一位患者走进诊室坐在医生面前。医生不只是听他说话，还看他走路的姿态、听他的呼吸声、观察他说话时面部的细微变化。这些非语言信息，在临床诊断中与患者的主诉同样重要。但此前所有号称“AI看诊”的系统，统统只能通过文字聊天完成问诊。它们没有眼睛，没有耳朵，捕捉不到一声咳嗽里的痰音，也看不到患者拄着拐杖走进门的步态。
这个悖论在2026年8月被打破。Google Research与Google DeepMind联合发布的研究型医疗AI系统AMIE（Video），首次在实时临床视频问诊中展现出专家级表现。这不是一次渐进式升级，从文字到视频，意味着医疗AI第一次真正拥有了“感知”临床世界的能力。
一场300次实时问诊的“压力测试”
AMIE并非从零起步。这个全称“Articulate Medical Intelligence Explorer”的系统，2024年1月以一篇Google Research博客首次亮相，当时还是一个专攻诊断对话的大型语言模型，通过文字聊天与模拟患者互动。2025年4月，关于AMIE诊断对话能力的论文正式发表于Nature（第642卷，第442-450页），在159个临床场景中与20名初级保健医生对比：在专科医师评估的32项指标中，AMIE在30项上优于医生，在患者体验评估的26项指标中，25项更优。2026年6月，AMIE再次登上Nature，展示了从单次问诊走向长期疾病管理的能力，在100个多诊次场景中与21名初级保健医生对比，治疗方案精确度在三次复诊中分别达到96%、95%和95%，而医生组为62%到67%。
但所有这些成就都有一个共同的前提：文字界面。患者必须将复杂的身体症状转化为文字描述，这个过程不仅丢失诊断信息，还会对数字素养或健康素养有限的患者造成不公平。
2026年8月11日，Google Research在官方博客中宣布了AMIE迄今为止最重大的架构升级。研究团队将AMIE从纯文本交互系统，进化为基于Gemini模型和Project Astra框架的实时视频问诊系统。在首次多臂随机对照研究中，AMIE（Video）在100个临床场景、300次实时问诊中，与30名委员会认证的初级保健医生进行了正面交锋。
结果令人震撼。在全面的评估体系中，AMIE在140项问诊技能维度中的68项上达到或超过了初级保健医生的水平。在2026年3月与贝斯以色列女执事医疗中心（BIDMC）合作的前瞻性临床可行性研究中，AMIE首次面对真实患者而非演员，完成了100例门诊预问诊，前7项鉴别诊断的准确率达到90%，且整个研究过程中100次对话均未出现需要医生介入的安全停止事件。
2026年4月，Google进一步测试了AMIE的“协作临床医生”能力，在120个假想远程医疗场景中，系统成功引导患者完成虚拟体格检查，全程在执业医师监督下运行。
为什么“看”和“听”比“读”难一个数量级
一个AI不够，三个AI分工协作
实时视频问诊对AI提出了三个互相矛盾的要求：它必须在自然对话速度下响应用户，同时持续进行深度的临床推理，还要不间断地处理音视频流。当前的单一AI模型无法同时满足这三个要求，深度推理需要时间，但对话中的停顿会侵蚀患者信任。
Google团队的解决方案是“异步多智能体架构”。AMIE（Video）内部由三个专门化的AI智能体并行工作。Talker Agent（对话智能体）面向患者，负责低延迟的语音交互，维持自然对话节奏，同时将其他智能体的建议融入回应。Planner Agent（规划智能体）在后台持续运行，不断更新鉴别诊断和诊疗计划，识别信息缺口，重新排列临床目标的优先级。Perception Agent（感知智能体）则持续分析音频和视频流，识别临床相关的非语言信号，包括患者面部痛苦的表情、呼吸节奏的异常、咳嗽的声音特征，并将这些观察与对话语境关联。
这种解耦设计让AMIE（Video）能够以自然对话的延迟完成临床推理和视听感知。自动化评估确认，三个智能体各自对临床指标，包括病史采集、临床推理、治疗建议，都做出了不可替代的贡献。
从“你打字告诉我”到“我亲眼看到你”
AMIE此前所有版本都受制于一个根本性约束：文字界面丢弃了临床实践的视觉和听觉维度。一个哮喘患者打字说“我喘不上气”，远比不上一段实时视频中医生听到的喘息声来得直观。一个皮肤科患者拍下皮疹照片通过文字描述“有点红，有点痒”，与AI通过视频实时观察皮疹形态和颜色变化的诊断价值天差地别。
AMIE（Video）的突破，本质上是在AI的“临床认知”中补上了感官维度。系统不再依赖患者对症状的二次编码，而是直接感知原始临床信号。Google团队在官方博客中写道：“当医生与患者会面时，问诊远远超出语言交流的范畴。医生观察患者的步态，记录可见的不适迹象，注意他们的呼吸，并引导患者完成体格检查动作。这种持续的视觉和听觉信息流，与口头临床病史无缝整合。”
多模态医疗AI：从辅助工具到临床伙伴
横向来看，AMIE（Video）的发布恰逢医疗AI赛道的全面爆发期。2026年6月，Nature同期发表了两篇里程碑式医疗AI论文：一篇是谷歌AMIE的疾病管理研究，另一篇是德国学术团队开发的Mira系统，后者在急诊科诊断中的准确率达到87.1%，超过六位专科医生组成的评审小组的78.1%。两款系统均展现出在受控模拟条件下超越人类医生的临床表现。
从更宏观的产业视角看，全球医疗AI市场在2025年已达到约307.5亿美元，预计到2026年将增至452.6亿美元，2026至2034年间的复合年增长率高达47.2%。远程医疗市场的规模更为庞大，2025年全球远程医疗市场已超过1211亿美元。AMIE（Video）恰好站在两个高增长赛道的交汇点：AI加远程医疗。
但Google的意图显然不止于做一个更好的远程问诊工具。从AMIE的演进路线可以清晰看到一条技术野心：文字诊断对话研究（2024）到Nature诊断对话论文（2025.4），再到真实临床可行性研究（2026.3），接着是长期疾病管理Nature论文（2026.6），最后是实时视频问诊系统（2026.8）。每一步都在拓宽AI在医疗场景中的角色边界，从“帮医生写病历”向着“帮医生看病”持续迈进。
玻璃天花板仍然存在
尽管AMIE（Video）的数据令人振奋，但必须清醒地认识到它的边界。
首先，在140项问诊技能中，AMIE只在68项上达到或超过初级保健医生，这意味着在另外72项上，它仍然不及人类医生。独立分析指出，人类医生在识别“红旗信号”和引导实操体格检查方面有显著优势。
其次，目前所有研究均在受控条件下完成。BIDMC研究中的100例患者虽然有真实患者参与，但AMIE只负责问诊前的病史采集和初步诊断建议，并未独立完成完整的诊疗流程。2026年4月的120个远程医疗场景也仍然是假想场景而非真实患者。Google团队在BIDMC研究中安排了委员会认证的内科医生对所有对话进行实时安全监督，这是一种“人在环中”的保守设计。
第三，Google团队反复强调：AMIE是一个研究原型系统，不具备投入真实临床部署的条件。在走向负责任的真实世界应用前，还需要大量严谨验证，涵盖安全性、可靠性、监管标准等多个维度。
谁在改变，谁在危险
AMIE（Video）的突破，指向一个更本质的趋势：医疗AI正在从“数据处理工具”进化为“临床感知伙伴”。
这对中国医疗AI行业同样是重要的信号。中国AI医疗市场规模预计2025年将达1157亿元，2028年突破1500亿元。人口老龄化和医疗资源分布不均的双重压力，使得远程医疗和AI辅助诊断在中国有着巨大的需求基础。但截至目前，国内医疗AI公司大多集中在医学影像AI、AI制药等“单模态”赛道，像AMIE这样打通多模态实时交互的探索仍然稀缺。
谁最有可能被这场变革冲击？答案是：纯文本在线问诊平台。当AI可以“看”和“听”患者的时候，仅靠文字聊天提供健康咨询的商业模式将面临根本性挑战。谁最可能受益？初级保健医生。AMIE的设计目标始终是“增强而非替代”，通过接管病史采集、随访管理等耗时工作，让医生把时间花在最有价值的诊疗决策上。
但这一切的前提，是AMIE能否从研究原型走向临床产品。Google在2026年3月启动了一项与Included Health合作的全国性随机研究，将AI部署到真实虚拟护理场景中评估效果。答案或许就在下一轮数据中。
医疗AI终于有了眼睛和耳朵。但它还要学会在真实医院的嘈杂中，不掉队、不误诊、不让人失望。这场感官革命，才刚刚开始。
快报