波士顿儿童医院本周公开了一份临床报告：在 OpenAI 的技术支持下，他们部署的 AI 罕见病辅助诊断系统过去 14 个月里成功确诊了 41 种棘手疾病。医院遗传医学部主任 Isaac Kohane 在新闻发布会上说：”以前一个家庭从症状出现到拿到罕见病诊断的平均时间是 6.3 年，我们把这个数字压到了 11 个月。”
系统怎么用，不是替代医生
这套系统的工作流并不科幻。患者就诊后，主治医生像往常一样录入病史、症状、家族史、影像和基因检测结果，AI 在后台对照全球已知的约 7000 种罕见病数据库给出排序前十的可能性，并标注出”如要进一步确诊还需哪些检查”。医生看到的是一份建议清单，而不是直接的诊断结论。医院公布的统计是：AI 给出的前三位假设里，包含最终确诊病种的命中率达到 79%；前十位的命中率达到 94%。这个数字明显高于以往人工症状学搜索 53% 的命中率。
成本下降来自哪里
临床运营成本的明显下降，主要省在两件事上。一是减少了大量”碰运气式”的排查检查——确诊罕见病以往动辄几十项检测，AI 排序之后医院的人均检测项目数从 27 项降到 14 项，影像复查次数也减少了一半，这一项就替每位患者省下大约 8000 美元。二是缩短了住院时间，平均观察天数从 9.4 天降到 4.7 天。Kohane 强调了一点：”AI 没有抢医生的工作，反而把医生从无效检查的等待里解放出来，能多看两倍患者。”医院预计 2026 年全年因此节省约 4400 万美元的运营开支。
这是医疗 AI 第一次拿出可复现的账
过去十年医疗 AI 的演示视频很多，真正能拿出”用了多少钱、看了多少病、命中率多少”这种数据的项目少得可怜。波士顿儿童医院愿意公开 41 种确诊病种、79% 命中率、4400 万节省，意味着这条路径已经过了 PoC 阶段，进入可被同行复制的工程化阶段。当然，罕见病只是医疗 AI 最适配的场景之一——病种边界清晰、症状描述结构化、错诊代价已经摆在台面上。把这套方法挪到普通门诊去，挑战会大得多。但有了一份能复现的账，至少让医院董事会、医保支付方和监管机构第一次站在同一张表格前讨论问题，这本身已经是医疗 AI 这十年最大的进展。
