你的健康交給AI？面診APP到底準不準？

我下載過兩個舌診APP。
操作都差不多：拍一張舌頭照片，等幾秒，出來一份報告。"體質偏寒""脾胃虛弱""建議調理"。有的還配了食療方案，紅豆薏米水、姜茶之類。

第一次看完覺得有點意思。用了幾次之后，我開始懷疑。

宣傳98%，實際呢

某舌診系統的官網寫著準確率98%。另一份臨床研究，11000次樣本，準確率87.3%。

差了十個百分點。

原因不難理解。實驗室里的測試環境是標準光源、固定角度、專業拍攝。你在家里用手機拍，可能開著臺燈，可能背對窗戶，可能剛喝完一杯深色飲料。這些變量都會影響圖像質量，進而影響判斷結果。

安徽中醫藥大學附屬醫院做過對照研究，AI輔助舌診確實能提升診斷效率。但他們反復強調一個詞：輔助。

AI給參考，醫生做決定。這兩件事不是一個級別。

它在看什么

說白了就是深度學習。喂進去幾萬張帶標簽的舌頭圖片，模型學會識別顏色、紋理和某些特征跟疾病之間的統計關聯。

新照片進來，它去翻訓練數據里最像的那幾張，輸出一個概率最高的結論。

這個邏輯在理想條件下跑得不錯。問題是現實不理想。

手機拍照的光照太不可控了。同一個舌頭，白天客廳拍的和晚上臥室拍的，RGB值差一大截。算法對光照敏感度很高，這點誤差傳導到診斷結果上，可能直接改變結論。

數據集也有局限。如果訓練樣本主要來自某個地區、某個年齡段、某類飲食習慣的人群，換一群人用，準確率就會掉。目前公開的數據集規模都不大，覆蓋面有限。

更關鍵的一點：舌象只是中醫四診里的"望"。聞（聽聲音）、問（癥狀）、切（脈象），這三個維度APP完全拿不到。光憑一張圖做診斷，信息量本身就不夠。

我試出來的問題

我用同一張舌頭照片，在同一天上午，分別上傳給三個不同APP。

結果出來了：一個說"濕熱體質"，一個說"脾虛夾濕"，一個說"大致正常，注意保暖"。

同一張圖，三種說法。

當然，醫生之間也會有分歧。但醫生的分歧建立在望聞問切綜合判斷的基礎上，APP的分歧建立在單張圖片的不同算法權重上。前者有臨床經驗兜底，后者只有統計學概率。

還有一個事讓我不太舒服。注冊這類APP的時候，基本都要授權相機權限，有些還要填年齡、性別、體重甚至月經周期。這些健康數據存在哪、會不會被拿去做別的用途，用戶協議寫得模模糊糊。

我沒法確認它們有沒有違規，但我確定自己不知道答案。

我的看法

AI面診不是騙局。它在特定場景下確實有用——比如作為初步篩查工具，或者幫助沒條件及時就醫的人做個參考。

但它離"看病"這件事的距離，比宣傳的要遠得多。

我奶奶有次胃不舒服，讓我幫她在手機上看一下。我拍了她的舌苔傳上去，APP說"脾胃虛寒，建議溫補"。后來去醫院做了個胃鏡，慢性淺表性胃炎伴幽門螺桿菌感染。醫生開的方案跟APP的建議完全不一樣。

這不是說APP完全不準。是說它能看到的東西太少，漏掉的東西太多。

拿來當個參考可以。拿來當決策依據，風險自負。

你敢把健康交給AI嗎？歡迎在評論區聊聊

#AI面診#科技養生#醫療AI#健康焦慮#數據準確性