当医生告诉你肩部肌腱撕裂需要立即治疗, 并且在你还未反应过来时就开始冲击波疗法和注射药物, 你会怎么办？法国开发者Antoine的选择是: 用AI来复核诊断。他的经历引发了一场关于AI辅助医疗的深刻讨论。
从怀疑到验证: AI如何介入
Antoine因右肩持续疼痛就医, 医生安排了MRI检查, 诊断为”肩胛下肌腱III级部分撕裂（>50%宽度）”, 并立即开始冲击波治疗和Traumeel注射。离开诊所时, Antoine感到不安——治疗开始得太快了。
他将MRI的DICOM文件（约266MB, 数百个无扩展名文件）发送给GPT 5.5 Pro做初步分析。AI立刻发现了两个问题: 冲击波疗法用于无钙化的肩袖肌腱病变不符合最新临床指南; Traumeel在德国注册为”无治疗适应症”的顺势疗法药物。这两点严重动摇了Antoine对诊所的信任。
随后, 他用Claude Code运行Opus 4.8模型对MRI影像进行深度分析。Claude Code的能力在此体现: 它可以安装Python医学影像处理包, 执行DICOM解析, 生成3D可视化, 并基于影像特征给出结构化的分析报告。
技术层面: Claude Code的分析能力
Claude Code的优势在于它不仅是”看图说话”, 而是可以运行代码、安装依赖、处理标准医学影像格式。DICOM是医学影像的国际标准, 每个文件包含像素数据和元数据（扫描参数、患者信息等）。Opus 4.8能够调用pydicom等库解析这些数据, 进行多平面重建和3D渲染, 这是单纯的视觉分析模型无法做到的。
不过, 社区的放射科医生sxg谨慎指出: 在未看到完整3D MRI数据集的情况下, 无法做出专业判断。AI分析可以作为参考, 但不能替代放射科医生的系统性阅片。
信任的双重困境
HN用户AceJohnny2的评论引发了广泛共鸣: “被信任的专家掌控的感觉让人安心……但AI可能彻底粉碎这种感觉。” 这里存在一个双重困境——既不能完全信任医生（因为可能存在误诊或过度治疗）, 也不能完全信任AI（因为其结论缺乏问责和验证）。
另一位用户kgeist分享了几年前的经历: 他被外包放射科医生误诊为肺结核, 被转到结核病医院, 经进一步检查才发现是误诊。这个案例说明, 即使是人类专家也可能出错, AI作为”第二双眼睛”有其价值, 但前提是使用者理解其局限性。
启示: AI辅助医疗的边界
Antoine的经历展示了AI在医疗中的合理定位: 不是替代医生, 而是帮助患者获得更充分的信息, 在就医决策中拥有更多主动权。Claude Code的独特价值在于它能够执行实际的医学影像处理代码, 而非仅仅给出自然语言建议——这使得分析过程具有可复现性和可验证性。
然而, AI辅助医疗面临的核心挑战依然未解: 谁来为AI的分析结论负责？当AI发现医生可能存在过度治疗时, 患者该如何行动？这些问题需要医疗体系和法律框架的持续演进。