期的阶段。“不过我觉得，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，电子病历数据、对话数据等信息全部汇总起来，再由它给出过去看上去不可能实现的健康与风险预测。能做到这一步的成果，才算得上医疗领域的‘第37手’。”

这个方向在OpenAI的生命科学布局里已经有所体现。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协助提出研究假设、编写代码和分析数据。

10月20日，OpenAI再宣布收购Orchestra Bio。这家公司专做帮助生物制药团队协调药物开发流程的业务。OpenAI表示，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，帮研究人员推进从早期发现到药物开发的工作。

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。他提到两个方向：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和验证更有潜力的治疗方案，让临床试验做得更顺、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上。进入临床试验的候选药物越来越多，AI可以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的期待早已不只是回答医学问题。

说到今后医学领域可能冒出的突破，Karan给出的判断是：“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。”