这项由谷歌筹商院（Google Research）与谷歌DeepMind集会开展的大边界筹商，于2026年5月5日以预印骨子式发布，论文编号为arXiv:2605.04012v1。有趣味深入了解的读者可以通过该编号在arXiv平台查询完好论文。

你有莫得在深夜倏得感到体魄不对劲，却不细目要不要去看医师的经验？喉咙有点痛，是平日伤风照旧扁桃体炎？肚子吞吐作痛，是吃坏了东西照旧需要坐窝去急诊？大多数东说念主遭遇这种情况，第一反馈不是坐窝拨打病院电话，而是掏源泉机，掀开搜索引擎或者AI聊天器具，输入我方的症状描写，但愿得到一个初步谜底。

这个行顺耳起来再平日不外，但背后其实藏着一个莫得被厚爱回答过的蹙迫问题：当平日东说念主用日常语言向AI描写症状时，AI给出的会诊提出到底有多准确？它能和简直的医师比较吗？不同的对话花样——比如AI主动追问照旧用户我方毁坏说——会不会显贵影响会诊质地？

谷歌筹商院的团队决定用一场真实的大边界实验往还答这些问题。他们拓荒了一套叫作念SymptomAI的对话式AI系统，把它接入了数百万东说念主在用的Fitbit健身跟踪应用，让真实用户在真实生病时使用它，历时快要一年，汇集了快要1.4万场真实的症状对话。这不是在实验室里缠绵的模拟场景，也不是请演员上演病东说念主，而是真材实料的真实寰宇测试。

这项筹商的特有之处在于，它同期作念了三件事：测试AI是否能准确会诊平日东说念主自述的症状，比较不同对话计策对会诊准确率的影响，以及探索将AI会诊与可穿着设立的生理数据勾引起来有莫得价值。最终的论断让许多东说念主感到无意——在特定条款下，AI给出的辩别会诊销亡赫然优于东说念主类临床医师。

一、为什么平日东说念主看病前总要先问AI

在矜重先容这项筹商之前，有必要先相连它为什么蹙迫。咱们正处在一个医疗信息获取花样发生根人道变化的期间。畴前，东说念主们生病了领先照应家庭医师，或者打电话给诊所。自后互联网普及，各式症状查询网站和在线症状查验器具兴起。而近几年，大语言模子（也即是ChatGPT、Gemini这类AI聊天器具）的普及，让情况进一步发生了变化。

罕有据清楚，东说念主们向AI发问的问题中，约莫有五分之一与医疗健康常识计议。而在健康关系的AI对话里，快要二成波及症状评估或疾病运筹帷幄。这个趋势依然实实在在地影响了东说念主们的就医行动——有筹商发现，当搜索引擎上某种症状的查询量高涨时，对应的门诊就诊量反而会下降。换句话说，东说念主们在简直去病院之前，依然越来越风俗先通过数字器具完成一次"预会诊"。

问题是，传统的在线症状查验器具进展并不睬想。一项隐敝23个症状查验器具的系统性综述发现，这些器具能把正确会诊排在第一位的概率只好约34%。也即是说，你告诉它"我头疼、发热、满身酸痛"，它有三分之二的概率不会把伤风列为首选谜底。这个准确率，连病东说念主我方飞快揣度齐未必差若干。

那大语言模子呢？有筹商用圭臬化的临床病例描写来测试GPT-4，发现它在前五个候选会诊（也叫Top-5辩别会诊）里包含正确谜底的概率特出80%，令东说念主印象深入。但这里有一个重要问题被冷落了：那些测试用的病例描写，是由专科医师写的，信息完好、抒发措施。真实病东说念主不会那么语言。

一项很有劝服力的筹商销亡揭示了这个差距有多大：当AI胜利处理专科撰写的病例描写时，Top-3准确率高达94.9%；而当平日东说念主把归拢个病例的信息用日常语言理论转述给AI时，准确率骤降至34.5%。从快要95%跌到不及35%，这个陡壁式下落，澄莹地说明了一件事：在实验室里进展优秀的AI，在濒临真实用户的时候，进展可能迥然相异。

谷歌筹商院的团队恰是看到了这个空缺，决定把AI症状评估拉到真实寰宇里来锻练。

二、一场持续九个月、涵盖近1.4万东说念主的真实实验

这项筹商的缠绵自身就值得好好先容，因为它的边界和真实性在同类筹商中相等荒凉。

筹商团队把SymptomAI系统接入了Fitbit应用的"Fitbit Labs"筹商环境，向好意思国各地的Fitbit用户发出邀请。这个实验从2025年6月矜重启动，一直运行到2026年4月，持续了快要一年。筹商通过了孤独伦理审查委员会（Advarra，马里兰州，编号GH-SCD-001）的批准，系数参与者齐经过了知情首肯方法，明确了解这是一项筹商，而非矜重的医疗行状。参与者莫得任何经济酬报。

最终，约4万名Fitbit用户被邀请参与，其中13917东说念主完成了至少一次与SymptomAI的完好对话。这些参与者在简直感到体魄不当令，会掀开应用与AI进行一场对于症状的对话，AI凭据对话内容给出可能的病因列表（也即是辩别会诊，简称DDx）。对话扫尾后，参与者还会被邀请填写一个苟简问卷，说明我方是否去看了医师以及得到了什么会诊。如果其时还没去看医师，两周后系统会再次提醒，请他们补充后续会诊销亡。

最终，13917东说念主中有1228东说念主提供了医师给出的真实会诊，这部分数据成为评估AI准确率的"金圭臬"。在这1228东说念主中，筹商团队又飞快抽取了517东说念主，邀请三位具有特出35年从业教训的家庭科牌照医师进行了深度临床评估，耗时特出250个小时。

这三位医师的职责分两个阶段。第一阶段，其中两位医师孤独阅读对话记载（AI给出的会诊被抵制，只保留用户的述说），各自给出我方的辩别会诊列表，并评估我方的信心进程。第二阶段，第三位医师在不知说念任何会诊起头的情况下，同期看到三份会诊列表（两份来自东说念主类医师，一份来自AI），对它们进行盲评和排行，并在看到真实会诊后评估各列表的准确率。

除了东说念主类医师的评估，筹商团队还教学了一个AI自动评分系统（auto-rater），用来把东说念主类评估的边界从517东说念主膨大到通盘1228东说念主，确保论断更有统计力度。

整个实验技术，参与者被飞快分派到五个不同的"对话模式"组，每组使用不同的AI对话计策。这个飞快分组缠绵，使得筹商者未必胜利比较不同计策的效力，而不是让参与者开脱聘请。

三、五种对话计策，九游体育中国体育服务中心哪种更像简直的好医师

这项筹商最中枢的变量之一，是AI和用户交流的花样。筹商团队缠绵了五种不同的对话计策，对应五个实验组，这五种计策的区别，本质上是AI主动性的上下。

第一种计策叫"基础模式"，这亦然当今市面上大多数滥用级AI聊天器具的默许状态。AI只被见知要聚焦于健康话题，并在对话扫尾时给出可能的会诊列表。它不会主动追问，用户说什么它就回复什么，会诊的质地统统取决于用户我方酣畅提供若干信息。这就像走进一家诊所，医师只是坐在那儿等你语言，不主动问任何问题。

第二种计策叫"固定问题模式"，基于医学院教学中的圭臬病史采集框架——HPI（现病史）。AI被要求按治安问一套固定的问题，包括症状发生的位置、开动技术、严重进程（1-10分）、症状的具体感受（比如是刺痛照旧钝痛）、什么情况下症状加剧或简略、是否有关系风险身分，以及症状怎么影响日常活命。岂论用户之前说了什么，AI齐要把这套问题问完，最多对话六轮，然后给出会诊。

第三种计策叫"机动问题模式"，与第二种雷同，但AI有权凭据用户依然提供的信息跳过无谓要的问题。比如用户一开动就提到了症状出现了三天，AI就不需要再问"症状什么时候开动的"。这种花样在保持结构化的同期，更接近天然对话的嗅觉。

第四种计策叫"动态及时更新模式"，AI有统统的自主权决定问什么、奈何问，莫得任何预设问题列表。唯独的不休是对话最多进行六轮，而况AI在每轮对话后齐要及时更新并展示当前最可能的会诊列表，匡助用户边聊边了解情况。

第五种计策叫"动态最终输出模式"，与第四种极度相似，相同给AI统统的自主权，但AI不会在经过中展示中间会诊销亡，只在对话扫尾时给出最终的会诊列表。

这五种计策从第一种到第五种，AI的主动性和结构化进程温顺发生变化。筹商团队的中枢假定是：主动规画更多信息的计策，会比恭候用户主动提供信息的计策进展更好。

四、销亡令东说念主咋舌：主动追问的AI，会诊准确率跨越27%

实验销亡极度澄莹地撑持了这个假定，而况差距之大超出了许多东说念主的预期。

更挑升想的是，固定问题模式（第二和第三种，所有准确率75.6%）和动态自主模式（第四和第五种，所有准确率71.4%）之间，并莫得统计上显贵的互异（Welch t锻练，p=0.155）。换句话说，AI不需要痴呆地谨守医学院教的圭臬问题清单，只须它被赋予追问的权限，哪怕统统自主决定问什么，效力也和谨守经典临床框架差未几。

从用户参与度来看，基础模式下用户在整个对话中平均输入的单词数最少，而其他四种模式由于AI主动追问，用户被勾引提供了更多信息，总词数赫然更多。这胜利解释了为什么会诊准确率更高：更多的信息意味着AI有更充分的依据进行判断。

这个发现对平日滥用者使用AI器具有胜利的指挥真谛。当你掀开ChatGPT、Gemini或者其他AI助手描写症状时，尊龙APP官方最新版下载如果AI只是在被迫回复你，莫得追问任何细节，那么它给出的会诊提出的可靠性要打一个很大的扣头。

五、AI的会诊，为什么连有教训的医师齐比不外

筹商中最引东说念主介怀的发现，是SymptomAI的会诊质地与东说念主类临床医师比较的销亡。

在那517个经过深度临床评估的案例中，每个案例齐有三份会诊列表：一份来自SymptomAI，另外两份来自孤独阅读对话记载的东说念主类医师（他们看不到AI的会诊）。第三位医师在统统不知说念这些列表谁写的情况下，对三份列表进行了盲评排行。

不外这里需要略微解释一下"自制性"的问题。参与对比的东说念主类医师，他们手头拿到的信息，是用户和AI之间的对话记载——也即是说，这个对话是AI主导的，问的问题是AI聘请的，汇集到的信息是AI以为灵验的。如果让医师我方来进行病史采集，他们可能会问不同的问题，汇集到不同的信息。筹商团队在论文中坦承了这个局限性：这不是一个统统自制的端对端对比（即医师我方问诊+我方会诊 vs. AI问诊+AI会诊），而是医师基于AI问诊内容进行会诊，与AI基于相同内容进行会诊的对比。

尽管如斯，有一个事实使这个比较依然具有劝服力：在那些被医师评为"对话质地最高、信息最充分"的案例中，AI的进展上风最为隆起。既然在信息最完好的情况下AI依然胜出，说明AI的上风不单是来自它掌抓了东说念主类医师没看到的信息，而是确切在会诊推理上进展更好。

六、AI在低信息量对话中的韧性：越难越显上风

筹商还发现了一个迥殊挑升想的模式，波及不同"难度"的对话案例。

筹商中，第一阶段的医师（也即是提供基准会诊的两位医师）在完成会诊后，会被要求评估我方对这个会诊的信心进程（1到5分）。在医师自信心较高（评分4-5分）的案例中，AI和医师的进展出入不大，两边齐作念得可以。但在医师自信心较低（评分1-2分）的案例中——这类案例频频是信息不够充分、症状不够典型的"费劲"——AI的进展赫然优于医师，差距在统计上显贵。

这意味着AI对信息不完好的对话具有更强的"抗插手才气"。即便用户描写得暗昧不清、东一句西一句，AI也能从中索要出有价值的会诊陈迹，而东说念主类医师在相同情况下会更快地堕入困惑和不细目。

一种可能的解释是，AI在海量教学数据中积攒了极为世俗的"症状-疾病"统计模式。当信息不充分时，AI可以诳骗这些统计规矩，预计在给定的有限症状下最可能的疾病踱步，相等于在不细目性中给出一个经过大批先验信息校准的揣度。而东说念主类医师在濒临不完好信息时，频频更依赖个东说念主教训和直观，这在信息短缺时反而成了局限。

七、筹商东说念主群有莫得代表性？来自平日东说念主群的额外考证

一个合理的质疑是：Fitbit的用户不行代表平日东说念主。Fitbit主如果健身怜爱者和健康意志较强的东说念主在用，这群东说念主可能对我方的体魄景况更了解，描写症状更澄莹，导致AI进展虚高。

筹商团队厚爱对待了这个质疑。他们额外从第三方拜谒平台（Toluna）招募了1509名来自好意思国平日东说念主群的参与者进行了孤独考证。这批东说念主通过结构化问卷描写我方近期的健康事件，然后由SymptomAI对调换内容进行会诊评估。

销亡清楚，SymptomAI在这批平日东说念主群上的Top-5准确率为75.2%，与Fitbit用户群的80.0%极度接近，差距不大。天然两个东说念主群的疾病踱步赫然不同（统计锻练清楚踱步互异显贵），但AI的会诊准确率保持了相等进程的厚实性，说明筹商论断具有一定的宽绰性，不单是适用于健康意志较强的特殊群体。

另外，筹商团队还作念了统计锻练，证据参与临床评估的517东说念主子样本在年纪、性别、体重等东说念主口学特征上与整体13917东说念主莫得实质性互异，自行说明了会诊的东说念主群也莫得赫然的聘请性偏差。

八、身上的手环，居然也能"感知"你在生病

这项筹商还有一个令东说念主咫尺一亮的延长发现，与可穿着设立计议。

Fitbit腕表和手环可以一语气采集多种生理数据，包括静息心率、心率变异性（HRV，这是揣测腹黑健康的一个主张）、就寝中的呼吸频率、就寝中的非快速眼动期心率、就寝中的皮肤温度、就寝中的领悟技术、总就寝时长、活跃分钟数以及逐日步数。筹商团队汇集了整体13917名参与者在SymptomAI对话前后共特出50万天的可穿着数据，将SymptomAI给出的会诊作为"标签"，分析哪些疾病与哪些生理主张的变化存在关联。这类分析在医学筹商中有一个专门的称呼唤"全表型关联筹商"（PheWAS）。

筹商发现，急性呼吸说念感染与多种可穿着生理主张的显贵变化高度关系。以流感为例，在参与者构兵SymptomAI的前后几天里，他们的静息心率赫然升高（赔率比OR>7，意味着流感患者静息心率极端的概率是曲流感东说念主群的7倍以上），日步数和活跃分钟数大幅下降，就寝中领悟技术加多，心率变异性裁汰。这些变化在SymptomAI对话今日前后达到峰值，然后跟着病情发展而演变。

新冠病毒感染、急性支气管炎、急性上呼吸说念感染和平日伤风也清楚出雷同但强度不同的生理信号变化模式。值得防备的是，许多这些生理变化——比如就寝中心率的细小高涨或心率变异性的裁汰——在用户我方还没意志到生病之前就依然出现了。

这个发现教导了一种趣味的改日可能性：在用户我方主动掀开症状查验器具之前，可穿着设立检测到的这些生理极端信号，也许可以作为"触发器"，主动教导用户进行症状评估。就像手环防备到你最近几天就寝质地变差、心率偏高，然后主动问你"你最近嗅觉奈何样？需要作念个症状评估吗？"。

筹商还发现，东说念主们聘请在阿谁技术点与SymptomAI交互，频频与"就寝中领悟技术的峰值"高度吻合——也即是说，严重影响就寝质地，让东说念主夜不成眠，频频是促使东说念主们下定决心去寻求医疗信息的重要驱上路分之一。

九、这项筹商的局限性：哪些论断需要严慎对待

任何筹商齐有局限性，这项筹商的团队也胜利而坦诚地指出了几个需要防备的所在。

第一，会诊"金圭臬"来自参与者的自我说明，而非经过考证的医疗记载。参与者说我方被会诊为流感，但筹商团队无法证据这个会诊是否准确。有些东说念主可能误记了医师的会诊，有些东说念主可能羞辱了病名，还有些东说念主可能在慢性病的处分经过中，说明的是正在演变中的阶段性会诊。筹商团队对赫然分歧理的说明进行了筛查和过滤，但大边界数据汇集不可幸免地引入了一些杂音。

第二，临床对比的不统统自制性前边依然提到——参与对比的东说念主类医师，是基于AI问诊内容而非我方问诊内容进行会诊的。这在一定进程上扫尾了咱们对"AI问诊+AI会诊"与"医师问诊+医师会诊"进行完好端对端比较的才气。

第三，这个筹商缠绵无法限度参与者说明症状的技术点。有东说念主可能在症状刚出当前就使用了SymptomAI，有东说念主可能比及症状很赫然、致使依然去看了医师之后才使用。不同的技术点意味着用户能提供的信息质地和完好性互异很大，这会影响会诊销亡。

第四，许多疾病仅凭语言描写无法确诊，还需要体格查验、实验室检测或影像学查验。SymptomAI能作念到的只是给出辩别会诊列表，不行替代简直的医疗查验。对于慢性病或需要专科查验的情况，AI的局限性愈加赫然。

十、不同东说念主群，AI进展存莫得互异

筹商团队还分析了AI会诊准确率在不同东说念主群特征中的踱步。

从年纪来看，年纪较大的参与者（65岁以上）Top-5准确率总体高于年青东说念主。筹商团队认为，这可能是因为年父老有更丰富的就医经验，对我方的体魄景况更了解，描写症状时更精确。

从性别来看，女性参与者的会诊准确率高于男性。筹商团队援用了一项医学筹商的发现：男性在日常活命中倾向于比女性更少就医，对体魄症状的感知和描写才气相对弱于女性，这可能导致男性用户在使用AI症状器具时提供的信息质地偏低。

从教诲进程来看，领有筹商生及以上学历的参与者准确率高于本科及以下。从医疗信息涵养来看，自评"未必识别和相连汇集健康信息"和"未必使用AI器具解答健康问题"的参与者，比自评信心较低的参与者进展更好。这些规矩齐指向归拢个标的：用户的健康常识配景和信息抒发才气，是影响AI会诊质地的蹙迫身分。

此外，筹商还比较了不同版块的Gemini模子（包括Gemini 2.0 Flash、Gemini 2.5 Flash和Gemini 2.5 Pro）在相同对话内容上的进展，发现更新、更大的模子在会诊准确率上照实有一定教育，但教育幅度不算戏剧性。这说明对话计策（主动追问与否）的影响，比模子版块自身的影响更为重要。

说到底，这项筹商告诉咱们什么？

归根结底，这项筹商的中枢信息极度澄莹：当AI主动追问、系统地汇集症状信息时，它的会诊才气可以特出有教训的临床医师；而当AI被迫恭候用户自说自话时，它的进展会大幅缩水。这对咱们日常使用AI健康器具有胜利的指挥真谛——如果你发现某个AI器具只是在被迫回复你，并莫得追问细节，那它给出的会诊提出参考价值有限。

这项筹商的真谛还不啻于此。它用快要1.4万场真实对话解释了，大语言模子在濒临真实用户的真实症状时，不再只是"实验室里顺眼"，而是确切能在现实会诊中施展挑升想的作用。在全球优质医疗资源分派十分不均、偏远地区和低收入群体严重短缺专科医疗撑持的配景下，这种可以随处随时、免费取得的AI会诊扶植器具，有着不可冷落的各人卫生价值。

天然，有几个想考标的值得络续关爱。AI的会诊提出应该在多猛进程上被用户行动"参考"而非"论断"？当AI给出的会诊提出与医师的判断相矛盾时，用户应该怎么量度？可穿着设立的生理数据与AI症状评估相勾引，能否简直兑现疾病的早期预警，照旧仍然过于复杂？这些问题，齐在恭候更多筹商往还答。

如果你对完好的筹商细节感趣味，可以在arXiv平台通过论文编号2605.04012搜索全文，免费获取。

Q&A

Q1：SymptomAI的会诊准确率和真实医师比较到底差若干？

A：SymptomAI在Top-5辩别会诊准确率上显贵优于东说念主类医师，赔率比OR=2.47，也即是说AI的会诊列表包含正确谜底的概率约莫是东说念主类医师的2.5倍。在517个经过临床众人盲评的案例中，众人把AI的会诊列表排为"最好"的比例特出52.9%，而两位东说念主类医师的列表被排第一的比例折柳只好约23.5%和26.7%。不外需要防备，参与对比的医师是基于AI问诊记载进行会诊，而非我方主导问诊，这在一定进程上影响了对比的统统自制性。

Q2：为什么AI追问症状比用户我方描写效力互异那么大？

Q3：Fitbit的生理数据能提前预计生病吗？

A：筹商发现，急性呼吸说念感染（尤其是流感）与Fitbit采集的多种生理主张变化高度关系，且这些变化在用户主动寻求症状评估之前就依然出现。以流感为例，赔率比特出7，意味着流感患者出现生理极端的概率是平日东说念主的7倍以上。静息心率升高、心率变异性下降、步数骤减等信号在症状说明日前后达到峰值。这教导改日可能通过可穿着设立的生理极端主动触发症状评估，但当今仍处于筹商阶段尊龙APP官方最新版下载，尚未造成可落地的预警家具。