微软在 Ignite 2026 上把医疗转录产品 Dragon Copilot Transcribe 全换成了自研语音模型 MAI-Transcribe-2,医患对话转写 100% 交给它。这套系统覆盖全美约三分之一的执业医师,每月处理约 1000 万次就诊。多语言错误率砍半,医生整理病历、核对术语的时间明显缩短。语音转写规则清晰,反馈也直接,本来就是医疗 AI 里最容易做成的一块。
筛查端这边,进展更实在。上海新华医院用达摩院 AI 系统读普通 CT,不用造影剂,就能提示疑似肠道异常。一位患者车祸后拍 CT 没查出骨折,AI 却标出了肠道问题,进一步检查确诊 Ⅱ 期结肠癌。目前已有 41 名无症状患者通过这条路被发现,多数处于早期或中早期,拿到了手术机会。不过这些病例只能说明机会性筛查有价值,还不能单独证明系统的诊断准确性。
另一头就没这么好看了。一篇发在《Journal of Translational Medicine》的鼻咽癌论文,图片和数据都被质疑有问题,图中尺子每厘米标了 12 格,网友怀疑部分图片由 AI 生成,这一说法还没有独立核实。湖南省科技厅已责成中南大学湘雅二医院调查,同时核查是否存在学术不端。截至报道发出,Springer Nature 科研诚信部门和通讯作者都没回复媒体。
三件事放在一起看,AI 进医院的速度已经快过验证它的速度。转录、影像筛查这类辅助场景铺得最快,因为错了还有医生复核。更危险的是把生成内容当证据用——论文图片、临床数据一旦掺假,后果比返工严重得多。工具本身没毛病,出问题的是用工具的人,还有审核那一关。