基层门诊里的难题，通常不像一张CT那样边界清楚。
假设患者主诉头晕，又提到轻微肢体麻木，基础血检没有明显异常。传统临床决策支持系统（CDSS）可以列出若干可能疾病，但下一步该问什么、先核对哪条线索、是否需要进一步检查，仍要靠医生判断。
医疗Agent真正有用的地方，是把容易漏掉的问题推到医生眼前，答案长短反而不重要。
影像AI已经很快，综合诊疗仍是另一回事
2025年3月，《环球》杂志报道，一份肺部CT分析报告可在几秒内生成，系统还能标注常规扫描中容易忽略的微小异常阴影。报道中的医生称，5年前完成同类分析至少需要30分钟，而且仍有遗漏风险。
这个案例展示了AI节省影像分析时间的可能性。基层综合诊疗面对的情况更杂：患者的主诉、用药情况和检查结果可能互相矛盾，也可能缺少关键一环。
“思维链”常被用来形容模型的分步推理。放到诊室里，医生更需要看见这些动作：
- 系统先根据现有信息继续追问，暂不急着报出病名；
- 说明提示与哪些症状、检查结果有关，方便医生核对；
- 标出尚未确认的结论，并给出进一步检查或转诊建议。
回到头晕场景，Agent可以提示医生核对头晕与肢体麻木的关联，补问近期用药和睡眠情况。它更像一张动态核对单，不能直接当作诊断书。
政策支持智能辅助，误诊率仍要另算
2026年1月9日，新华网报道，国家卫健委日前发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确提出推广医学影像智能诊断、强化基层智能辅助应用。报道还提到，AI大模型可以分析检查影像并生成初步诊断报告，用于提升诊断效率、推动优质医疗资源下沉。
需要分清的是，生成初步报告不等于误诊率已经下降。这些报道没有提供基层使用前后的误诊率对比。
目前可以作出的判断更有限：Agent如果能把遗漏线索转成具体追问和检查提示，可能减少漏项；依据不清或建议有误，也会增加医生的判断负担。少漏问一个问题，是降低误诊风险的一条路径，但最终效果仍要看真实诊疗结果。
便宜的API，还要接上诊疗流程
把成本只算成一次API调用，会低估基层部署的难度。罗兰贝格白皮书《以人为本，人工智能助力医疗体系科学发展》将医疗专家持续投入、高质量标准化数据和AI技术列为医疗AI的重要条件。
对基层诊所来说，患者信息是否完整、系统能否进入日常诊疗流程、医生是否有时间审查建议，都会影响使用结果。模型调用费下降解决的是接入问题，数据整理、系统衔接和人员使用并不会自动完成。
医生采纳前，AI要经得起追问
2025年3月14日，科学网刊发的《中国科学报》报道援引中国工程院院士张伯礼的判断：“DeepSeek取代不了医生。”
这句话放到基层诊室里，对应的是几个很实际的问题：当Agent的建议与医生经验冲突时，依据是什么？哪些信息还不完整？需要通过什么检查确认？医生最终仍要对诊断、处方和转诊作出决定。
如果Agent只给出一个罕见病名称，却说不清依据和确认路径，医生很难采纳。系统若能指出低概率但高风险的线索，并提示需要核对的病史或检查，医生就多了一道防漏检查。
能不能少误诊，要看诊室里是否走完
一条可以验证的路径是：医疗Agent发现潜在风险 → 提示医生核对具体病史、体征或检查 → 医生安排针对性检查或转诊 → 最终确认诊断。
只有把提示与后续诊断结果对照，才能知道Agent究竟减少了遗漏，还是只生成了一段看起来合理的解释。
现有报道已经说明，影像AI可以提升分析效率，政策也在推动基层智能辅助应用。但这些信息还不足以证明基层误诊率已经下降。更准确的说法是，具备追问和解释能力的医疗Agent，有机会帮助基层医生少漏问、少漏查，尤其是在低概率但高风险的线索面前。
对基层诊所来说，屏幕上多一个会说医学术语的角色并不重要。每次接诊多一次有依据、可核验的提醒，才可能改变结果。
