Skip to content
最近，有一篇医学论文，摘要里说，在这个项目设定的阈值上，AI只找出了27.7%的结直肠癌患者，也就是漏掉了七成以上。要知道，放在任何AI评测里，只找到27.7%的患者，这个成绩都很难看。
这是位于美国宾州的盖辛格医疗系统做的一个项目，AI从来不负责诊断患者的病情，它只回答一个很现实的问题：护士时间和肠镜名额都有限，这周先联系谁？
接下来，请得到AI学习圈主理人快刀青衣老师，来讲讲这篇论文。
这家医院从2019年开始用机器学习引导结直肠癌筛查。整个项目里，AI不管病情，它只负责找人。因为结直肠癌现在在全球都有非常成熟的筛查手段，难的是让逾期没查的人完成检查。
他们医院系统里有大量逾期未筛查的患者，名单很长，护士和肠镜名额却有限，不可能挨个打电话催。我想咱们同学，只要在三甲医院做过CT或者肠镜的，都特别能理解。很多时候排个类似的检查，都要到半个月之后了。
这个项目是怎么做的呢？他们把患者的年龄、性别和最近三年的血常规数据交给模型，算出风险分数。模型每周扫描大约450名逾期没来检查的患者，标出风险最高的11人，护士这一周就优先联系这些人。
AI的任务到这里其实就结束了。护士拿到名单之后，先查病历，排除正在化疗、已经住院或已经去世等不适合联系的人，再以家庭医生团队的名义打电话。护士会告诉对方：你的筛查已经逾期，AI分析也提示你的肠道疾病风险高于一般人。如果患者同意，护士就在电话里把肠镜约好；三次没有接通，就改寄挂号信。
在这个流程里，AI负责排序，人类护士负责解释风险、建立信任、处理顾虑和完成预约。模型没有跟患者说话，却决定了护士把时间花在谁身上。
到了这里，27.7%这个数字就容易理解了。我和你解释一下，它说的是：在所有真正患结直肠癌的人里，模型只标出了不到三成，剩下七成多都漏掉了。
为什么漏呢？因为要保证护士的时间和肠镜的名额，要是增加护士和肠镜名额的话，这个数字就很容易提升。另外，标记太多低风险的人去做肠镜，本身也有并发症的风险，所以宁可少标。
但反过来看，它标出来的人很准。被这个系统标记的人去做肠镜，每100人能查出6个多结直肠癌；没被标记的人去做，100人里不到1个，相差七倍以上。一边漏得多，一边标得准，其实是同一个设计的两面，也就是模型宁可少标，也要把每周450人的名单压到11人，让护士打得完电话，医院准备的肠镜名额也接得住。
那这套办法到底有没有效果？直接看整体数据，会得到一个很吓人的结果：被模型标记的人，两年内死亡率是12.1%，未被标记的人是7.9%。换句话说，被找到的人反而死亡率更高。
这也说明很多时候，数据是个好东西，但也会被人任意打扮。如果只看死亡率，感觉这个模型都可以直接点名叫“柯南系统”了。
其实原因并不神秘。因为模型本来就在挑选患者中最高风险的人，被AI标记组平均年龄67.3岁，未标记组是62.4岁，两组人的健康基础本来就不同。
拿这两个组的死亡率直接比较，就像看到ICU死亡率高于普通病房，便认定ICU害人。问题是，ICU里面本来就是重症患者，普通病房可能仅仅是感冒而已。
这个研究里，还有非常多反常识的数据，让人觉得有点儿不可思议。比如，被模型标记的人里，三个月内做了肠镜的只有11%，六个月内也只有16%。也就是说，即使进入了AI筛出来的重点外呼名单，最终真正完成肠镜检查的人，比例依然不高。我看到这个数据的时候，还是挺惊讶的。
当然，这背后也有原因。论文里说，这些用户会进入护士的外呼流程。护士最多打三次电话；如果三次都联系不上，就会寄一封挂号信。不过，哪怕像我这样，因为骚扰电话太多、基本不接陌生电话的人，如果看到有人连续打了三次电话，又收到医院寄来的挂号信，一般也会考虑回拨过去。
论文观察到一个更重要的结果：被列入外呼名单的那一侧，两年内死亡率下降了6.2个百分点，降幅43%。
这个43%该怎么看？我的建议是，信方向，别抠数字。这毕竟不是严格的临床试验，而是对真实运营数据的分析，样本不大，误差范围也宽，真实降幅可能没有43%这么漂亮。但“确实降了”这一点，在统计上是站得住的。
那命是怎么救回来的？论文给了一条线索：被标记进外呼名单的人，做上肠镜的时间平均提前了大约四个月。结直肠癌如果早发现，五年生存率超过90%；拖到晚期，只剩15%左右。对一些患者来说，这四个月，可能就是决定是癌症中期还是晚期的关键时间，因此异常珍贵。
我还专门去找了几个相关的研究，正好解释了为什么电话要由护士来打。
比如，一项发表在《内科学文献》上的随机试验，让自动语音系统给8万名健康计划成员介绍结直肠癌筛查，再让患者自己联系家庭医生。结果，接电话的测试组和对照组，筛查率分别是30.6%和30.4%，几乎没有差别。也就是说，哪怕信息送到了，用户也不会因为接到一个自动电话，就去做筛查。
那为什么需要人类护士呢？另一项发表在《内科学年鉴》上的试验，把支持分成了几档：从常规护理，到自动寄送筛查通知和材料，到电话协助，再到护士全程导航。
结果，两年内持续保持筛查达标的比例，常规对照组是26.3%，电话协助组是57.5%，支持最完整的护士导航组达到64.7%。啥意思呢？就是有人给你解释、协调、解决障碍，64.7%的人都会真的去接受检查。
想想也是，我要是接到一个AI电话，让我去某某医院做个什么检查，我肯定会在心里说“骗子”。但如果一接电话，里面说自己是某某医院的护士，根据我之前的查血情况，建议我去做一个筛查，并提供流程支持，我大概率二话不说，拔腿就去。
在这种需要高信任度的场景里，真正起作用的，不只是AI分析，还有背后的人。
我每天都会收到几十个AI骚扰电话，基本上已经练出了百毒不侵的肌肉记忆，能不接的电话全不接。但是昨天手机突然一个96110来电，我接起来，里面也是AI语音，一听就不是真人。它提醒我，前一天我接到的某个电话疑似诈骗号码，要注意防范，不要被骗了。
你看，同样是AI语音，同样是不请自来的陌生来电，我的感受却完全不同。对于这条96110的电话，我一点儿都不觉得是骚扰。当然，AI语音效果还值得再迭代一下。
那从骚扰电话到反诈电话，同样是AI电话，为什么给我们的感觉有这么大差别？什么样的AI电话会被信任呢？
这个问题我还真是思考了一会儿。我的答案有三条：它认得你，它管得了这件事，出了状况还有人接手。
“认得你”，意味着这通电话来自你的真实数据和风险，而不是一张买来的号码表。
“管得了”，意味着它能直接推进解决，比如当场约好肠镜，而不是就给你念一堆材料，再让你自己找人。
“背后有人”，意味着复杂问题出现时，有一个活人能解释、判断并承担责任。比如，上周我跟一个家电品牌报修的时候，本来是AI对话，说着说着，就发现AI的反应有点迟钝，我就说了句“转人工”，接着流程非常顺滑地就转过去了。
这些都不是把AI话术训练得更像真人就能解决的。因为这里面需要数据分析，中间需要调动真实资源，最后需要有人接住，都是对真实世界的考验。
