“教会徒弟，饿死师傅”。
在医疗AI圈，这句话的含金量还在上升。
过去几年，医疗大模型迅猛发展，除了不断迭代的技术能力外，医生群体的知识供养也必不可少。
打开招聘软件，相关岗位多如牛毛——医疗大模型标注、预训练数据处理专员、AI医学审核、大模型专家……薪资从10K—50K不等，薪资越高，对临床工作年限和职称的要求也越高。
帮助AI公司训练模型，医生的收获不止于一份报酬——“医疗+AI”的世界充满想象，或许是下一个医学发展的前沿。
而硬币的另一面是，身处其中，他们或许会比同行更接近那个残酷的真相：一个会看病的AI到底有多强大，我们究竟是在造帮手还是造对手？
《健闻咨询》访谈了三位有过医疗大模型工作经历的医生，他们有的是全职，有的是兼职；有人做大模型标注，也有人做产品评测；有刚毕业一两年的小医生，也有三甲医院的高年资医生。
但无一例外的是，他们都已经离开了那个曾经“诱人”的岗位。
上厕所要用跑的，纯纯的赛博民工
钟盛∣大模型标注三年，目前在民营医院工作
我是2019年毕业的，学的是临床医学方向。
从小我就对计算机、编程这些东西很感兴趣，但家里人一直希望我学医。我拗不过他们，上了三年专科院校，毕业后直接去了一家乡镇卫生院上班。
我不打算一辈子干医生，所以就没有选择规培，只想找个轻松点的地方过渡一下，既有收入，也能学点计算机相关的东西，争取早日转行做个码农。
我去的那个乡镇比较偏，离市区有40多公里，经济条件不太好。卫生院的事情很杂，要搞家庭医生签约、下乡扶贫、还有一堆和医疗没什么关系的琐事，但收入又很低，一个月到手才1000多块钱。
我干了一年就跑了，家里人拿我没办法，说你爱干嘛干嘛吧。
那时候，我有个好哥们在杭州，他说这边互联网公司多，机会也多。我想都没想，当天就买机票来了。
到杭州以后，我四处投简历，也拿了几个不错的offer，有医美机构的，也有去药企做CRC（临床协调员）的，但我内心还是更喜欢计算机，所以选了一家医疗信息化公司，做AI标注和训练。
我们公司和全国三四百家医院都有合作。每天，驻点医院的同事会把病历实时上传，我们要做的就是从患者的病历资料里，提取出关键信息，比如诊断、用药、手术、预后等等，再以标签的形式喂给AI，让它去生成一个治疗方案，辅助医生决策。
举个例子，一个肺癌患者，他最早的病理诊断是什么，肿块有多大，基因突变点位是什么；有没有转移，如果转移的话，是淋巴结还是远端；他用了什么药，有没有耐药，什么时候耐药的，又换了什么治疗方案等等。
每一个关键信息，对应一次打标动作。
基本原则就是，顺着时间线往下捋，病程越长，标签越多。一个初诊病人大概对应10-20个标签，两三分钟就可以打完，病程最长的老患者则可以打到60多个，20分钟都不见得能搞定。
起初，这家公司的待遇给得还算不错，底薪1万，根据绩效上下浮动，多劳多得。那些特别拼的同事，几乎24小时在线，天天干通宵，夸张的时候一个月能拿4-5万，干一年就在杭州买房了。我比较“佛”，每天干到10点多就收工，一个月也能拿个2万多块钱。
但干了不到一年，医疗大模型厂商之间的竞争越来越激烈。我们公司小，产品和大厂没得比，领导就一直压我们的绩效，缩减成本。
最开始的时候，我们每天只要做够150个患者就能达标。后来指标慢慢往上加，180、200、230、280……就跟温水煮青蛙一样。到我离职前那会，一天处理300个患者都拿不了满绩，工资降了一大半。
我在这家公司总共干了三年，基本上是起早贪黑，眼一睁就对着电脑，打标、输入，时间紧，任务重，连上厕所都是一路小跑，纯纯的赛博民工。但三年过去了，模型好像并没有什么进步，给出的治疗方案永远都是指南上那些。
我听院端的同事讲，有些高年资的医生很抵触这类辅诊工具，系统一跳弹窗他就关了，根本不会看，还抱怨我们的软件把HIS搞得特别卡。
去年年底，我跳槽回了临床，在老家找了个民营医院精神科的活，一个月拿八九千块钱，没那么累，也还算稳定。我打算后面努努力，考个医师证，收入还能再涨一点。
最近，听之前的同事们说，公司业务裁撤，他们也被陆续优化了。有人干回了医生，有人考公考编，就是没人能在这个行业里找到下家。
我们的微信同事群也改了名字，叫“时代的眼泪”。
模型不会只学1+1，我们迟早会被淘汰
周岩∣大模型评测两个月，转行做医学研究员
我本科学的是中西医结合，研究生方向是神经外科。
在进入医疗AI行业前，我在两家社区医疗机构干过，一家私立，一家公立，但待的时间都不长。医生这个职业还是比较讲究论资排辈的，像我们这种刚毕业的硕士到了基层，很容易被老医生打压。
离职以后，我本来是想找个偏文职的工作。刷招聘软件的时候，刷到一个“AI医学审核”的岗位，不需要什么临床经验，双休，薪资还高，有13K。我以前在社区医疗机构，月薪也就是5000上下，从来没见过那么高的工资。
面试很顺利，一天三轮，问了对AI的理解，考了神外相关的基础问题，就通知我可以入职了。我回过头想，这个工作的门槛是真不高，即便是刚毕业的医学本科生，稍微准备一下，应该也能轻松过关。
我们的工作内容，用一句话来概括，就是给某个互联网大厂的AI健康管家打分。每天早上，我们都会拿到一个Excel表格，里面是用户和这个AI产品的聊天记录，我分到的组是“多模态”小组，基本都是用户上传某个图片，模型给出解读，后续可能还有一些问答。
我们会从准确性、语言表达、风险把控、用户体验等几个维度来给模型打分，0分是基准，上下浮动。
举个例子，有人受了比较严重的外伤，拍照片来问，如果模型回答的是，你要立刻去医院，那就是一个0分的回答。正分的答案应该是，告诉用户有哪些应急处理方式，给予情绪上的抚慰，同时提醒他去医院。
我比较喜欢这个评分机制的地方在于，它不是一个人打完就结束了。一段对话，必须由两个人来打分，打完以后再对齐，统一给出一个意见，最后组长还要审核。所以在我们的工作中，争论、battle是再正常不过的事情，公司也鼓励我们这样，有观点一定要表达，要尽力说服别人。
除了打分以外，我们还要写改进意见，这些意见会汇总到算法和产品同事那块，用于模型的下一次迭代。基本上，几周时间，模型就会有一些肉眼可见的提升，不管是回答的准确性还是表达的流畅度。
这个产品最惊艳我的一次是，有一个用户上传的检查资料里，CA125的指标明显升高，临床上这个指标高了通常就会提示妇科或消化道肿瘤。但模型识别到这个用户还查了PSA（前列腺特异性抗原），所以它自动排除了妇科疾病，只提示了消化道肿瘤风险。
我们有一个潜规则，不能轻易给满分。如果满分打多了，组长会把任务退回来，让我们返工。这也很好理解，如果一个班的学生，每个人都考100分，那还要你老师干嘛？所以即便模型已经答得很好了，我们也会故意找茬，硬挑点毛病出来。
我们会“人为”地让模型呈现一个慢慢向上的状态，永远在进步，但永远不够好。
只有我们自己知道，危机感始终存在。模型不可能永远学习1+1，在完成了全科基础知识的覆盖以后，它一定会去往更艰深的专科方向，到那个时候，我们这些只会上基础课的老师迟早会被淘汰。
所以今年，我做了一个大胆的决定：跳槽去一家更小规模的AI产品公司做医学研究员，薪资降了1/3，但能够全程参与医疗AI产品的设计、研发和迭代。
我相信医疗+AI的时代迟早会到来，在那之前，我要确保自己已经做好了准备。
效率永远是医学的对手盘，模型也不例外
林婧∣兼职AI临床专家，浙江某三甲医院医生
我是一名从医20多年的皮肤科医生。
我是那种对新事物特别有好奇心的人。就拿互联网医疗这事来说，我差不多是国内第一批做线上问诊的医生，到今天也已经有10多年了。
我还记得2021年前后那会，大家都在线上接诊。那段时间，我一天看五六十个病人，一个月的收入能做到2万多。
但最近这几年，AI发展得特别快，各大平台都做了自己的AI健康管家。它就像一个漏斗，用户不管有什么问题，先去AI那儿问一道，过滤出来真有就医需求的，才会转到我们这儿来，所以线上问诊的单量是一直往下走的。
去年5月份的时候，国内有一家互联网公司，准备做一个皮肤科相关的AI问诊产品，项目刚刚起步，想找几个资深医生来兼职帮个忙。
我对医疗大模型还挺感兴趣的，就去报了个名。活儿倒是没有多复杂，类似于图片问诊——它会给你发一张图，没有其它信息，让你判断可能是什么病，按时计费。
做了没几天，我就发现这事不太对，最大的问题是没有标准。一堆医生做同样的题，有的人会把诊断写得很详细，有的人惜字如金；有的人是照着最新版的ICD来，有的人用的是最通俗的疾病名称。
结果就是做完题后，要花很多时间在内部做对齐，但对齐这部分工作是不计入统计的，所以经常是花2-3个小时，只拿一个小时的工资。
我干了两个礼拜，感觉管理上没什么起色，就找了个理由跑路了。
到去年8月份的时候，对方又找上我，说他们内部换了负责人，把流程都理顺了，让我再回去试试看。
这次确实要正规一些，上岗之前要做培训，会把做题的和审核的人拉到一块，说是“统一诊疗思路”。
效率是提升了不少，但更大的问题出现了——诊断趋同化。
原本就只有一张图片，没有其他辅助信息，按照常规的临床思路，为了不出现遗漏，我应该尽量给出最全面的诊断意见，甚至包括一些罕见病的可能。
但培训的时候，相关负责人特意强调了，“不要去做一些发生率很低的疾病诊断”。
我猜测，背后的原因可能是，一旦涉及罕见病，和大部分医生的诊断不一致，又得花时间论证，甚至是被打回来返工，所以不如在源头就掐灭。
坦白讲，这已经偏离了我的初衷。我相信，模型厂商找我们这些三甲医院的高年资医生，一定是希望借助我们的临床经验去提升产品能力。如果我们做出的诊断全是常见病，那又怎么体现自己的价值呢？
但我也理解第三方公司的立场，在商言商，谁都想用最少的精力赚最多的钱。只是医疗，可能还真不习惯这套。
最终，我没有接受邀约。
它留给我一个长久的困惑是——在最基础的知识以外，AI到底要学什么，才能更好地理解我们所身处的这个复杂又精密的医学世界。
（为保护受访者隐私，文中所用均为化名）
热门跟贴