#扬帆2026#
在此刻的急诊室里，或许正上演着这样一幕：
一位满面愁容的中年人坐在诊床边，手里攥着厚厚一沓检查单。他已经断断续续发烧了一个多月。抗生素吃了一箩筐，退烧药当饭吃，但这股无名火就是压不下去。
社区医院说是感冒，县医院说是肺炎，到了大三甲急诊，医生皱着眉头把检查单翻了一遍又一遍，依然不敢轻易下笔写确诊结果。
它像是一个隐形的幽灵，游荡在感染、肿瘤、免疫疾病的迷宫里。对于医生，尤其是经验尚浅的年轻医生来说，要在急诊这种“高压锅”一样的环境下，迅速从成千上万种可能性里揪出真凶，无异于大海捞针。
但最近，一项发表在《BMC急诊医学》（BMC Emergency Medicine）上的重磅研究显示，急诊室里迎来了一位强悍的“新同事”。它不穿白大褂，不拿听诊器，却能凭着一张病历单，在几秒钟内给出惊人准确的诊断。
它就是当下最火的人工智能——ChatGPT-4o。
01. 当“福尔摩斯”遇上“超级大脑”
为了搞清楚AI到底能不能看病，来自中南大学湘雅医院急诊科的团队做了一场非常有意思的“回顾性实验”。
他们找来了60位“不明原因发热”的患者病历。这些患者都是硬骨头，发烧超过3周，体温飙到38.3℃以上，且经过了一周的初步排查还没找到病因。
为了公平起见，研究人员把这60份病历像发考卷一样，分别发给了三组“选手”：
年轻组： 3位住院医师（急诊科的新生力量，有一点经验但还在成长期）。专家组： 3位资深主治医师及以上级别的专家（临床摸爬滚打8年以上，那是真正的老江湖）。AI组： ChatGPT-4o（没有任何临床经验，但背靠海量医学数据库的数字大脑）。 比赛规则很简单：看病历，给诊断。
这不仅仅是一场准确率的比拼，更是一次对未来医疗模式的预演。结果如何？让我们先看一个根据研究数据还原的典型案例，来感受一下现场的“硝烟味”。
02. 一个被“发热”困住的男人
50岁的张先生（化名），是这60位患者中的典型代表。
两个月前，他开始莫名其妙地发低烧。起初以为是流感，没在意。但随着时间推移，他开始盗汗、消瘦，体重掉了十斤。到了急诊科时，他已经在其他医院辗转了一圈，肺部CT没看到明显感染，血常规只是提示有点贫血和炎症。
年轻医生的视角：拿着张先生的急诊初诊记录，年轻医生犯了难。发热、炎症指标高……这不就是感染吗？可能是某种隐蔽的细菌？或者是结核？于是，年轻医生给出的初步诊断倾向于“复杂性感染”。
专家的视角：老专家看着同样的病历，敏锐地捕捉到了“消瘦”和“长期低热”这两个关键词。他没有急着下定论，他的直觉告诉他，这可能不是简单的细菌感染，淋巴瘤（肿瘤）或者成人斯蒂尔病（免疫系统疾病）的可能性很大。
ChatGPT-4o的视角：研究人员把张先生去掉了个人隐私信息的病历“喂”给了AI。几秒钟后，屏幕上跳出了三条建议：
淋巴瘤（理由：长期发热伴B症状、贫血）。结核病（理由：长期低热、流行病学考量）。 在这个回合里，年轻医生因为经验局限“跑偏”了，而AI和专家都锁定了真凶。但更惊人的是，AI给出的鉴别诊断逻辑，清晰得就像教科书一样。
03. 数据揭示的残酷真相：AI真的比人强吗？
这个案例只是冰山一角。研究团队对60个病例进行了详细统计，结果让人喜忧参半。
结果二：AI与专家“打平手”面对经验丰富的老专家，AI的表现依然亮眼，准确率（70.0%）在数值上甚至超过了专家（57.78%），但在统计学上，这种差异并不显著。也就是说，AI已经具备了和人类专家“掰手腕”的能力，虽然还没做到绝对碾压，但绝对算得上是顶尖高手的水平。
结果三：1+1＞2的奇迹这是整项研究最让人兴奋的发现。研究人员做了一个“作弊”实验：让医生们先自己看病，然后再把ChatGPT-4o的建议拿给他们看，问他们：“看了AI的意见，你要不要改诊断？”
这说明了什么？AI不是医生的替代者，而是最强的“外挂”。它能帮年轻医生迅速补齐经验短板，也能帮老专家查漏补缺，提醒他们可能忽略的罕见病。
04. 为什么“不明原因发热”这么难搞？
我们要理解AI的厉害之处，首先得知道“不明原因发热”有多难。
在医学界，FUO被称为“内科的疑难杂症之王”。它不像阑尾炎疼在右下腹，也不像心梗有典型的心电图改变。它的病因可能有几百种：
感染性疾病： 占了大头（约53.3%），比如藏在心脏瓣膜上的细菌（心内膜炎）、或是隐蔽的脓肿。肿瘤： （约20.0%），淋巴瘤、白血病往往就以发热为首发症状。免疫系统疾病： （约16.7%），如红斑狼疮、成人斯蒂尔病，身体自己打自己，产生热量。其他： 药物热、甲亢…… 在急诊那种嘈杂、快节奏、信息不全（往往只有血常规和CT）的环境下，医生的大脑很容易过载。年轻医生往往会因为见过的病例少，思维局限在常见的“感冒发烧”里；而专家虽然经验丰富，也难免会有思维定势。
ChatGPT-4o的优势在于，它是一个没有感情、不知疲倦的“知识检索机器”。它不会因为那是深夜两点就犯困，也不会因为刚看了一个流感病人就觉得下一个也是流感。它能瞬间扫描数百万篇医学文献，把那些藏在角落里的罕见病因一个个列出来供医生参考。
05. 别急着欢呼，AI也有“软肋”
看到这里，你可能会问：那以后还要医生干嘛？直接弄个AI看病不就行了？
千万别这么想。这项研究也冷静地指出了AI目前的局限性。
第一，AI会“一本正经地胡说八道”。这种现象在AI界叫“幻觉”。在研究中，虽然是个例，但AI偶尔会把一些免疫系统疾病强行解释成感染，或者把药物引起的发热归咎于根本不存在的病毒。如果没有人类医生把关，这种错误可能是致命的。
第二，医学不仅仅是做题。这项研究是“回顾性”的，也就是看着冷冰冰的文字记录做判断。但在真实的急诊室里，医生要看病人的气色（是苍白还是潮红？），要听诊（肺里有没有啰音？），要触诊（肚子是软是硬？）。这些触觉、听觉和直觉的信息，目前的AI还无法获取。
第三，隐私与伦理。把病人的资料交给AI，数据安全怎么保证？如果AI诊错了，谁来负责？是开发AI的公司，还是采纳建议的医生？这些法律和伦理问题，比技术本身更难解决。
未来的看病模式变了
2026年的这项研究，实际上为我们推开了一扇通往未来医疗的大门。
我们可以预见，在不久的将来，急诊医生的电脑屏幕上会常驻一个AI助手窗口。当医生输入“中年男性，发热35天，抗生素无效”时，AI会立刻弹窗提示：“医生，请注意排查淋巴瘤和自身免疫性疾病，建议加做铁蛋白和免疫全套检查。”
对于我们普通患者来说，这更是一个天大的好消息。这意味着，哪怕我们在基层医院，遇到刚毕业的年轻医生，在AI的辅助下，我们也能获得接近大三甲专家的诊断水平。误诊率会降低，确诊时间会缩短，那些因为“查不出病因”而遭受的痛苦折磨，将大大减少。
人类医生的温情与直觉，加上AI的博学与冷静，这或许就是医学最美好的未来形态。
下次去医院，如果看见医生盯着电脑思考很久，别怪他动作慢，也许他正在和他的“AI合伙人”进行一场关乎你健康的深度会诊。
参考文献：Long H, et al. ChatGPT-4o assists emergency physicians in enhancing diagnostic accuracy for fever of unknown origin: retrospective analysis. BMC Emerg Med. 2026;26(1).
温馨提示： 本文内容基于临床研究分享，具体的治疗方案务必由主治医生根据患者个体情况制定。
文 | 医路悬壶
热门跟贴