我们的 AI 助产士

一句话看懂：一位经历六年不孕治疗的患者，用 ChatGPT 扮演虚构医生“Dr. Reid”辅助分析病情，最终 AI 建议做此前从未被任何医生强烈推荐的子宫 MRI，成为其求医过程的关键转折。这则来自 Astral Codex Ten 的客座文章，展示了 LLM 在专业医疗场景中被当作“第二意见”使用的真实样貌。

事件核心：发生了什么

作者 Drew Housman 与妻子长期接受 IVF（体外受精）治疗，胚胎质量正常但多次移植失败，最终被归入“不明原因不孕”。在就诊时间极其有限的情况下，他们开始用 GPT-4 处理医生办公室来不及回答的问题。由于 OpenAI 早期对医疗问题的安全限制较严，作者采用了一个流传的技巧：让模型以好莱坞医疗剧剧本的形式输出诊断分析。这个被命名为“Dr. Reid”的 AI 角色随后持续参与解读超声、雌二醇与孕酮水平、卵泡计数、炎症、宫腔镜及手术医生选择等问题。

作者称，多数回答与人类医生核对后一致，偶尔也会出现把超声误读为怀孕的错误。关键变化出现在某次对话中，Dr. Reid 建议做 MRI。作者意识到，在长达六年的检查、活检和扫描中，从未有医生认真推荐过子宫 MRI。他们随即把这个方向带回真实医疗流程。

为什么重要

这不是“AI 取代医生”的故事，而是 LLM 作为患者侧信息中介的案例。它揭示了一个现实缺口：美国医疗体系中，患者与医生面对面沟通的时间被严重压缩，而大模型能提供接近持续在线、可反复追问的推理型问答。更重要的是，AI 在这里的价值不在于给出标准答案，而在于提出人类医生因路径依赖或时间限制而忽略的检查选项。对 AI 行业而言，这说明医疗场景的真实需求往往不是诊断权威，而是“陪患者把问题问完”。

对用户/开发者/创作者的影响

对普通用户，这类用法提示了一个可行边界：把 LLM 当作提问助手和知识校对工具，用人类医生做最终验证。对开发者，医疗方向的产品机会不在替代诊断，而在就诊准备、检查项梳理、报告解读和随访管理，同时必须处理模型对医疗内容的拒答与合规限制。对内容创作者，这则文章本身也说明，AI 应用叙事正在从“能力展示”转向“具体生活问题中的工作流嵌入”，真实案例比参数对比更有传播力。