OpenAI 让 AI 替医生点鼠标:325 项病历任务,99% 被评临床安全
医院里最耗时间的环节,很多时候不是看病,而是「把信息从一个系统搬到另一个系统」。医生建议做核磁共…
文章目录
医院里最耗时间的环节,很多时候不是看病,而是「把信息从一个系统搬到另一个系统」。医生建议做核磁共振,保险方需要的信息在病历里,但还得有人把它找出来,再手工填进另一个门户,才能完成授权申请。这类重复劳动,正是 OpenAI 想交给 AI 的那部分工作。

11 月 16 日,OpenAI 公布了其在医疗场景推进 computer-use 智能体的最新进展:这类智能体能通过点击、输入、在应用之间切换来完成多步骤工作流,从而在医护团队已经在用的软件里帮忙。OpenAI 同时披露了模型在临床与行政任务上的性能、安全性和成本评测结果。
一分钟速览
- 能力定位:computer-use 智能体在现有医疗软件里点击、输入、跨应用操作,不改动原系统。
- 落地渠道:OpenAI API、ChatGPT for Healthcare、ChatGPT for Clinicians 均可使用。
- 合作机构:Abridge、Ambience、Cigna Healthcare、CVS Health 等参与授权、转诊、出院规划和随访。
- 安全评测:325 项评审任务中 99% 被评为临床安全;646 次评估中 93% 被评为「很有帮助」或「极有帮助」。
- 成本对比:在斯坦福 HealthAdminBench 上,GPT-6 Luna 拿到 91.8% 的评分点,单任务成本 8.5 美分,比 Astra 低 98%。
一个具体的demo,说明它怎么干活
OpenAI 用合成患者数据做了一个演示:患者给医生发消息说腰痛。智能体先查看就诊记录、物理治疗记录和既往影像,起草一份核磁共振医嘱、一份就诊记录和一条给患者的回复,交给医生审核;随后,它用同一批记录,在保险方门户里准备好预授权申请,交给授权专员审核。
这个流程的关键在于「人仍然在环内」。智能体负责找信息、填表、起草,医生和专员负责确认。它不替代临床判断,只把重复的检索和录入接过去。对医院来说,这比「让 AI 直接给诊断」现实得多,也更容易通过合规审查。
99% 安全,是怎么测出来的
OpenAI 让 GPT-6 Astra 在电子病历收件箱场景里执行任务,这些任务由医生参与设计,既要考临床推理,也要考复杂界面的操作。评审人员同时看模型的动作和它产出的记录、医嘱、患者消息,判断这些工作在任务语境下是否有用、是否临床安全。
安全性的判定标准是:模型工作中的错误、遗漏或操作,是否可能合理导致患者受到伤害。在 325 项评审任务中,99% 被评为安全;在 646 次帮助度评估中,医生给出「很有帮助」或「极有帮助」的比例为 93%。这两个数字不能理解为「AI 可以独立看病」,但足以说明它在受控流程里已经具备可用性。
行政任务:便宜 98% 的那一档
医疗里最枯燥、量最大的是行政工作:预授权、申诉、医疗设备订购。OpenAI 在斯坦福研究者开发的独立基准 HealthAdminBench 上做了测试。GPT-6 Astra 拿到 94.3% 的评分点;GPT-6 Luna 拿到 91.8%,但单任务成本只有 8.5 美分,比 Astra 低 98%。两个模型都在最大推理强度下评测。
这组数据透露的是一个很实际的商业逻辑:高价值、低容错的临床任务用最强模型;高频、标准化的行政任务用便宜模型。医院真正愿意付费的,往往不是「最聪明」,而是「够用且算得过账」。
趋势洞察
医疗 AI 的落地路径,正在从「读片、辅助诊断」转向「接管流程」。前者要面对极高的准确率门槛和监管审查,后者虽然琐碎,但价值直接体现在人力和等待时间上。computer-use 这条路线的好处是不改造医院现有系统——AI 像人一样操作界面,实施成本低;坏处是界面一变,智能体就可能失灵。
接下来要观察三件事:真实医院环境下的长期稳定性,HIPAA 合规与审计日志能否经得起检查,以及当 AI 出错时责任如何划分。OpenAI 把「医生审核」放在流程中心,是聪明的做法,但规模化之后,审核会不会变成走过场,才是这类产品真正的风险点。
本文地址:https://www.163264.com/21482


