OpenAI健康AI负责人：ChatGPT能替代医生吗？

每周有数亿人向ChatGPT咨询健康问题，OpenAI健康AI研究负责人Karan Singhal在a16z播客中详细阐述了这家公司的健康AI战略——从通用模型如何变身医疗专家，到信任、安全与医疗责任的边界。

为什么通用模型才是医疗AI的正确基础

业界长期存在「通用模型 vs. 专科模型」的争论。Singhal曾在前一份工作中专门训练医疗专科模型，对两边都有切身体验。他的判断是：OpenAI走的是「通用模型中的专业化训练」路线——在ChatGPT每一阶段训练中都加入专业医疗数据，让模型同时获得前沿模型的规模红利与医疗领域的专项能力。

这种选择的底层逻辑是「押注规模」。如果单独训练一个较小的医疗专科模型，它会很快落后于前沿。而把医疗评测与训练数据嵌入通用模型，意味着模型能随整体能力提升而水涨船高。Singhal说，这实际上是「两全其美」。

这一架构决策也解释了为什么同一个模型既能帮你写代码、规划旅行，也能解读化验单。据Singhal透露，过去一年里ChatGPT所有模型在各个训练阶段都持续加入了医疗数据。

HealthBench 是 OpenAI 于 2025 年 5 月发布的公开评测基准，用于衡量大语言模型在健康场景下的表现。它并非传统的选择题式医学考试，而是由全球多国执业医生针对真实临床情境撰写的多轮对话式评测集，包含约 5000 段对话，每段都配有医生撰写的评分标准（rubric）。评分维度覆盖准确性、安全性、沟通质量、指令遵循、对不确定性的表达（即「对冲表达」）以及是否根据用户身份调整术语深度等。HealthBench 的一个重要设计是「共识评分」：每个案例由多位医生独立制定标准，最终聚合为统一评分框架，以缓解单个医生判断的偏差。该基准已公开开放，成为业界比较医疗 AI 能力的重要标尺。

3亿周活用户背后的真实需求

OpenAI公开披露，每周有超过3亿用户用ChatGPT处理健康与保健类问题，且这一数字仍在快速增长。Singhal强调，绝大多数是免费用户，且大多数在美国之外——「让可信赖、可靠、充裕的健康智能免费或近乎免费地触达所有人」是OpenAI健康战略的核心目标之一。

这些用户问的并不是疑难杂症。他们更多是在两次就诊之间寻求帮助：如何理解医生说的话、如何准备下一次问诊、如何跟进后续事项。美国医疗体系的现实是，超过1亿人没有固定的初级保健医生，即便有，也可能要等40多天才能看上，而实际面诊往往只有15分钟。AI填的正是这段空白。

Singhal分享了一个让他印象最深的案例：Nathan Labenz的儿子出现严重疲劳和易怒症状，AI帮助他们在度假期间判断情况严重、及时就医，最终确诊为一种侵袭性白血病。在后续治疗过程中，AI还帮助解读化验报告，在专科医生给出解释之前就提供了参考。

信任机制：不让模型只说你想听的话

播客主持人Jay Rughani提出了一个尖锐问题：患者向大模型倾诉症状时，往往希望听到「一切都没事」，但从医学角度，他们可能需要听到完全不同的答案。模型如何学会区分？

Singhal的回答指向一个关键设计原则：安全优先。OpenAI在评测和训练中专门设置了跟踪这类困难场景的评测项——当模型应当明确告知「这不安全，你应该就医」时，即便用户不想听或寻求替代疗法，模型也必须坚持。他表示，这类评测的表现过去一段时间有「相当显著的提升」。

另一个信任支柱是回答的分层适配。据Singhal介绍，早在HealthBench评测发布时，就有一个专门考察模型能否根据用户是普通用户还是临床医生来调整术语和技术深度的维度。如今模型在这方面的测量和训练都有所进步。

在医疗共识仍有争议的领域，OpenAI要求模型能识别自身的不确定性，在证据不足时坦率说明——这也是HealthBench公开评测中「对冲表达」维度的考察内容。

数百名全球医生的「共识引擎」

一个容易被忽略的工程难题是：医学专家之间本身就常常意见不一。Singhal直言，问五个医生同一个问题，可能得到八个不同答案。

OpenAI的应对方式是建立全球医生网络——数百名专家，覆盖数十个专科、语言和执业国家——用聚合后的专家智慧来构建评测和训练数据，而不是依赖两三位医生的判断。这一方法论同样延伸到了心理健康领域：OpenAI与全球持证心理健康专家合作，针对棘手场景定义模型行为并达成共识，据此建立了心理健康基准评测。

有意思的是，Singhal承认心理健康领域的分歧比身体健康更大，因此建立「行业共享的标尺」尤为重要。

AI 医疗责任与监管边界 是理解 OpenAI 定位的关键背景。在美国，医疗行为受各州执业许可法约束，诊断、开处方、实施检查均须由持照临床医生完成，AI 本身不具备行医资质。美国食品药品监督管理局（FDA）对「医疗器械软件」有专门审批路径，但面向消费者的通用健康信息工具通常不在此列，其监管更多依赖联邦贸易委员会对虚假宣传的执法以及各州消费者保护法。OpenAI 明确将 ChatGPT 界定为「健康信息」而非「医疗照护」，正是为了规避行医资质与产品责任风险。与此同时，行业自律框架正在形成，例如 WHO 发布的医疗 AI 伦理指南强调透明度、问责与人类监督。这种「信息 vs. 照护」的划分也解释了为何 OpenAI 强调与 Epic 等电子病历厂商及医疗系统的集成——最后一公里的临床决策与责任仍由持照专业人员承担。

压缩5到17年的知识鸿沟

Singhal提出了一个被低估的医疗系统问题：从生物医学论文发表，到临床指南更新，再到普通医生实际改变诊疗行为，这一渗透过程根据研究不同需要5到17年。他反问道：「你不想落后医学前沿五到十七年行医吧？」

OpenAI的野心是把这一周期压缩到数周、数天甚至数小时。面向临床医生的产品方向，就是在15分钟的问诊过程中即时引入最新生物医学文献。

在真正的医学不确定性面前，OpenAI的策略是双管齐下：让模型识别并坦承不确定性，同时加速科学发现本身。Singhal提到「Move 37」的概念——借用AlphaGo那步震惊人类专家的棋，他期待AI在健康领域也能提出人类专家未曾想到、事后却被证明极具洞察力的判断。

从论文到临床实践的 5–17 年滞后 并非新发现，而是循证医学领域长期研究的结论。2000 年代初，美国医学研究所（IOM）在《跨越质量鸿沟》报告中指出，已知有效的治疗平均需要约 17 年才能常规应用于临床。后续研究（如 Morris 等 2011 年发表于《Journal of the Royal Society of Medicine》的综述）将这一区间修正为 5 至 17 年不等，具体取决于干预类型、指南更新频率与医生行为改变难度。滞后发生在多个环节：论文发表到系统综述、综述到临床指南、指南到医生认知、认知到实际处方行为。AI 的潜在价值在于压缩前三个环节——即时检索最新文献、动态更新指南摘要、在问诊中嵌入决策支持——但最后一个环节（行为改变）仍依赖工作流整合与信任建立，这也是 OpenAI 强调与 Epic 等系统集成的原因。

智能成本骤降：GPT-6 Luna的启示

成本是这场变革能否普惠的关键变量。据Singhal介绍，OpenAI当前API上最便宜的模型GPT-6 Luna，在HealthBench Professional上的表现超过了仅仅一个月前的最强模型5.6 Sol，而成本便宜34倍。

「在给定健康智能水平下，成本会骤降」是OpenAI的核心赌注之一。Singhal希望这带来健康智能的「商品化」——不囤积智能，让所有人使用。但他也坦承，健康智能目前尚未对5.3万亿美元的美国医疗总支出产生宏观影响。真正的成本压缩需要整合、工作流改造和规模化部署，「更多的照护，更少的文书」是方向。

对于近期「支付方AI与提供方AI互斗推高支出」的新闻，Singhal认为这是短期阵痛：理想状态下，提供方与支付方可以基于就诊的真实记录握手，由AI辅助裁决，而不是陷入AI军备竞赛。

HealthBench Professional 是 HealthBench 体系中面向专业临床场景的更高难度子集，其对话更接近真实医生之间的会诊或专科咨询，要求模型具备更深的医学推理与术语精确度。与之并列的还有考察模型能否根据用户身份调整表达的分层评测维度。将新模型在这一专业子集上的表现与上一代最强模型对比，是衡量「同等智能水平下成本下降」的直接方式。Singhal 所述「GPT-6 Luna 超越一个月前最强模型且便宜 34 倍」正是用这一基准来量化成本-性能曲线，支撑其「健康智能商品化」的论点——即在不牺牲专业质量的前提下，把单位智能的价格压到可大规模免费分发的水平。

生态合作与「四分卫」定位

OpenAI清楚自己不会包揽一切医疗服务。Singhal反复强调「最后一英里」的概念：OpenAI的角色是让合作伙伴更容易用AI支持患者的整个就医旅程。

具体动作包括与Epic的集成——医生可以在ChatGPT中调用Epic，ChatGPT也能嵌入Epic工作流。UCSF是早期采用者，用其进行病历回顾；Advent Health则将智能体部署到整个工作空间，报告行政工作流成本降低约80%。

对于个人助手产品Dots，OpenAI为其设置了与其他产品面一致的安全基线，同时探索从「安全底线」走向「提升上限」——例如在慢性病管理中主动提醒用户复查用药、关注A1C指标变化。

Singhal明确表示，OpenAI做的是健康信息而非医疗照护本身：不提供处方、不做检查、不承担法律责任。但ChatGPT可以作为患者就医旅程中的「四分卫」，帮助导航、调度，并让整个生态的最后一公里更顺畅。

未来五年：更便宜的药，更早的干预

当被问到未来5到10年最可能改变人类健康的突破，Singhal给出两个方向：一是AI引导的新靶点和新分子生成；二是AI引导的临床试验优先级排序与验证——当前候选药物数量远超临床试验名额，AI可以帮助更高效地筛选。

在临床层面，他预计未来一两年最大的宏观变量是主动预防：通过AI辅助的健康管理，让人们避免走到昂贵的手术阶段。至于机器人在照护中的角色，他认为在技术和报销整合上都需要更长时间。

播客主持人最后提到一个正在发生的变化：当医生屏幕上出现ChatGPT时，患者该高兴还是担忧？Singhal观察到「奥弗顿窗口」正在实时移动——越来越多的患者和医生发现，AI作为双方各自的「二次检查」反而让人更安心。