經過幾十年的“醫生說的準沒錯”之后，傳統醫患關系正處于重大轉折的臨界點。OpenAI的ChatGPT、谷歌的Bard以及微軟的Bing等生成式AI工具，將賦予人們更多的決策權和控制權——這種權利不僅滲透進個人生活和日常工作，更將在醫療健康層面有所體現。

隨著生成式AI工具變得更加智能、安全且可靠（預計在未來五年內，AI功能將增強32倍），普通美國民眾將能夠隨時隨地獲取無與倫比的醫療專業知識，而且是以易于理解的形式呈現。

目前，谷歌的Med-PaLM 2模型已經在美國行醫執照考試中獲得與專家相當的86.5%得分，而其他AI工具在診斷復雜疾病方面的技能和準確性也已經與普通醫生相當。

很快，AI工具將能夠與健康監測器和電子病歷相集成，為患者提供關于特定醫療問題的詳細信息（甲骨文/Cerner和Epic已經在推進此類EHR電子健康信息項目）。假以時日，相信人們能夠像如今的臨床醫生一樣準確、有效地自我診斷并管理健康問題。

而這種新興的專業知識來源，也將動搖傳統臨床實踐的根基。

盡管公共衛生專家長期以來一直強調臨床醫生與患者共同努力、攜手決策的理念，但在現實推進方面卻一直舉步維艱。生成式AI的發展普及有望改變這一現狀。

今日病患：痛苦，且充滿困惑

要了解生成式AI將如何影響醫學實踐，我們最好先從當前的醫患動態入手。

醫患關系最早可以追溯至五千年前，而且長期處于不對等的對抗狀態之下。患者別無選擇，只能以幾乎完全依賴醫生的方式了解自身疾病、獲取診療意見。

盡管患者現在已經可以訪問互聯網來查詢潛在診斷與治療方案，但專業醫療知識的缺少導致他們無從具體甄別。事實上，大量線上資源之間往往相互矛盾、模糊不清、嚴重過時甚至存在誤導傾向——換言之，對信息的篩選提煉本身就極具難度。而且網絡用戶也無法配合自己的年齡、病史、基因構成、當前用藥和化驗結果等指標獲取有針對性的可靠建議。

未來病患：鞏固信心，自我診療

未來，生成式AI將創造出公平的競爭環境，進而顛覆傳統醫患關系。

消費級AI工具不僅能夠為用戶提供知識，更能給出專業性的指導意見。這類工具能夠讓普通人以前所未有的高復雜方式創作藝術杰作、編寫熱門歌曲和輸出計算機代碼。而下一代AI技術也將為患者提供類似的能力，包括那些不具備科學或醫學背景的病患。

如同一位數字化助手，生成式AI將以搜索引擎無法企及的方式縮小醫生和患者之間的知識差距。通過訪問數百萬份醫學文本、同行評審期刊和科學文章，ChatGPT能夠以通俗易懂的語言提供準確而公正的醫學專業知識。而且與互聯網資源不同，生成式AI工具不會內置廣告宣傳機制、或者其他可能歪曲分析結論的利益要素。

為了幫助患者和醫生駕馭這個即將到來的生成式AI時代，我們也許可以從以下幾種經過驗證的未來醫療實踐模式起步：

引入“翻轉醫療保健”模式

“翻轉課堂”概念的歷史可以追溯到近四十年前，并且自2000年初通過北加州的Khan Academy開始在全美掀起熱潮。

學生們的學習過程是通過線上觀看視頻和使用互動工具開始的，這就與傳統課堂形成了鮮明反差。這種課前準備（或者說預習）模式允許人們按照自己的節奏安排學習內容。此外，翻轉課堂還強調課間商議，讓教師和學生比以往更深入地討論主題。事實上，學生應該把握寶貴的課堂時間利用知識和協作解決問題，而不僅僅是被動聽講和記筆記。

生成式AI的引入，也為醫療保健領域的其他應用打開了大門。下面來看這項技術在實踐中的幾種運作方式：

• 診前學習：在拜訪醫生之前，患者可以使用生成式AI工具了解自己的癥狀或常規治療情況。這些背景知識將加快診斷過程，并增強患者對醫生意見的理解水平。即使沒有先進的診斷測試（X光片或血液檢查），診前學習環節也能讓患者預先了解臨床醫生可能提出哪些問題、過程中具體涉及哪些步驟。
• 加深人際交互：在患者已經具備基礎知識的前提下，診療過程將深入探討積極的健康策略及/或長期的慢性病管理方案，這就跳過了冗長且容易發生誤解的說明過程。這種方法最大限度利用了患者與臨床醫生的面談時間，也克服了一大普遍存在的現實問題：至少50%的患者在診療結束之后，并不清楚自己有沒有正確理解醫生的意見。
• 居家監測：對于60%的美國慢性病患者來說，生成式AI能夠與可穿戴監測設備相結合，為他們提供實時反饋并優化臨床結果。這些患者無需定期就診（每三到六個月），即可輕松獲取每日醫學分析和見解。如果生成式AI發現了問題（例如健康數據偏離了醫生的預期），將提醒醫生立即更新藥品配伍。而當患者狀況良好時，醫生則可取消隨訪以避免浪費時間。
• 家庭病床：住院護理所產生的開銷，一般占總體醫療費用的30%。通過持續監測患有輕度肺炎及可控細菌感染等病癥的患者體征，生成式AI（與家庭監測設備和遠程醫療訪問相結合）能夠讓病患在舒適的家中接受治療，獲得優于現狀的安全性和經濟性。
• 健康生活方式：生成式AI還能支持預防性健康措施與生活方式等習慣性轉變，從根本上減少對現場臨床護理的總體需求。研究證實，注重飲食、鍛煉和定期參與體檢能夠將慢性疾病（心臟病、中風、癌癥等）的致命并發癥比例降低30%以上。而由此減少的手術需求，也有助于改善醫保基金運營狀況、解決未來可以預計的醫生/護士人力短缺問題。

展望未來：協作護理以實現卓越療效

美國的醫療模式常常令患者感到沮喪、不知所措。與此同時，醫生們則負擔沉重，過高的工作強度經常導致倉促診斷甚至誤診，由此導致的死亡和致殘問題估計每年高達80萬例。

受Khan Academy的啟發，新的“翻轉”模式利用生成式AI幫助患者掌握專業知識。這種新模式將為臨床醫生節約下寶貴時間，充分運用每一次就診機會。誠然，實現這一宏偉目標還需要AI技術的后續改進以及醫療文化的整體演變，但這至少開啟了希望之門，讓我們看到醫患關系更加和諧、患者主動改善自身健康狀況的可能性。

如果還抱有疑慮，大家可以跟Khan Academy的教育工作者們聊聊，他們會分享這種創新模式如何讓學生們獲得更好的教育體驗，包括與傳統教育系統內的師生相比、該學院中的師生滿意度為何遙遙領先。教育如此，醫療也將如此。