OpenAI 與 Penda 聯合研究：AI 臨床助手幫醫生減少 16% 診斷錯誤

把大模型塞進醫院這事，大部分技術團隊還在刷基準測試的分數，但 OpenAI 和肯亞的一家連鎖診所，已經悄悄拿近 4 萬名真實病人的就診記錄做了一場嚴肅的對照實驗。

OpenAI 公佈了一項與肯亞初級保健醫療機構 Penda Health 的合作研究。在覆蓋內羅畢 15 家診所、共計 39849 次患者就診的實際測試中，接了 AI 臨床副駕駛的醫生，診斷錯誤相對減少了 16%，治療錯誤相對減少了 13%。

如果單看那些被系統觸發了嚴重警報的高危病例，效果更明顯：診斷錯誤率直接壓低了 31%，治療方案錯誤也下降了 18%。

別讓醫生主動提問，把它做成紅綠燈

Penda Health 在內羅畢運營著 16 家全天候門診，每年要看差不多 50 萬名病人。基層全科醫生一天要面對各種年齡和雜症，漏診和誤診極難完全避免。

Penda 最早做的 AI 工具其實很笨拙，搞得像普通對話方塊，必須醫生主動輸入求助，結果不僅沒人愛用，還打亂了面對面問診的節奏。

後來他們把底層換成 GPT-4o，改造成一個名為 AI Consult 的後臺安全網。醫生在電子病歷系統裡錄入資訊時，脫敏後的病歷會即時送給模型分析，並在介面上給出三種提示。

綠色是對勾，代表沒發現異常；黃色是小鈴鐺，代表存在中度疑問，醫生可以自己決定要不要點開；紅色則是強制彈窗，代表可能存在重大安全隱患，醫生必須確認後才能繼續操作。

為了讓大模型接地氣，提示詞裡還特意注入了肯亞本地的流行病學背景、官方診療指南和機構的標準化流程。

基層醫生不是不信 AI，是需要有人教

有意思的是，光把系統裝進電腦裡，根本沒起多大作用。

在 1 月底到 2 月底的匯入期，即使系統彈出了高危的紅牌警報，醫生們置之不理的比例依然高達 35% 到 40%，幾乎跟沒裝系統的對照組毫無區別。有的醫生是沒意識到警報的嚴重性，有的則是被誤報搞煩了，比如系統曾因為兒童沒測血壓而瘋狂報錯，但該機構常規看診本來就不給兒童量血壓。

到了 3 月份的主測試階段，Penda 開始動用管理手段，安排診所骨幹做一對一輔導，解釋大模型的優缺點，同時在內部對善用 AI 的醫生給予考核獎勵。這套組合拳打下去，高危警報被忽視的比例才從 40% 腰斬到了 20%。

108 名獨立醫生（其中 29 名來自肯亞本地）盲審了抽取的 5666 份真實病歷。資料表明，AI 組在病史採集錯誤上減少了 32%，檢查開立錯誤減少了 10%，漏開重要藥物或遺漏患者健康宣教的情況也明顯改善。

為什麼重要

我們認為這項研究最大的價值，在於戳破了一個幻覺：醫療 AI 的瓶頸從來不是大模型不夠聰明，而是它到底怎麼嵌進醫生的日常動作裡。

以往很多醫療 AI 試圖扮演全知全能的診斷專家，甚至想替醫生拿主意，這在監管和責任倫理上幾乎走不通。Penda 和 OpenAI 這次聰明的地方，在於把大模型降級為一個只在暗處盯著的校對員。日常看診它不廢話，只有在可能犯低階錯誤時才拉警報，把最終決定權死死留在醫生手裡，這種防禦性設計的落地阻力要小得多。

但硬幣的另一面是，AI 能否發揮作用，極其依賴線下的組織管理和流程打磨。如果只把介面接進醫院就撒手不管，醫生遇到幾次誤報就會把它當成耳旁風。換句話說，光賣 API 或軟體許可證在醫療場景行不通，服務商必須把本地化指南適配、醫生培訓和變更管理一起打包。

對於醫療資源匱乏的地區來說，這種成本低廉的後臺糾偏機制價效比極高。按照 Penda 自身的測算，單在他們現有的接診規模下，這套系統每年就能防範 2.2 萬次誤診和 2.9 萬次用藥差錯。這給大模型商業化提供了一個看得見摸得著的真實樣板。