苹果招 20 万人做一场 AI 健康实验:答案必须能追到《新英格兰医学杂志》
11 月 15 日,苹果悄悄上线了一个新 App,名字很朴素:Apple Health AI U…
文章目录
11 月 15 日,苹果悄悄上线了一个新 App,名字很朴素:Apple Health AI Usage Study。它不看片子、不做诊断、不接 Siri,甚至连自家的 Apple Intelligence 都没有调用。它只做一件事——让你向 AI 提健康问题,然后给答案打分,最后把这些评价交给研究者。

一分钟速览
- 苹果与临床 AI 公司 OpenEvidence 合作,推出健康 AI 使用研究 App,11 月 15 日起在美国开放招募。
- 目标样本最多 20 万人,研究周期超过 12 个月;参与者需年满 21 岁、身处美国、使用 iPhone 15 及更新机型、系统为 iOS 26 以上。
- App 的回答引用《新英格兰医学杂志》《美国医学会杂志》《自然》等同行评议来源,用户按准确性、细节充分度、相关性打分。
- 数据匿名化后交给第三方云端处理,明确不用于训练任何 AI 模型;合作方 OpenEvidence 在 24 小时后删除提问与回答数据。
这不是又一个「AI 医生」
过去两年,健康问答是聊天机器人被用得最多、也最容易出事的场景之一。OpenAI 和 Anthropic 都为自己的模型加了医疗场景的回答规范,但那些答案本质上是「生成」出来的:语言流畅、逻辑自洽,却不一定能追溯到某一条临床证据。用户很难判断,眼前这段话究竟是医学共识,还是模型的合理想象。
苹果这次换了一个问法。它不再追问「AI 能不能回答健康问题」,而是问:「当答案带着可核查的临床来源时,它对普通人到底有没有用?」这个转向看似保守,其实更接近医疗产品的真实门槛——医疗不缺会说话的系统,缺的是能被医生和患者同时信任的信息链路。
参与者在 App 里做什么
用户输入健康问题,得到的是两样东西:一段尽量通俗的解释,以及指向同行评议文献的链接。参与者可以授权 HealthKit 数据,包括静息心率、活动量、睡眠记录和化验结果,答案会因此更贴近个人情况。App 还会帮忙整理「看医生之前该问什么」,遇到需要专业判断的情况,会把用户导向具体的医疗机构或科室。
评价环节是这项研究的核心。用户不只要说「有用」或「没用」,还要按准确性、细节、相关性等维度打分,并每月填写问卷。换句话说,苹果想收集的不是点击率,而是「这段答案在多大程度上帮到了人」。
谨慎写在每一个细节里
最值得注意的一点是:这明明是一个 AI 研究项目,苹果却刻意把它和自家 AI 切开。The Verge 的报道指出,这个 App 并不调用 Apple Intelligence,也不集成 Siri,只支持文字输入,语音输入靠系统键盘的听写功能。参与门槛同样收得很紧:年满 21 岁、美国居民、iPhone 15 及以上机型、iOS 26 及以上系统。
数据处理上,苹果给出的承诺相对具体:上传前先做匿名化,交给安全的第三方云服务处理,不用于训练模型;OpenEvidence 侧在 24 小时后删除问答记录。这些条款既是在回应监管,也是在给未来的产品留下合规空间。
为什么是 OpenEvidence
OpenEvidence 是一家面向临床医生的 AI 平台,答案基于医学文献库生成,在专业圈子里以「可溯源」著称。苹果选择它而不是自研模型,说明这项研究真正在意的不是对话有多自然,而是答案能不能一路追到期刊页码。对一家要把健康功能装进数亿台设备的公司来说,这种保守是必要的:一旦涉及诊断建议,责任边界必须提前划清。
它可能改变什么
健康一直是苹果穿戴设备最核心的叙事,从心率、血氧到房颤提醒,苹果擅长把传感器变成日常习惯。但「读懂体检报告」「判断这个症状要不要去医院」属于另一类问题,它依赖知识而不是传感器,也更容易踩到医疗监管的红线。
这项 20 万人规模、为期一年以上的研究,本质上是在为产品决策收集证据:如果带来源的答案确实能改善用户理解、提升就医准备度,那么「AI 健康助手」就有了临床依据;如果效果平平,苹果也可以据此把功能压缩到更窄、更安全的范围。
一句话总结:当整个行业还在比谁的模型更会聊天时,苹果先去做了一件更慢的事——验证「有出处的答案」究竟值不值得信任。
本文地址:https://www.163264.com/21360


