
一张体检报告有四十多项指标,每一项后面一个数字,数字后面一个箭头。向下的红箭头十二个,向上的三个。你能看懂的是「不正常」,看不懂的是「要不要紧」。这个断层存在了几十年,现在有人打算用模型把它填上。
设想一个不太远的状态:报告出来的第一时间,不是你先看到,是一个模型先读完,把「需要三个月内复查」「可以一年后再看」「建议直接挂号」分好类,再推给你。这不需要什么技术突破,只需要一个接口和一份责任归属的协议。
下面按三代人拆开看。这种改变的成本从来不平均落在同一批人身上。
趋势:读片早已跑通,读报告才刚开始
医学影像的智能读片是这十年里少数真正落地的方向。原因不复杂:任务边界清楚,输入是一张图,输出是一个位置或一个分类,而且有病理结果作为金标准。能定义清楚对错的地方,模型迟早会做得比人稳。
乳腺钼靶、眼底照片、皮肤镜、病理切片,这些方向都有大规模对照研究,敏感度和特异度在部分任务上已经接近或超过基层医生。注意「基层」这两个字,它决定了这项技术最先替代的是谁。
但从读片走到读体检报告,任务性质变了。影像给的是一个判断,报告给的是判断加建议加一句「结合临床」。模型可以输出概率,只有人能承担「建议」这两个字背后的责任。
所以短期内的形态不会是「模型替医生下结论」,而是「模型先把四十项指标过一遍,把可疑的组合挑出来」。这一步在技术上已无障碍,在流程上还在磨。
第一代:现在四十到六十岁的医生
很多人以为这一代人的代价是失业。真实情况更琐碎。他们的工作量会先上升,然后再下降。
模型标出的可疑项,全都要人来复核。而模型的召回率通常调得偏高,宁可多标不漏标,于是医生面前会出现大量「需要看一眼但其实没事」的条目。在模型足够好之前,这一段是纯粹多出来的活。
更麻烦的是责任。模型说「建议复查」,患者来了,医生看了一眼说不用,这句话是要签字的。医生的角色从「发现异常」变成「否决异常」,这在心理上完全是另一件事。
还有一层不太被提及:这一代医生的训练里,没有「怎么和一台机器的建议共处」这一课。他们要在几秒钟内判断模型的提示是对是错,他们要在几秒内判断模型的提示对错,却没有对应培训,也没有可追溯的模型说明。
五十岁以上、长期依赖个人经验的医生,会发现自己最有价值的部分——那种「这个指标轻微异常但这个人没事」的整体判断——最难被写成规则,也最难被模型学习。他们的优势还在,只是变得更难被计价。
第二代:现在二三十岁的人
这一代人付出的不是工作量,是被标记的次数。
筛查的成本一旦降下来,筛查的次数就会上升。这不是猜测,是已经发生过的事。韩国从 1999 年开始推广甲状腺超声筛查,甲状腺癌的发病率在十余年间上升了十几倍,而死亡率基本没有变化。被发现的人多了十几倍,死于这个病的人没变,这就是过度诊断的定义。
甲状腺是一个典型例子。多项尸检系列研究发现,相当比例的成年人甲状腺里存在从未引起症状的微小癌,比例在百分之十上下,不同研究差别很大。这些癌在人生前不会发作,一旦被超声看到,就会变成一次手术。
前列腺癌的 PSA 筛查走过同一条路。发病率随筛查普及明显上升,死亡率下降幅度有限,过度诊断的比例在多项评估中占到两成到五成。
模型让这一切变快。一份报告里的四十项指标,模型可以交叉比对,找出人容易漏掉的组合,比如「轻度贫血加血小板偏高加年龄」,这种组合在单看每一项时都可能放过。它找到的真问题会更多,找到的假问题也会更多,而两者的比例并不由模型决定。
这一代人还要面对一个新东西:连续记录。二十岁到六十岁的每一次体检都在同一个系统里,模型看的不是一张报告,是四十年的曲线。曲线比单点更容易发现异常,也更容易把正常的波动解释成趋势。
| 人群 | 得到的 | 付出的 |
|---|---|---|
| 现在的医生 | 初筛效率、漏诊减少 | 复核工作量上升,责任边界变模糊 |
| 现在二三十岁的人 | 更早发现真问题 | 更多被标记、更多复查、更多手术 |
| 还没出生的人 | 从出生起的完整基线 | 一生都在被定义什么叫正常 |
这张表里最不对称的是第三行:前两代人的代价还能商量,第三代的代价在他们出生前就已经决定了。
第三代:现在还没出生的人
如果这套系统继续跑二十年,一个孩子出生时就会有一条基线:基因组、出生体重、第一次血常规、每一年的身高体重曲线。这些东西今天也有,只是散在各个医院系统里读不出来。
连起来之后,性质就变了。一个人的「正常范围」不再来自人群统计,而来自他自己过去十年的数据。这听起来更精确,实际上更严格。
人群统计的正常范围是宽的,因为它要容纳所有人。个人基线的正常范围是窄的,因为它只容纳你自己。人群标准容纳所有人,个人基线只容纳你自己。一个天生血小板偏高的人,在人群标准里属于正常变异,在个人基线里可能一直偏高。
更深远的一层是:什么算异常,将由训练数据决定。模型学的是过去几十年医院里留下的记录,那些记录本身就带着当时的筛查习惯、当时的诊断标准、当时谁有钱做检查。这些偏差会被固化成一整套「客观」的阈值。
他们出生时,系统已经在运行。没有参与定义,也没有机会申诉。
一个不太好接受的推论
到这里可以推出那个结论了,它不太好接受。
当读一份报告的成本降到接近于零,「不查」就不再是默认选项,而变成一个需要解释的选择。今天你不做体检,理由是忙、是贵、是怕;将来这些理由都站不住,因为便宜、快、而且「早发现早治疗」这句话在任何场合都难以反驳。健康会从一种状态,变成一项需要持续证明的东西。
这个推论不太好接受的地方在于:它不带来任何明显的坏事。没有人会因为多查了一次而立刻受损,所有成本都分散在很多年里,以复查、随访、活检、手术、保险费用的形式出现。分散的成本最难被反对,因为它从不以账单的形式一次到来。
再往前一步:如果模型能把「你可能在七年后的某项指标上出问题」算成一个百分比,那么这个百分比会进入保险定价、进入就业筛选、进入贷款审核。到那时,体检不再只是个人的事。一份报告的第一个读者是模型,第二个读者可能不是医生。
写在最后
我不是在反对用模型读报告。四十项指标靠人眼交叉比对,本来就是一件容易出错的事,模型在这件事上确实更强。
我想说的是,工具的效率提升和它的社会后果是两件事,不能用前者证明后者。甲状腺筛查的例子说明,一项技术上正确的检查,在人群层面可以产生完全相反的净效果。正确和有益之间,隔着一整个关于「谁被算进去」的问题。
所以真正该被讨论的,不是模型准不准,而是它被允许看什么、被允许提醒谁、以及「不查」这个选项还能不能保住。前三个问题都有技术答案,最后一个没有。
你上一次体检报告上的箭头,最后是怎么处理的?是去复查了,还是放到第二年再看?

评论 (0)