OpenAI 与 Penda 联合研究：AI 临床助手帮医生减少 16% 诊断错误

把大模型塞进医院这事，大部分技术团队还在刷基准测试的分数，但 OpenAI 和肯尼亚的一家连锁诊所，已经悄悄拿近 4 万名真实病人的就诊记录做了一场严肃的对照实验。

OpenAI 公布了一项与肯尼亚初级保健医疗机构 Penda Health 的合作研究。在覆盖内罗毕 15 家诊所、共计 39849 次患者就诊的实际测试中，接了 AI 临床副驾驶的医生，诊断错误相对减少了 16%，治疗错误相对减少了 13%。

如果单看那些被系统触发了严重警报的高危病例，效果更明显：诊断错误率直接压低了 31%，治疗方案错误也下降了 18%。

别让医生主动提问，把它做成红绿灯

Penda Health 在内罗毕运营着 16 家全天候门诊，每年要看差不多 50 万名病人。基层全科医生一天要面对各种年龄和杂症，漏诊和误诊极难完全避免。

Penda 最早做的 AI 工具其实很笨拙，搞得像普通对话框，必须医生主动输入求助，结果不仅没人爱用，还打乱了面对面问诊的节奏。

后来他们把底层换成 GPT-4o，改造成一个名为 AI Consult 的后台安全网。医生在电子病历系统里录入信息时，脱敏后的病历会实时送给模型分析，并在界面上给出三种提示。

绿色是对勾，代表没发现异常；黄色是小铃铛，代表存在中度疑问，医生可以自己决定要不要点开；红色则是强制弹窗，代表可能存在重大安全隐患，医生必须确认后才能继续操作。

为了让大模型接地气，提示词里还特意注入了肯尼亚本地的流行病学背景、官方诊疗指南和机构的标准化流程。

基层医生不是不信 AI，是需要有人教

有意思的是，光把系统装进电脑里，根本没起多大作用。

在 1 月底到 2 月底的导入期，即使系统弹出了高危的红牌警报，医生们置之不理的比例依然高达 35% 到 40%，几乎跟没装系统的对照组毫无区别。有的医生是没意识到警报的严重性，有的则是被误报搞烦了，比如系统曾因为儿童没测血压而疯狂报错，但该机构常规看诊本来就不给儿童量血压。

到了 3 月份的主测试阶段，Penda 开始动用管理手段，安排诊所骨干做一对一辅导，解释大模型的优缺点，同时在内部对善用 AI 的医生给予考核奖励。这套组合拳打下去，高危警报被忽视的比例才从 40% 腰斩到了 20%。

108 名独立医生（其中 29 名来自肯尼亚本地）盲审了抽取的 5666 份真实病历。数据表明，AI 组在病史采集错误上减少了 32%，检查开立错误减少了 10%，漏开重要药物或遗漏患者健康宣教的情况也明显改善。

为什么重要

我们认为这项研究最大的价值，在于戳破了一个幻觉：医疗 AI 的瓶颈从来不是大模型不够聪明，而是它到底怎么嵌进医生的日常动作里。

以往很多医疗 AI 试图扮演全知全能的诊断专家，甚至想替医生拿主意，这在监管和责任伦理上几乎走不通。Penda 和 OpenAI 这次聪明的地方，在于把大模型降级为一个只在暗处盯着的校对员。日常看诊它不废话，只有在可能犯低级错误时才拉警报，把最终决定权死死留在医生手里，这种防御性设计的落地阻力要小得多。

但硬币的另一面是，AI 能否发挥作用，极其依赖线下的组织管理和流程打磨。如果只把接口接进医院就撒手不管，医生遇到几次误报就会把它当成耳旁风。换句话说，光卖 API 或软件许可证在医疗场景行不通，服务商必须把本地化指南适配、医生培训和变更管理一起打包。

对于医疗资源匮乏的地区来说，这种成本低廉的后台纠偏机制性价比极高。按照 Penda 自身的测算，单在他们现有的接诊规模下，这套系统每年就能防范 2.2 万次误诊和 2.9 万次用药差错。这给大模型商业化提供了一个看得见摸得着的真实样板。