这项由谷歌筹谋院（Google Research）与谷歌DeepMind谐和开展的大范畴筹谋，于2026年5月5日以预印本方式发布，论文编号为arXiv:2605.04012v1。有酷好酷好深入了解的读者可以通过该编号在arXiv平台查询完满论文。

你有莫得在深宵短暂感到躯壳不对劲，却省略情要不要去看大夫的阅历？喉咙有点痛，是平日伤风照旧扁桃体炎？肚子朦拢作痛，是吃坏了东西照旧需要坐窝去急诊？大多数东谈主遭遇这种情况，第一响应不是坐窝拨打病院电话，而是掏来源机，绽放搜索引擎或者AI聊天器具，输入我方的症状描绘，但愿得到一个初步谜底。

这个行为听起来再平日不外，但背后其实藏着一个莫得被崇拜回答过的要紧问题：当平日东谈主用日常语言向AI描绘症状时，AI给出的会诊提议到底有多准确？它能和信得过的大夫比拟吗？不同的对话方式——比如AI主动追问照旧用户我方璷黫说——会不会权贵影响会诊质料？

谷歌筹谋院的团队决定用一场真实的大范畴实验往返答这些问题。他们设备了一套叫作念SymptomAI的对话式AI系统，把它接入了数百万东谈主在用的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，收罗了快要1.4万场真实的症状对话。这不是在实验室里蓄意的模拟场景，也不是请演员饰演病东谈主，而是真材实料的真实宇宙测试。

这项筹谋的特有之处在于，它同期作念了三件事：测试AI是否能准确会诊平日东谈主自述的症状，比较不同对话计谋对会诊准确率的影响，以及探索将AI会诊与可一稔造就的生理数据勾搭起来有莫得价值。最终的论断让好多东谈主感到无意——在特定条目下，AI给出的鉴识会诊摒弃昭彰优于东谈主类临床大夫。

一、为什么平日东谈主看病前总要先问AI

在肃穆先容这项筹谋之前，有必要先相识它为什么要紧。咱们正处在一个医疗信息获取方式发生根人性变化的期间。已往，东谈主们生病了来源参谋家庭大夫，或者打电话给诊所。自后互联网普及，多样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（也等于ChatGPT、Gemini这类AI聊天器具）的普及，让情况进一步发生了变化。

罕有据泄露，东谈主们向AI发问的问题中，梗概有五分之一与医疗健康常识关系。而在健康关系的AI对话里，快要二成触及症状评估或疾病筹谋。这个趋势照旧实真实在地影响了东谈主们的就医行为——有筹谋发现，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，东谈主们在信得已往病院之前，照旧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弘扬并不睬想。一项掩盖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唯有约34%。也等于说，你告诉它"我头疼、发热、浑身酸痛"，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，连病东谈主我方立时推断都偶然差若干。

那大语言模子呢？有筹谋用圭表化的临床病例描绘来测试GPT-4，发现它在前五个候选会诊（也叫Top-5鉴识会诊）里包含正确谜底的概率杰出80%，令东谈主印象长远。但这里有一个关键问题被冷漠了：那些测试用的病例描绘，是由专科大夫写的，信息完满、抒发范例。真实病东谈主不会那么谈话。

一项很有劝服力的筹谋摒弃揭示了这个差距有多大：当AI胜仗处理专科撰写的病例描绘时，Top-3准确率高达94.9%；而当平日东谈主把团结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%，这个绝壁式下落，明晰地说明了一件事：在实验室里弘扬优秀的AI，在濒临真实用户的时候，弘扬可强人大不同。

谷歌筹谋院的团队恰是看到了这个空缺，决定把AI症状评估拉到真实宇宙里来历练。

二、一场持续九个月、涵盖近1.4万东谈主的真实实验

这项筹谋的蓄意自己就值得好好先容，因为它的范畴和真实性在同类筹谋中尽头凄婉。

筹谋团队把SymptomAI系统接入了Fitbit应用的"Fitbit Labs"筹谋环境，向好意思国各地的Fitbit用户发出邀请。这个实验从2025年6月肃穆启动，一直运行到2026年4月，持续了快要一年。筹谋通过了孤苦伦理审查委员会（Advarra，马里兰州，编号GH-SCD-001）的批准，整个参与者都经过了知情首肯阵势，明确了解这是一项筹谋，而非肃穆的医疗处事。参与者莫得任何经济薪金。

最终，约4万名Fitbit用户被邀请参与，其中13917东谈主完成了至少一次与SymptomAI的完满对话。这些参与者在信得过感到躯壳不应时，会绽放应用与AI进行一场对于症状的对话，AI把柄对话内容给出可能的病因列表（也等于鉴识会诊，简称DDx）。对话末端后，参与者还会被邀请填写一个轻便问卷，报恩我方是否去看了大夫以及得到了什么会诊。如果其时还没去看大夫，两周后系统会再次提醒，请他们补充后续会诊摒弃。

最终，13917东谈主中有1228东谈主提供了大夫给出的真实会诊，这部分数据成为评估AI准确率的"金圭表"。在这1228东谈主中，筹谋团队又立时抽取了517东谈主，邀请三位具有杰出35年从业教诲的家庭科派司大夫进行了深度临床评估，耗时杰出250个小时。

这三位大夫的职责分两个阶段。第一阶段，其中两位大夫孤苦阅读对话记载（AI给出的会诊被讳饰，只保留用户的论说），各自给出我方的鉴识会诊列表，并评估我方的信心进度。第二阶段，第三位大夫在不知谈任何会诊来源的情况下，同期看到三份会诊列表（两份来自东谈主类大夫，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。

除了东谈主类大夫的评估，筹谋团队还教练了一个AI自动评分系统（auto-rater），用来把东谈主类评估的范畴从517东谈主膨大到一王人1228东谈主，确保论断更有统计力度。

通盘实验期间，参与者被立时期派到五个不同的"对话模式"组，每组使用不同的AI对话计谋。这个立时期组蓄意，使得筹谋者梗概胜仗比较不同计谋的效力，而不是让参与者目田遴荐。

三、五种对话计谋，哪种更像信得过的好大夫

这项筹谋最中枢的变量之一，是AI和用户交流的方式。筹谋团队蓄意了五种不同的对话计谋，对应五个实验组，这五种计谋的区别，试验上是AI主动性的高下。

第一种计谋叫"基础模式"，这亦然现在市面上大多数花费级AI聊天器具的默许状态。AI只被奉告要聚焦于健康话题，并在对话末端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，会诊的质料十足取决于用户我方平静提供若干信息。这就像走进一家诊所，大夫只是坐在那儿等你谈话，不主动问任何问题。

第二种计谋叫"固定问题模式"，基于医学院教学中的圭表病史采集框架——HPI（现病史）。AI被要求按顺序问一套固定的问题，包括症状发生的位置、开动本领、严重进度（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减弱、是否有关系风险要素，以及症状怎样影响日常糊口。岂论用户之前说了什么，AI都要把这套问题问完，最多对话六轮，然后给出会诊。

第三种计谋叫"生动问题模式"，与第二种访佛，但AI有权把柄用户照旧提供的信息跳过毋庸要的问题。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"。这种方式在保持结构化的同期，更接近天然对话的嗅觉。

第四种计谋叫"动态及时更新模式"，AI有十足的自主权决定问什么、怎样问，莫得任何预设问题列表。独一的敛迹是对话最多进行六轮，何况AI在每轮对话后都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。

第五种计谋叫"动态最终输出模式"，与第四种尽头相似，相通给AI十足的自主权，但AI不会在历程中展示中间会诊摒弃，只在对话末端时给出最终的会诊列表。

这五种计谋从第一种到第五种，AI的主动性和结构化进度逐步发生变化。筹谋团队的中枢假定是：主动探求更多信息的计谋，会比恭候用户主动提供信息的计谋弘扬更好。

四、摒弃令东谈主叹惜：主动追问的AI，会诊准确率来源27%

实验摒弃尽头泄露地复古了这个假定，何况差距之大超出了许多东谈主的预期。

更特风趣的是，固定问题模式（第二和第三种，整个准确率75.6%）和动态自主模式（第四和第五种，整个准确率71.4%）之间，并莫得统计上权贵的互异（Welch t历练，p=0.155）。换句话说，AI不需要板滞地罢职医学院教的圭表问题清单，只消它被赋予追问的权限，哪怕十足自主决定问什么，效力也和罢职经典临床框架差未几。

从用户参与度来看，基础模式下用户在通盘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，用户被辅导提供了更多信息，总词数昭彰更多。这胜仗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。

这个发现对平日花费者使用AI器具有胜仗的领导风趣。当你绽放ChatGPT、Gemini或者其他AI助手描绘症状时，快乐彩app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议的可靠性要打一个很大的扣头。

五、AI的会诊，为什么连有教诲的大夫都比不外

筹谋中最引东谈主细腻的发现，是SymptomAI的会诊质料与东谈主类临床大夫比拟的摒弃。

在那517个经过深度临床评估的案例中，每个案例都有三份会诊列表：一份来自SymptomAI，另外两份来自孤苦阅读对话记载的东谈主类大夫（他们看不到AI的会诊）。第三位大夫在十足不知谈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。参与对比的东谈主类大夫，他们手头拿到的信息，是用户和AI之间的对话记载——也等于说，这个对话是AI主导的，问的问题是AI遴荐的，收罗到的信息是AI认为有效的。如果让大夫我方来进行病史采集，他们可能会问不同的问题，收罗到不同的信息。筹谋团队在论文中坦承了这个局限性：这不是一个十足自制的端对端对比（即大夫我方问诊+我方会诊 vs. AI问诊+AI会诊），而是大夫基于AI问诊内容进行会诊，与AI基于相通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：在那些被大夫评为"对话质料最高、信息最充分"的案例中，AI的弘扬上风最为杰出。既然在信息最完满的情况下AI依然胜出，说明AI的上风不单是来自它掌持了东谈主类大夫没看到的信息，而是确凿在会诊推理上弘扬更好。

六、AI在低信息量对话中的韧性：越难越显上风

筹谋还发现了一个出奇特风趣的模式，触及不同"难度"的对话案例。

筹谋中，第一阶段的大夫（也等于提供基准会诊的两位大夫）在完成会诊后，会被要求评估我方对这个会诊的信心进度（1到5分）。在大夫自信心较高（评分4-5分）的案例中，AI和大夫的弘扬进出不大，两边都作念得可以。但在大夫自信心较低（评分1-2分）的案例中——这类案例时时是信息不够充分、症状不够典型的"艰难"——AI的弘扬昭彰优于大夫，差距在统计上权贵。

这意味着AI对信息不完满的对话具有更强的"抗干涉才能"。即便用户描绘得迷糊不清、东一句西一句，AI也能从中索取出有价值的会诊痕迹，而东谈主类大夫在相通情况下会更快地堕入困惑和省略情。

一种可能的解释是，AI在海量教练数据中积聚了极为庸碌的"症状-疾病"统计模式。当信息不充分时，AI可以应用这些统计端正，展望在给定的有限症状下最可能的疾病散布，尽头于在省略情味中给出一个经过大宗先验信息校准的推断。而东谈主类大夫在濒临不完满信息时，时时更依赖个东谈主教诲和直观，这在信息短缺时反而成了局限。

七、筹谋东谈主群有莫得代表性？来自平日东谈主群的额外考据

一个合理的质疑是：Fitbit的用户弗成代表平日东谈主。Fitbit主淌若健身怜爱者和健康执意较强的东谈主在用，这群东谈主可能对我方的躯壳情景更了解，描绘症状更泄露，导致AI弘扬虚高。

筹谋团队崇拜对待了这个质疑。他们额外从第三方打听平台（Toluna）招募了1509名来自好意思国平日东谈主群的参与者进行了孤苦考据。这批东谈主通过结构化问卷描绘我方近期的健康事件，然后由SymptomAI对交流内容进行会诊评估。

摒弃泄露，SymptomAI在这批平日东谈主群上的Top-5准确率为75.2%，与Fitbit用户群的80.0%尽头接近，差距不大。诚然两个东谈主群的疾病散布昭彰不同（统计历练泄露散布互异权贵），但AI的会诊准确率保持了尽头进度的踏实性，说明筹谋论断具有一定的精深性，不单是适用于健康执意较强的特殊群体。

另外，筹谋团队还作念了统计历练，证明参与临床评估的517东谈主子样本在年事、性别、体重等东谈主口学特征上与整体13917东谈主莫得实质性互异，自行报恩了会诊的东谈主群也莫得昭彰的遴荐性偏差。

八、身上的手环，果然也能"感知"你在生病

这项筹谋还有一个令东谈主咫尺一亮的蔓延发现，与可一稔造就关系。

Fitbit腕表和手环可以聚会采集多种生理数据，包括静息心率、心率变异性（HRV，这是规画腹黑健康的一个主意）、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、就寝中的清楚本领、总就寝时长、活跃分钟数以及逐日步数。筹谋团队收罗了整体13917名参与者在SymptomAI对话前后共杰出50万天的可一稔数据，将SymptomAI给出的会诊作为"标签"，分析哪些疾病与哪些生理主意的变化存在关联。这类分析在医学筹谋中有一个专门的称号叫"全表型关联筹谋"（PheWAS）。

筹谋发现，急性呼吸谈感染与多种可一稔生理主意的权贵变化高度关系。以流感为例，在参与者斗争SymptomAI的前后几天里，他们的静息心率昭彰升高（赔率比OR>7，意味着流感患者静息心率特地的概率吵嘴流感东谈主群的7倍以上），日步数和活跃分钟数大幅下降，就寝中清楚本领加多，心率变异性缩短。这些变化在SymptomAI对话本日前后达到峰值，然后跟着病情发展而演变。

新冠病毒感染、急性支气管炎、急性上呼吸谈感染和平日伤风也泄露出访佛但强度不同的生理信号变化模式。值得珍爱的是，许多这些生理变化——比如就寝中心率的隐微高涨或心率变异性的缩短——在用户我方还没执意到生病之前就照旧出现了。

这个发现指示了一种真理的改日可能性：在用户我方主动绽放症状查验器具之前，可一稔造就检测到的这些生理特地信号，也许可以作为"触发器"，主动指示用户进行症状评估。就像手环珍爱到你最近几天就寝质料变差、心率偏高，然后主动问你"你最近嗅觉怎样样？需要作念个症状评估吗？"。

筹谋还发现，东谈主们遴荐在阿谁本领点与SymptomAI交互，时时与"就寝中清楚本领的峰值"高度吻合——也等于说，严重影响就寝质料，让东谈主转辗反侧，时时是促使东谈主们下定决心去寻求医疗信息的关键驱动要素之一。

九、这项筹谋的局限性：哪些论断需要严慎对待

任何筹谋都有局限性，这项筹谋的团队也胜仗而坦诚地指出了几个需要珍爱的地方。

第一，会诊"金圭表"来自参与者的自我报恩，而非经过考据的医疗记载。参与者说我方被会诊为流感，但筹谋团队无法证明这个会诊是否准确。有些东谈主可能误记了大夫的会诊，有些东谈主可能混浊了病名，还有些东谈主可能在慢性病的处置历程中，报恩的是正在演变中的阶段性会诊。筹谋团队对昭彰不对理的报恩进行了筛查和过滤，但大范畴数据收罗不可幸免地引入了一些杂音。

第二，临床对比的不十足自制性前边照旧提到——参与对比的东谈主类大夫，是基于AI问诊内容而非我方问诊内容进行会诊的。这在一定进度上限定了咱们对"AI问诊+AI会诊"与"大夫问诊+大夫会诊"进行完满端对端比较的才能。

第三，这个筹谋蓄意无法限定参与者报恩症状的本领点。有东谈主可能在症状刚出面前就使用了SymptomAI，有东谈主可能比及症状很昭彰、致使照旧去看了大夫之后才使用。不同的本领点意味着用户能提供的信息质料和完满性互异很大，这会影响会诊摒弃。

第四，好多疾病仅凭语言描绘无法确诊，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鉴识会诊列表，弗成替代信得过的医疗查验。对于慢性病或需要专科查验的情况，AI的局限性愈加昭彰。

十、不同东谈主群，AI弘扬存莫得互异

筹谋团队还分析了AI会诊准确率在不同东谈主群特征中的散布。

从年事来看，年事较大的参与者（65岁以上）Top-5准确率总体高于年青东谈主。筹谋团队认为，这可能是因为年父老有更丰富的就医阅历，对我方的躯壳情景更了解，描绘症状时更精确。

从性别来看，女性参与者的会诊准确率高于男性。筹谋团队援用了一项医学筹谋的发现：男性在日常糊口中倾向于比女性更少就医，对躯壳症状的感知和描绘才能相对弱于女性，这可能导致男性用户在使用AI症状器具时提供的信息质料偏低。

从教养进度来看，领有筹谋生及以上学历的参与者准确率高于本科及以下。从医疗信息训导来看，自评"梗概识别和相识集结健康信息"和"梗概使用AI器具解答健康问题"的参与者，比自评信心较低的参与者弘扬更好。这些端正都指向团结个场地：用户的健康常识配景和信息抒发才能，是影响AI会诊质料的要要紧素。

此外，筹谋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）在相通对话内容上的弘扬，发现更新、更大的模子在会诊准确率上照实有一定提高，但提高幅度不算戏剧性。这说明对话计谋（主动追问与否）的影响，比模子版块自己的影响更为关键。

说到底，这项筹谋告诉咱们什么？

归根结底，这项筹谋的中枢信息尽头泄露：当AI主动追问、系统地收罗症状信息时，它的会诊才能可以杰出有教诲的临床大夫；而当AI被迫恭候用户自说自话时，它的弘扬会大幅缩水。这对咱们日常使用AI健康器具有胜仗的领导风趣——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，那它给出的会诊提议参考价值有限。

这项筹谋的风趣还不啻于此。它用快要1.4万场真实对话说明了，大语言模子在濒临真实用户的真实症状时，不再只是"实验室里面子"，而是确凿能在试验会诊中施展特风趣的作用。在全球优质医疗资源分派格外不均、偏远地区和低收入群体严重短缺专科医疗复古的配景下，这种可以随处随时、免费赢得的AI会诊援助器具，有着不可冷漠的群众卫生价值。

天然，有几个念念科场地值得连接谐和。AI的会诊提议应该在多猛进度上被用户行动"参考"而非"论断"？当AI给出的会诊提议与大夫的判断相矛盾时，用户应该怎样衡量？可一稔造就的生理数据与AI症状评估相勾搭，能否信得过达成疾病的早期预警，照旧仍然过于复杂？这些问题，都在恭候更多筹谋往返答。

如果你对完满的筹谋细节感酷好酷好，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大夫比拟到底差若干？

A：SymptomAI在Top-5鉴识会诊准确率上权贵优于东谈主类大夫，赔率比OR=2.47，也等于说AI的会诊列表包含正确谜底的概率梗概是东谈主类大夫的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"的比例杰出52.9%，而两位东谈主类大夫的列表被排第一的比例分袂唯有约23.5%和26.7%。不外需要珍爱，参与对比的大夫是基于AI问诊记载进行会诊，而非我方主导问诊，这在一定进度上影响了对比的十足自制性。

Q2：为什么AI追问症状比用户我方描绘效力互异那么大？

Q3：Fitbit的生理数据能提前展望生病吗？

A：筹谋发现，急性呼吸谈感染（尤其是流感）与Fitbit采集的多种生理主意变化高度关系，且这些变化在用户主动寻求症状评估之前就照旧出现。以流感为例，赔率比杰出7，意味着流感患者出现生理特地的概率是平日东谈主的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报恩日前后达到峰值。这指示改日可能通过可一稔造就的生理特田主动触发症状评估快乐彩2026世界杯(中国)IOS/安卓官方下载，但现在仍处于筹谋阶段，尚未变成可落地的预警居品。

博亚体育中国官方网站入口

---