Google 的對話式診斷 AI AMIE，首度公布了在真實門診進行的前瞻性研究結果。論文於 10 月 8 日刊登在《刺胳針》（The Lancet）主刊，Google 表示這是公司第一次在該期刊主刊發表論文。DeepMind 執行長哈薩比斯隨後在社群平台上公開道賀。
研究在美國波士頓貝斯以色列女執事醫療中心（BIDMC）的急診初級照護門診進行，2025 年 4 月至 11 月收案，事前已在 ClinicalTrials.gov 登記，並依倫理委員會核准的計畫執行，患者也被告知參加與否都不影響後續診療。
研究怎麼做
流程是：患者在見醫師之前，先與 AMIE 以文字對談一輪，由它蒐集病史並整理成摘要。每一場對話旁都有一名醫師即時監看，研究事先訂好了必須叫停的安全標準。8 週後，研究人員再回頭查閱病歷，確認患者最後的診斷，拿來對照 AMIE 當時給出的判斷。
主要數字如下：
- 收案 114 人，98 人完成對話；
- 沒有任何一場對話觸發安全叫停；
- 監督醫師記錄到 1 次幻覺，另有 5 場對話中醫師補充了臨床資訊；
- 最終診斷出現在 AMIE 鑑別診斷清單中的比例為 90%，排在前三名的比例為 75%。
醫師端也有回饋。98 個病例中，初級照護醫師針對 60 例填寫了問卷，其中 44 例在看診前讀過 AMIE 的對話紀錄，認為對準備看診有幫助的有 33 例。
看清楚分母
這些數字放在小樣本上，得換個算法來讀。90% 和 75% 的分母都不到 100 名患者；醫師回答「有幫助」那一項，粗算下來分母只有 44 例，33 除以 44 剛好是 75%，每多一例或少一例，比例就會變動兩個百分點以上。
零叫停也是一樣。98 場對話沒出事，以統計上常用的「三法則」（rule of three，3 除以樣本數）估算，這樣的樣本數只能大致說明嚴重安全事件的發生率在 3% 左右以下，更低的風險水準，這麼多樣本還排除不了。研究者自己把這項工作稱為可行性研究，並沒有對照組。
另一組數字對 AMIE 就不太有利。研究把 AMIE 提出的處置方案與初級照護醫師的方案放在一起做盲評，在方案是否實用、是否划算兩項上，AMIE 輸給了醫師。列出可能的疾病，和決定下一步怎麼處理，難度不在同一個層級。
限制與下一步
論文列出的限制包括：單一中心、僅有文字互動、約一百名患者、沒有對照組。Google 的表態是，面向患者的 AI 需要大規模評估，還需要更大型的臨床試驗。
這項研究的預印本今年 3 月 9 日已上傳 arXiv，Google 在 3 月 11 日也發表過詳細介紹，這次的新節點是通過同儕審查、正式刊登。從 2024 年 AMIE 在模擬問診中與醫師比較，到這次進入真實門診，Google 走的是先模擬、再小規模真人、最後進行大型試驗的順序，第三步何時啟動、在哪裡進行，公司尚未公布。
參考來源：《刺胳針》、Google 研究部落格、CocoLoop、貝斯以色列女執事醫療中心；論文摘要與醫院公告核驗了收案人數、完成對話數、安全事件數與診斷命中率的計算口徑。