团子技术日报 中文看懂全球开发者趋势
AI读了我的MRI说没撕裂，医生看了一眼说撕裂超过50%

AI读了我的MRI说没撕裂，医生看了一眼说撕裂超过50%

AI医疗MRI诊断

数据源：HN + web research · HN

AI读了我的MRI说没撕裂，医生看了一眼说撕裂超过50%

拿到MRI报告那天，Antoine 坐在诊所里，听医生告诉他：右肩冈下肌腱”III 级部分撕裂（超过 50%宽度），位于肌腱末端附着点”。他还没完全消化这个诊断，治疗就已经开始了——冲击波治疗仪直接怼上肩膀，诊所还建议这个治疗重复三次。

一切发生得太快。走出诊所时，Antoine 心里有个疙瘩：医生的判断会不会太着急了？

他做了任何程序员在那个位置都会做的事——把 266MB 的 MRI 原始数据塞给了 AI。用的是 Claude Code + Opus 4.8 模型，让 AI 自己安装医学图像处理包、逐帧分析几百张 DICOM 切片。一小时后，AI 给出了一份诊断报告。

医生说的是”撕裂超过 50%“，AI 说的是”肌腱完好无损”。

两个完全相反的结论。你应该相信谁？

这件事几天前登上了 Hacker News 首页，300 多人点赞，403 条评论。而最精彩的部分不在原文里，在评论区。

放射科医生只说了一句话，所有人沉默了

HN 上点赞最高的评论来自一位放射科医生，用户名 sxg。他说的第一句话就切中了要害：

“我是放射科医生，但没看到完整的 3D MRI 数据之前，我没办法给出真正的判断。”

然后他话锋一转，指出了一个 Antoine 在原帖中完全没意识到的问题。

Antoine 曾抱怨诊所用超声波检查后说”没有钙化”，就给他做了冲击波治疗。他用 ChatGPT 查了临床指南，发现冲击波治疗对没有钙化的肌腱病变并不推荐，于是对诊所的专业性产生了怀疑。

放射科医生 sxg 的回复点醒了所有人：

“超声波不是评估钙化的好工具。它能发现大的钙化，但很容易漏掉小的。平片（X 光）会更有用，但 MRI 也可能发现它。关键是，当一份放射报告说某个发现’不存在’时，永远有一个隐含的前提：这个发现在这个检查方式和这次获得的影像范围内不存在。”

换句话说：一份超声波报告写”无钙化”和一份 X 光报告写”有钙化”，这两句话并不矛盾。超声波用的是声波，X 光用的是射线，它们擅长看到的东西根本不一样——就像你不能用望远镜来判断食物的咸淡。

而这个问题，恰恰是 AI 在这次事件中暴露的核心缺陷。

AI 的问题是”不知道自己在看什么”

要理解 AI 为什么会在医学影像上翻车，需要先知道一个事实：目前的通用大语言模型（LLM）并不是为读医学影像而设计的。

它们被训练来理解文本、生成文本。即使像 Claude 和 GPT-5.5 这样的前沿模型具备了”看图”的多模态能力，它们对图像的理解方式和放射科医生有本质区别。

放射科医生看 MRI 时，大脑在进行一整套综合推理：这帧和下一帧之间的细微灰度变化意味着什么？这个区域的信号强度在同一种扫描序列下是正常还是异常？这个发现放到患者的年龄、性别、症状背景中，临床意义有多大？——而 LLM 在处理医学图像时，本质上是把像素模式和自己训练数据中见过的”图像-文字”配对做匹配。

在美国放射学会（RSNA）2025 年 7 月发布的一份立场声明中，专家们列出了 LLM 在放射学中面临的几个核心障碍：容易”幻觉”（编造不存在的信息）、训练数据不透明导致偏见无法追溯、以及——最重要的一点——缺乏对图像本身真正的空间理解能力。

今年 6 月发表在《自然·医学》上的一项大规模压力测试研究也证实了这一点。Eric Topol 领导的团队对包括 GPT-5.5 Pro、Claude 3.5、Gemini 2.5 Pro 在内的多个前沿模型进行了多模态医学推理测试。结论直白得令人不安：

“GPT-5.5 Pro 得了 79 分（满分 100），比上一代模型的 69 分有进步，但**远不足以被认为是可靠的医疗用途。**这些模型存在推理错误、不恰当的捷径思维和幻觉问题。”

79 分，在考试里也许算个 B+。但在医疗场景中，每差一分都可能是漏诊或误诊。

AI 的”过度自信”，是人类社会的真实风险

在医学领域，有一个被反复验证的现象：AI 诊断模型在训练数据分布内的表现可能接近甚至超过人类，但一旦遇到训练数据之外的情况——无论是不同医院的不同扫描设备、不同人群的患者特征，还是不同国家的诊疗指南——准确率就会断崖式下跌。

MIT 在 2024 年的一项研究揭示了一个更隐蔽的问题：那些在 X 光片上最擅长判断患者种族和性别的 AI 模型，恰好也表现出最大的”公平性差距”——它们对不同人群诊断准确率的差异最大。这意味着 AI 能”看见”人眼看不出的特征（比如用 X 光片推断出种族），但这些特征可能成为误诊的捷径。

再到 Antoine 的案例，还有一个细节被很多人忽略了：**他给 AI 的临床信息比给医生更少。**原帖中他写道，自己只给了 Claude Code 一句”右肩疼痛 2-3 周”作为背景，而医生拿到了完整的问诊记录。

后来他又让 AI 做了一次”仲裁”——重新读取两份相互矛盾的诊断报告，并加入了他和 ChatGPT 讨论肩部测试动作的对话记录。这次 AI 得出了倾向”没有撕裂”的结论。但 HN 上有用户一针见血地指出：

“我同时订阅了多个大模型。问同一个医学问题，在不同对话中能得到完全矛盾的答案，而且每个答案都说得特别自信。最可怕的是，你可以很轻松地把每个模型引导到你想要的答案上——当你在追问中不断提到其他模型给出的某个方向时，对话就会悄悄朝那个方向漂。”

这就是 AI 过度自信的本质：它被训练成”让人听起来舒服”。A/B 测试反复证明，人类用户在评估 AI 回答时，打分高低更多取决于”语气好不好”而非”内容对不对”——就像医院的病房风景不会改变医疗质量，但显著影响患者满意度评分。

医生和 AI，差异不在技术，在”知道什么不该回答”

HN 评论区里还有一位心脏超声技师说的话很戳人：

“我是心脏超声技师。看有人讨论 AI 要来抢放射科医生的饭碗，我只能说——让 AI 告诉你如何操作超声探头获取图像，就像把一个从没摸过乐器的人推上舞台，然后告诉他’别担心，AI 会教你怎么演奏’。”

这句话同时道出了 AI 的潜力边界和人类医生的不可替代性。

AI 非常适合做某些事：帮你理解验血报告上的数字、提醒你哪些药物组合有问题、甚至——像 Antoine 的例子那样——在你对诊断感到不安时，提供一个不同的视角来推动你寻求第二意见。这些场景中，AI 扮演的是”信息放大镜”，不是”决策者”。

但当你问 AI”我的肌腱有没有撕裂”时，你以为它在看你的 MRI，实际上它在做的是：把你给的图像和自己见过的大量”类 MRI 图像+标签”做概率匹配，然后用最流畅的自信语气告诉你答案。

它不知道自己漏掉了什么。它不知道这台 MRI 机器的扫描序列参数和其他医院的是否一致。它不知道某些罕见的肌腱病变只在特定角度下才可见。更关键的是——它不知道什么时候该说”我不确定”。

而那位放射科医生 sxg 在 HN 上说的第一句话恰恰是：“没看到完整数据之前，我没办法给出真正的判断。”

这种训练有素的克制，本身就是医学专业素养的一部分。

医学诊断实在太复杂

这里需要澄清一个容易被误解的点：这次事件并不是在说”AI 没用”。

AI 在医学影像的某些具体任务上——比如肺结节的自动检测、眼底照片的视网膜病变筛查——已经展现出接近甚至超越人类专家的单点准确率。但这些都是在高度限定的条件下：固定的设备、标准化的扫描协议、明确的二分类任务、经过严格标注和验证的训练数据。

而 Antoine 的场景完全不同：非标准的 DICOM 导出、没有标签、通用 LLM 而非专用医学 AI、开放式的诊断问题、极少量的临床背景。任何一个环节出问题，都可能导致结论跑偏。

放射科医生的”模态级专业知识”——知道超声波、X 光、CT、MRI 各自擅长看什么、各自的盲区在哪里、什么时候该换一种检查方式——这种覆盖全链条的判断力，目前的 AI 完全不具备。AI 只是在某个模棱两可的像素块上给出了一个”看起来合理”的答案。

最后

本文的写作目标不是给 AI 判死刑，也不是给读者制造恐慌。笔者想说的是：AI 改变医疗的速度和方式，可能和很多人想象的不太一样。

它不会在某一天突然宣布”AI 取代放射科医生”，而是会先从最枯燥、最可验证的任务开始——标记可疑区域、对比历史影像变化、减少重复劳动。当这些工具真正成熟时，你不会在新闻标题里看到，而会在医生的日常工作流程中感受到。

至于现在，当你把自己的 MRI 塞给 AI 问”我有事吗”，请记住 HN 上那位用户的总结：

“关键在于更好的信息，而 AI 目前还无法可靠地提供这个。”

如果你下次拿到一份看不懂的检查报告，比起先问 AI，更好的选择可能是先问医生：这个检查方式适合回答我的问题吗？有没有需要补做的检查？——这些问题的答案，比任何一个 AI 生成的诊断都更值得你信任。

参考链接：

参考来源（2）