一项由谷歌与BIDMC合作的临床可行性研究表明，对话式医疗 AI 系统 AMIE 可在就诊前收集病史并生成摘要，帮助医生将面对面问诊重心从采集资料转向核实与共同决策，但研究为单中心单臂设计，尚不足以证明 AI 可独立诊断或替代医生。
一项由谷歌与波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center，BIDMC）研究人员合作开展的临床可行性研究显示，医疗人工智能或许不必通过替代医生来改变诊疗流程。相反，它可以在患者进入诊室前完成一轮病史采集和初步信息整理，让医生把更多时间用于核实重点、解释方案和与患者共同作出决定。
研究结果于2026年10月8日发表在医学期刊《柳叶刀》（The Lancet）上。谷歌称，这是该公司首次在《柳叶刀》主刊发表研究。论文研究的是谷歌的对话式医疗人工智能系统 AMIE（Articulate Medical Intelligence Explorer），而不是面向普通用户的通用聊天机器人。
不过，这项研究仍是一项单中心、单臂的可行性研究，规模有限，也没有设置传统就诊流程的对照组。它说明的是一种受监督的工作流程可以在真实临床环境中运行，并不能证明 AI 已经能够独立诊断或替代医生。
AMIE 如何参与一次真实就诊
研究在 BIDMC 的门诊初级保健环境中进行，参与者主要是因为新出现的、非紧急的偶发症状预约就诊的成年人。100名患者在预约前最多五天，通过安全网页链接与 AMIE 进行文字对话；其中98人随后完成了预定的门诊就诊。
在对话中，AMIE 会询问患者的症状、病史和相关背景，讨论可能的诊断方向，并生成一份谈话记录和摘要。经患者同意后，这份材料会在医生接诊前提供给初级保健医生参考。
关键的安全设计是，所有患者与 AMIE 的对话都由受过训练的医生实时监督。监督医生可以依据预先设定的安全标准介入或停止对话。研究期间没有发生需要停止咨询的情况，但这并不等于系统不需要人工监督，而是说明在这项有限的研究流程中，预设的安全停止条件没有被触发。
谷歌早期发布的研究说明称，研究团队特别关注了患者安全、对话质量、患者和医生体验，以及 AMIE 与初级保健医生在临床推理方面的表现。
诊断提示接近最终诊断，但管理方案仍有差距
根据研究论文，AMIE 给出的鉴别诊断在90%的病例中包含了患者在就诊后八周病历复核确定的最终诊断；如果只看排名前三的诊断，准确率为75%。在全部病例中，最终诊断有56%的概率是 AMIE 给出的首选诊断。
研究人员还让未参与实际就诊的临床评估者，以盲法和随机方式比较 AMIE 与医生给出的鉴别诊断和管理计划。结果显示，两者在鉴别诊断的整体质量，以及管理计划的适当性和安全性方面没有显著差异。
但在管理方案的实用性和成本效益方面，初级保健医生明显优于 AMIE。研究团队认为，这一差距并不意外：AMIE 当时无法访问患者的电子健康记录，不能进行体格检查，也不能整合患者的外观等多模态信息；医生则可以把这些现场信息和对具体医疗环境的经验结合起来。
这也是研究结果需要谨慎解读的地方。AMIE 在文字对话中提出的诊断方向，可以帮助医生准备接诊，但它并没有获得完整临床背景，也没有承担最终的诊断和治疗责任。
医生说，AI 让问诊从“采集资料”转向“核实资料”
研究中的医生普遍认为 AMIE 的就诊前摘要有助于提高准备程度。谷歌转述的访谈结果显示，一些初级保健医生认为，AI 介入后，面对面的问诊可以少花时间在重复收集基本信息上，更多转向核实患者所说的内容、解释可能性和共同讨论下一步。
这正是“改善医患关系”这一表述的具体含义：研究并没有证明 AI 本身比医生更有同理心，也没有衡量一个模型能否建立长期信任关系。它显示的是，在 AI 被置于医生监督之下、并以就诊前辅助工具而非独立治疗者的身份运行时，部分临床人员和患者认为它可以改善就诊准备过程。
患者在与 AMIE 交流后，对人工智能的总体态度变得更积极；调查和访谈还显示，患者普遍认为系统礼貌，并能帮助解释医疗问题。与此同时，患者对系统的信任与人工监督密切相关。换句话说，患者接受的并不是一个完全脱离医生的自动化诊疗者，而是一个明确会把信息交给医生的辅助系统。
《纽约时报》对这项研究的报道提到，医生认为聊天机器人在约四分之三的病例中有帮助，并认为它可能改变了超过一半病例的处理方式。报道还指出，训练有素的医生在研究期间监测了数百次对话，没有终止任何一次咨询，但曾在五次对话中补充额外解释；其中一次，系统把癌症列为可能诊断之一，监督医生介入以安抚患者并说明这只是鉴别诊断中的一种可能性。《纽约时报》报道
从模拟病人走向真实患者，仍只是早期一步
AMIE 并不是谷歌第一次测试的医疗人工智能系统。此前相关研究主要依靠模拟病人、医生演员或结构化的临床场景。此次研究的变化在于，真实患者在实际医疗机构中与系统互动，参与者的年龄、健康状况、技术素养和表达方式更加复杂。
研究论文的预印本于2026年3月9日发布在 arXiv 上，谷歌研究团队随后在3月11日发布研究介绍；《柳叶刀》的正式发表则在10月8日完成。预印本和正式论文共同构成了从研究设计到同行评议发表的时间线。研究论文：A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic。正式期刊版本：The Lancet。
论文同时强调了几个限制。首先，研究只有一个医疗中心，样本规模较小，且是单臂设计，没有足够证据说明引入 AMIE 后是否真的改善了患者结局、缩短了就诊时间或降低了医疗成本。其次，系统使用文字聊天，无法充分捕捉声音、表情、体态和体格检查结果。再次，研究没有完整评估健康素养、技术素养和患者对聊天机器人的熟悉程度如何影响使用体验。
谷歌因此把这项工作描述为迈向临床转化的一步，而不是最终验证。未来需要有更大规模、更多医疗机构参与的对照研究，比较使用 AI 与不使用 AI 时的诊疗质量、患者安全、医生工作负担和长期健康结果。
医疗 AI 的边界，仍由监督和责任划定
这项研究最值得注意的地方，可能不是 AMIE 的诊断排名，而是它采用的责任分配方式：系统负责在就诊前与患者对话并整理信息，医生负责监督、核实和作出临床判断。
这种模式与谷歌此前对 AMIE 的长期疾病管理研究形成了延续关系。AIFlux此前报道的AMIE 从一次性诊断走向长期病情管理关注的是模拟临床场景中的持续管理推理；这次研究则把问题推进到真实患者、真实门诊和人工实时监督的组合中。
但“医生在环”也意味着部署成本和责任问题没有消失。医院需要决定谁来监督 AI、什么情况必须中止对话、患者如何授权数据使用，以及医生应如何核查由系统生成的摘要。对于医疗机构来说，AI 能否减少工作负担，取决于它是否真正减少重复劳动，而不是把新的审查、合规和风险管理工作转嫁给临床人员。
AMIE 研究显示，医疗 AI 最现实的近期角色或许不是“虚拟医生”，而是一个受控的就诊前信息整理层。它可以帮助患者更有条理地描述问题，也可以帮助医生更快了解就诊背景；但诊断的不确定性、治疗方案的可行性，以及患者在具体情境中的价值选择，仍需要由专业人员承担。
未来更大规模的对照研究将决定，这种安排究竟只是让问诊过程看起来更顺畅，还是能够在不牺牲安全和信任的前提下，真正改善基层医疗服务。