苹果启动20万人健康AI研究:AI答得对,医疗就够了吗
2026 年 11 月 15 日,苹果做了一件看上去很克制、但其实很值得琢磨的事。 苹果宣布启动 Apple Health AI Usage Study,计划面向最多 20 万名符合条件的....
2026 年 11 月 15 日,苹果宣布启动 Apple Health AI Usage Study。动作不大,却经得起细看。
这项研究计划招募最多 20 万名符合条件的美国成年用户,看他们怎么理解、信不信、怎么用 AI 给出的健康信息,以及这些信息会不会影响他们之后的健康行为。
苹果把研究定性为一项使用研究,不是诊断,也不是治疗服务。回答质量如何、用户看不看得懂、愿不愿意信、会不会据此行动,是它要观察的几件事。
问题恰恰在这里:医疗 AI 真正的难关,是 AI 给出一个看着正确的答案之后,故事还远没结束。
用户会不会理解错?会不会信得太深?一句含糊的风险提示,会不会让人平白焦虑?一句听着专业的安慰,会不会让人拖着不去看病?医生面对 AI 的建议,能不能看到证据、判断它适用于谁、并对一个“说得很像对的”结论说不?
医疗从来不是一道选择题。
它是一连串咬合在一起的动作:发现异常、解释信息、决定是否就医、选择检查、完成转诊、制定治疗、持续随访、评估结果。AI 把其中某一个动作做得再漂亮,只要接不上后面的环节,或者越过了不该越的边界,就很难真正改变医疗。
01 医疗 AI 不是一个赛道,而是七种完全不同的承诺
到了今天,“医疗 AI”这个词包罗太广,已经大得有点说不清指向了。
同一个说法底下,有帮患者看懂化验单的健康助手,也有在乳腺癌筛查里读片的影像系统;有帮医生查文献的知识工具,也有想自己规划多轮检查的
它们都用了 AI,但各自要解决的问题并不相同。
这张表表面是分类,实际是在划边界。
影像 AI 的检出率提上去了,也不自动等于患者获益;它还得回答
疾病预测 AI
医疗工作流 AI
AI 制药这边,就算生成了更有希望的分子,后面照样要过药效、安全性、临床试验和商业化这几道漫长的筛选。
所以,问医疗 AI“有没有用”,问偏了。
该问的是:它在替谁解决哪一种问题?它带来的收益,最后能不能跨过下一道门槛?
02 模型进步很快,医疗证据增长得很慢
医疗 AI 最容易让人兴奋的地方,是模型能力。
现在的系统能看图、读报告、总结病历、模拟鉴别诊断,在特定基准里甚至超过人类医生。技术新闻天然偏爱这种时刻,理由很直接:分数涨了,模型赢了。
可医学要问的不只是“答得对不对”。
它还要问:这个答案放在真实患者身上成不成立?换一家医院还成不成立?医生会不会正确使用它?它有没有改善结局?出了错,谁能发现、谁能撤回、谁来承担后果?
截至 2025 年 9 月,已有系统性综述对临床大模型研究做过梳理,共纳入 4,609 篇相关研究。按数据来源看,1,048 篇用的是真实患者数据,另有 1,857 篇仍在用模拟病例。
这些数字摆在一起,指向一个挺典型的状态:模型往前跑的速度,比临床证据攒起来的速度快。
整个过程大致能分成五层台阶。
医疗 AI 真正难啃的骨头,不在第一层。
难的是每往上走一层,撞上的都是模型之外的东西:医生怎么用、患者配不配合、医院系统接不接得上、付钱的一方认不认、出了事法律责任怎么算。
照这个逻辑走下去,医疗 AI 的比拼早晚要换赛道——从“谁的模型更厉害”,变成“谁能让模型嵌进一套更靠谱的系统里”。
03 七条路,各自卡在不同的地方
1. 消费者健康 AI:信任不是越多越好
苹果那项研究把“信任”列进核心指标,这件事本身就值得多看两眼。
放在消费互联网里,用户信任产品一般是好事:留存更高、用得更多、更愿意推荐给别人。
可到了健康这块,信任太少固然是问题,信任太多同样会出问题。
收到 AI 的建议之后,有人可能因此及时去了医院;也有人可能被 AI 的安抚拖住,耽误了就诊;还有人可能把一个低风险指标过度解读,卷进不必要的检查和焦虑里来回打转。
健康 AI 的难点,不光是“回答准不准”,还在于用户清不清楚什么时候该信、什么时候该去核实、什么时候必须找医生。
所以苹果这项研究真正值得盯的,是它能不能把“信任”拆开来量。
医疗 AI 最危险的状态,未必是用户压根不信它。
也可能是用户太信它了。
2.
医学知识更新太快,临床医生不可能把每篇文献、每版指南、每个罕见病例都记住。
这正是
可医学知识和临床判断中间,隔着一段不容易填平的距离。
一篇研究结论有它的适用人群;一项指南有它的前提条件;而一个患者身上,可能同时压着多种基础病、特殊的用药史、家庭条件和个人偏好。
医生要的不是一个“结论生成器”。
医生要的是一套系统,能把证据出处、适用条件、反对证据和不确定性都保留下来。
如果 AI 只是把复杂的文献压成一句读着顺的建议,阅读效率是上去了,可那些最要紧的限定条件,很可能也一并被压没了。
这也是
3.
七条路径当中,医学影像 AI大概是最接近成熟应用的那一条。
这类系统的输入端比较清楚:X 光、CT、MRI、病理切片、眼底图像;输出端同样明确——异常出现在哪里、风险有多高、哪些病例该优先复核。
并且,规模较大的前瞻性研究已经出现。
以乳腺癌筛查为例,AI 系统能减轻人工阅片的工作量,也有研究显示其癌症检出率有所提高。不过评价一套筛查系统,不能光看“发现了更多病灶”,还得看它有没有推高不必要的召回、会不会加重患者焦虑、有限的专科资源是否被用得更合理。
影像 AI 给出的关键启示是:越贴近真实临床,指标就越不能单一。
模型可能更敏感,却更容易误报;系统可能减少一部分阅片量,却把难题集中留给少数医生;它可能在一所顶级医院里表现优秀,换一台设备、换一个人群之后就出现性能下滑。。
影像 AI 已经证明,AI 能扩展医疗系统的“眼睛”。
但看见更多,不等于知道该如何行动。
4.
疾病预测 AI 很诱人。
它想在症状明显之前,借助影像、病历、基因、行为与生理数据,判断谁会患病、谁会恶化、谁需要更早干预。
从技术上看,这是一种很自然的进步:医疗从“生病后治疗”,走向“风险出现前管理”。
可预测比诊断多出一层问题。
假如 AI 提前预测出某人可能患上阿尔茨海默病、心血管疾病或某种癌症,医疗系统接下来能做什么?
有没有有效的干预手段?由谁去沟通?患者愿不愿意知道?保险、就业和家庭关系会不会受影响?预测出错或结果不确定时,焦虑又由谁来承担?
预测不是终点。
它只是把一个问题更早交给了系统。
系统若没有配套的治疗、支持、随访和责任安排,预测能力越强,未必意味着医疗价值越大。
5. 诊断推理 AI:真正难的是连续决策
诊断 Agent
它不会一次性回答“这是什么病”,而是像临床医生那样,依据已有信息继续提问、决定下一项检查、比较不同假设,在不确定中一步步收敛。
这也是微软 不是回答一道病例题,而是在有限成本下完成一段连续诊断过程。
但诊断的难点,恰恰不在于某一步猜对。
它在于每一步都可能改变后面的路径。
多做一次没必要的检查,成本、等待时间就上来了,还可能翻出新的偶然发现;漏掉一次,病情就可能被耽误;而一条错误却自信满满的提示,足以让医生或患者放过真正要紧的信号。
诊断 Agent
它还得盯住几件事:检查选得合不合理,花销能不能承受,出了错能不能补救,以及拿不准的时候有没有及时交回给人。
医疗决策做得好,有时并不靠继续往下推,而是清楚该在哪儿停手。
6.
医疗工作流 AI它不如“AI 医生”那样让人浮想联翩,可短期之内能算清楚的价值,恐怕它离得最近。
写病历、准备转诊、走医保授权、回患者消息、约检查、做编码、发随访提醒——这些事单看都不起眼,却占掉了医院和医生大把时间。
一项覆盖美国五家学术医疗机构、8,581 名临床人员的研究发现:拿到 AI 病历助手的使用权限后,每 8 小时排定患者服务时间内,电子病历操作少了 13.4 分钟,文书记录少了 16 分钟。可非工作时间的电子病历使用并没有明显下滑,每周门诊量的变化也不明显。
这组结果挺能说明问题。
它并没有把 AI 文书助手的价值一笔勾销。恰恰相反,它表明 AI 确实在某个局部环节把时间省了下来。
但它同时提醒人们:少做一项工作,不等于整个系统就按同样的幅度松了绑。
医生可能得审阅 AI 草稿、补齐漏掉的信息、应付更多患者消息,或者把省下的时间挪到另一件非做不可的事上。医院这边,软件采购、培训、流程改造、合规管理的开销一样都躲不开。
同一个工具,换到另一种环境里,表现也可能完全两样。
报告里提到的住院场景研究显示,59 名医生中,AI 文书助手真正用起来的人很少,部署前后每天花在病历记录上的时间没有明显变化。原因并不难想:住院记录不是一次问诊的转录,它要把化验、会诊、治疗计划和前序病程连续地整合起来。
AI 没弄懂工作本身,就很难真正把工作接过去。
工作流 AI 到头来要证明的,不是“操作能不能做完”。
而是“操作做完之后,整个系统是不是真的轻了”。
7. AI 制药:最远离患者,却最可能改变治疗本身
AI 制药走在另一条时间线上。
它不直接给医生减文书负担,也不直接帮患者看懂化验单。它想动的是疾病干预的工具本身:靶点发现、蛋白结构、分子设计、候选药物筛选、临床试验设计。
这条路最慢。
说到底,它最终要证明的不是模型能不能生成一个分子,而是一个分子能不能变成药:有效、安全、可制造、可支付,还得扛得住临床试验。
可它的分量也最重。
前六条路线,改的主要是医疗服务怎么运转;AI 制药可能改的,是医疗系统手里到底有没有更好的治疗工具。
说到底,医疗 AI 的终点不只是把效率做上去,它还能往更深处走——改变疾病本身。
04 七条路真正的交汇点,并非“让 AI 替代医生”
七条路线单独摆出来看,像七个互不相干的赛道。不过有个案例,让它们开始露出彼此可以连上的样子。
2026 年发表的一项中国随机对照研究,专门测了这套思路。
研究落地在中国西部两家医疗中心,2,069 名患者、111 位专科医生、24 个专科被纳入。和没用 PreA 的组别比,患者自己独立使用 PreA 后,专科医生平均问诊时间由 4.41 分钟降到 3.14 分钟,降幅约 28.7%;照护协调和沟通便利性也有改善。
这项研究最关键之处,并不在 AI 把问诊砍掉了 1 分多钟。
它给出的,是另一种想象空间。
AI 不见得非得从“替代医生”起步。
它完全可以先去啃患者与医生之间最常见、却最少被处理的那块:
患者手里握着自己的感受——哪儿难受、从哪天开始、日子受了多大影响、此前吃过哪些药。
医生要的则是能拿来做判断的信息:主诉、病史、症状怎么演变、既往检查、风险因素、还缺哪些关键项。
这两头过去只靠一次时间有限的沟通来对接。整理、追问、结构化、转译这些活,AI 可以先干,专业判断仍旧留给医生。
这么一来,几条路线正好被串到了一起:
患者端的 AI 帮着把话说清楚、把意思听明白; 临床知识 AI负责把证据调出来; 风险与诊断系统帮忙梳理可能的方向; 工作流 AI 则去准备转诊、检查与随访; 诊断、治疗和高风险行动的最后决定权,仍然攥在医生手里; 患者之后的行为和结果,再回流进系统。
这讲的不是“AI 独自看病”,而是医疗信息终于能顺着患者一路流动起来。
05 医疗 AI 的核心问题:下一步的选择权归谁
这些能力一旦开始互联,问题就变了,不再是“模型做不做得到”。
而成了:连起来之后,下一步的选择权在谁手上?
设想一个系统:能读取患者的长期健康记录,发现化验指标异常,检索最新证据,提示做进一步检查,自动生成材料,甚至进入医院系统把预约发起。每往前一步,风险就换了一副面孔。
医疗AI的关键能力,不该只落在推理、规划与执行上。还有一项常被忽略的本事——识别自己无权决定什么。
在医疗场景里,正确地停下来、把证据交给对的人、等着授权,这不叫系统失败,反倒是它可靠的一环。
06 从“给出答案”到“形成闭环”,还缺四种反馈
眼下医疗AI最常见的产品形态,就是一次问答:给症状,出建议;给影像,出概率;给病历,出摘要。
可医疗真正要的是闭环。这个闭环里,至少得有四路反馈。
第一路是数据反馈。新的检查结果、病程变化、可穿戴设备的数据、用药和生活方式的变化,能不能进到系统里,让它刷新对患者当前状态的理解?
第二路是行为反馈。患者去没去复查?医生采没采纳建议?预约成没成功?药有没有按计划用?建议发出去,不等于行动已经发生。
第三路是结果反馈。患者的健康状况有没有好转?有没有出现不良事件?住院、重复检查或者不必要的支出有没有降下来?
第四种是
这最难。
患者状态变好,原因可能在AI,也可能在医生、药物、自然恢复、家庭支持,或者医疗资源的变化。缺少合理的比较和因果识别,系统就容易把碰巧的成功当成自己的本事。
也就是说,医疗AI长期的护城河,不会只是数据量,也不会只是模型参数,而在于能不能搭起一套严谨的“信息—行动—结果—归因”系统。
07 最后竞争的,不是模型,而是谁能搭起这套系统
接下来几年,医疗AI可能会长出几种不同的产业结构。
这场竞争里,没有谁是稳赢的一方。
可无论最终长成哪种产业结构,几个老问题都躲不过去:数据能不能互通,模型能不能被验证,出错之后谁来担责,钱由谁出,医生和患者愿不愿意改掉原来的习惯,监管又能否从"批一个产品"转向"管一个持续运行的系统"。
医疗 AI 的技术门槛,会一路往下走。
但这些门槛不会跟着自动往下掉。
08 苹果抛出的这个问题,整个行业至今没有答案
11 月 15 日,苹果启动健康 AI 使用研究,看上去动作相当克制。
可它实际上问到了医疗 AI 最要命的那一点:
一旦某个系统开始左右人的健康选择,"帮助"该怎么定义?
是让用户更满意?让医生少写几个字?让医院转得更快?让更多疾病被查出来?还是让某个人最终拿到更合适、更及时、也更能负担得起的照护?
这些答案之间,并不总是一致。
医疗 AI 不会被一个更强的模型彻底推翻重来。
它是在七条不同路径各自往前走的过程中,被一点一点改写的:患者怎么理解自己,医生怎么判断证据,医院怎么分配工作,系统怎么把行动落地,药物怎么被发现,错误怎么被拦住,结果怎么被证明。
真正要紧的,也许不是 AI 能不能给出更多答案。
而是答案出来之后,它能不能让下一步变得更好。
>/,920.org.cn(AI Research Institute)创始人,港大AIBT研究生,前上市公司 CMO。长期研究 AI 产品、Agent 架构与商业增长,并持续观察技术变迁如何重塑人的工作、判断与生活。
*著有《AIGC从0到1》系列丛书、及东方寓言小说《飞将军》;
*善于洞察先机,1月26日中文互联网第1个意识到OpenClaw(小龙虾)范式价值的人;
关注我,一起AIGC从0到1~