姚先生至今记得那天，当看到父亲体检报告里的前列腺指标异常，他在支付宝搜索栏敲下 “泌尿外科” 时，跳出的不仅是挂号入口，还有一个能层层追问症状的“AI健康管家”。几轮对话后，智能体精准提示 “需排除前列腺癌风险”，并直接对接了仁济医院泌尿科迟辰斐医生的门诊。这样一例智能体辅助的医疗案例背后，藏着一位医生与AI两年磨合的 “思维移植” 故事。

初识：AI能比人更快？

迟辰斐第一次把临床经验比作 “敲西瓜” 时，工程师们正对着海量病例数据犯愁。2023年初，当仁济医院决定联手蚂蚁集团开发专科智能体，这位擅长晚期前列腺癌治疗的主治医师，也同时开启了一场认知颠覆的心路历程。

他最初的想法是，AI只会按流程输出标准检查单，“医学生都学同样的指南，但为什么老医生挑的西瓜更甜？因为敲瓜时的手感、声响，是课本里没有的决策逻辑。”

当时业内普遍认为，把海量病例“喂”给大模型就能训练出智能医生。但迟辰斐团队在测试多个通用医疗大模型时发现，其诊断准确率仅40%-50%。他意识到，医疗的深层壁垒不在知识储备，而在顶尖医生的“临床直觉”，那种在数万次诊疗中淬炼出的判断力。

“我们必须把这种‘下意识’的判断挖出来。” 迟辰斐带着团队做的第一件事，就是把1000多个真实病例拆解成思维链：比如看到PSA指标异常时，资深医生会先排除前列腺炎，再考虑年龄、家族史等变量，这个“排除法”的逻辑树，被他们用自然语言写成40多万条知识条目。

最难忘的是2023年12月的那场数据攻坚战。他回忆，当AI首次生成推理数据集时，69%的内容出现“幻觉”。迟辰斐带着六七个医生熬了两周夜，逐字逐句修改病例，最终筛出的2000条高质量数据，成了国内首个专科推理数据集的基石，该模型开源后被下载数千次用于测试。

磨合：医生与AI的“双向教育”

“训练AI就像教实习生，得把脑子里的‘暗知识’掰碎了喂。” 迟辰斐回忆参与研发智能体这一年多来，每周两次的跨学科会议上，他会带着医生们用自然语言描述诊疗思路。

支付宝里的“医生分身”

但他同样，也接收到了来自AI的“反哺”。其中有一个有趣的细节，在仁济医院会议室的周末小讲台上，曾上演过多场知识对撞：医生们给工程师讲解 “前列腺穿刺的指征”，程序员则用思维导图拆解 “大模型如何学习推理”。迟辰斐至今记得自己第一次听懂“注意力机制” 时的震撼：“原来AI不是死记硬背，而是像医生一样，会把关键症状标红思考。”

这种跨界学习催生了一次特别的对比测试，也让迟辰斐发现了AI另一重价值。“我们让50名社区医生、50名进修医生和智能体同时诊断1000个病例，”最终AI得分69分，虽低于进修医生的73分，却能让所有医生的准确率提升5到8个百分点。

“它像个特别有悟性的实习生，能提醒医生‘别忘了这个罕见病可能’。” 这正是AI基于数万例病例学到的“警觉性”。这也让迟辰斐意识到：“AI正在尝试复制我们的问诊节奏了。”

如今，仁济医院泌尿专科智能体已能完成98%常见泌尿系统疾病的分诊，上岗8个月，已服务30万人次。

协作：AI渗透诊疗全流程

现在的迟辰斐，手机和电脑里常驻三个AI工具：看肺部CT用的影像辅助诊断、写科研报告的智能润色，还有自己科室的智能体。

迟医生日常会同时使用多个AI工具，劳动报记者陈宁摄

“现在每次手术前，AI会帮我梳理病人肺部的影像报告，” 他滑动着电脑上的一份肺部影像分析报告，向记者介绍，“以前我得花很长时间翻文献，看片子，现在几分钟就能抓住重点。”

这种与AI的日常协作也已渗透诊疗全流程。在专病诊疗方面，迟辰斐对智能体的评价简单直接：辅助医生快速获取知识点，提升医生快速理解、总结的效率；解答患者关心的预防、检查、治疗、康复等问题，提升患者医疗健康体验；与此同时，能为患者提供挂号、检查报告查询等实用功能。

让他感慨的还有患者态度的变化。通过智能体的提示，姚老先生就医后最终确诊为前列腺癌，在仁济医院施行机器人辅助单孔前列腺癌根治术后，顺利出院。“姚先生问我，术后老人出现什么问题或有哪些注意事项，可以随时问我吗？我也是向他推荐了关注我们专科的智能体。”他告诉记者，经过最初的那次精准提示，姚先生也是从一开始报着怀疑的态度，到术后对智能体有了信任感。

现在，在门诊结束后，迟医生常常会假扮病人“刁难”一下智能体，他有时也被AI的“人性化”惊到。当记者问道，“您觉得AI给医疗带来的最大改变是什么？”他淡定得回答，“不是替代，是重构医患关系。”

以前医生像“知识垄断者”，现在AI把标准化知识普及了，医生能腾出更多精力做“人”的工作。他说，“因为AI省出的时间能多解释几句手术方案，看到患者眼里的紧张变安心，这才是机器无法替代的价值。”

头图为迟医生向记者展示AI分析的病人肺部影像报告，劳动报记者陈宁摄