医疗AI想再问一步，这份信息要付出什么代价？

2026年10月22日，微软介绍了MAI-DxO，以及拟与贝斯以色列女执事医疗中心开展的前瞻性研究。这项研究是下一步计划，不是已经完成的临床结果。微软公告

对考虑采用这类系统的医院而言，问题不只是AI能否提出正确诊断，还包括它接下来索取的那份信息，在这个场景下是否值得获取。模拟问诊里立即出现的答案，与需要另约时间才能得到的答案，即使文字完全相同，进入诊疗流程后的意义也可能不同。本文讨论的是评估框架，不是针对个人的诊断或治疗建议。

信息要经过一条真实的路径

SDBench文档说明，其信息提供模块会回答系统的请求；如果病例文本没有对应结果，还可以生成模拟结果。基准文档 因此，模拟信息环境与实际医疗服务之间的边界尤其值得注意。测试可以探索提问顺序，却不能据此确定每一项对应检查都适合某位患者、在当地可获得，并且能及时完成。

不妨设想两家医院收到同一条AI建议，都需要进一步取得一项信息。一家可以在本次就诊中完成，另一家则需要患者再次往返、另等预约。假设模型相同，最终得到的答案也相同，信息到达决策环节的时间差异，仍可能改变这条路径的实际用途。这只是为评估设计的假设情景，并非对已宣布研究的描述，也不是对任何医院的判断。

采购团队可以要求将每一种信息请求，与产生这份信息所需的工作对应起来：谁来安排，需要哪些人员和设备，结果能否赶在它所要支持的决策之前到达？如果信息不可获得，评估应保留这种状态，而不是悄悄换成一个资料齐全的病例。否则，评估结果可能把医院并没有提供的服务，也计算成了系统已经具备的能力。

少开几张检查单，只说明一部分

在我们提出的评估框架中，检查账单与取得结果的负担应分别记录。可以询问的事项包括往返、排期、人员时间、操作是否具有侵入性，以及重复进行是否适当。这些问题需要临床人员和研究设计者结合具体情况判断，不能统一折算成“每多做一次检查扣多少分”，本文也不赋予任何这样的权重。

不获取本来有用的信息，同样可能带来代价。如果评估只奖励更少的请求，就可能鼓励过早结束；如果只奖励诊断的确定程度，又可能鼓励不断追加问题。更有意义的比较对象是完整的决策路径：哪份信息改变了有临床意义的行动，哪些请求增加的价值有限，以及系统得不到所需信息时发生了什么。这种比较应同时考察可能的收益与负担，而不是以减少检查本身为目的。

NICE的数字健康证据框架指出，单凭诊断准确性不足以证明临床实用价值。NICE数字健康证据框架 把这个区分放到这里，可以提出一个具体问题：如果两条路径得出相同结论，其中一条是否能以较小负担，更早支持适当决策，又没有把问题推迟到后面？反过来，如果结论不同，也不能只凭眼前账单较低，就认定某条路径更好。

与当时真正可行的选择比较

对照对象会改变研究回答的问题。把AI路径与一位拥有无限时间的理想化医生比较，与把它同本地实际运行中的服务比较，并不是同一件事。二者都不应在没有说明的情况下替代对方。一个有用的研究方案，可以记录每次决策当时可用的预约、人员和资料，并说明系统建议无法执行时，应如何由临床判断介入。

这并不意味着早期研究必须一次覆盖所有问题。边界清楚的研究，可以先观察所建议的下一步是否可行，以及信息是否及时到达；后续研究再检验它对决策和患者结局的影响。将这些问题分开，可以避免把工作流程上的可行性包装成已经证实的临床获益，同时也承认可行性本身具有价值。对这次宣布的前瞻性研究，仍应以实际方案和已报告结果为依据，而不是把外界希望它测量的指标，当成它已经承诺或已经完成的内容。

错误也需要分别解释。漏掉一种情况，与发起一次不必要的进一步检查，不一定带来等同的后果；一篇BMJ方法论文说明了比较诊断表现时临床背景的重要性。方法论文 我们由此提出的运营建议，是不要把这些后果全部藏进一个平均分或一个金额。分别报告，临床评审者才能看见所谓节省究竟包含什么取舍。

什么证据会改变采用决定？

一种令人鼓舞的结果，应能把模型提出的信息请求、实际能够完成这些请求的服务、临床人员随后的决策，以及适当的观察期连接起来。一种尚不确定的结果，可能是推理表现不错，但所需信息无法充分取得。另一种不理想的情况，则可能是看似经济的路径，只把工作转移给了其他团队。这些都是有待研究的解释，不是对MAI-DxO的预测。

顺序诊断AI有价值的潜力，在于帮助组织不确定性，而不只是再给出一个答案。这样一来，它的用途也部分取决于能否辨认自己无法取得的信息。对开发者与医院采购方而言，产品问题因此变得更具体：除了问系统知道什么，还要问它建议的下一步，要求周围的机构投入什么。接下来的证据应说明，这些投入是否形成有用的诊疗，而不仅是一段在模拟环境里井然有序的对话。