Should You Trust ChatGPT With Your Health?

OpenAI 健康 AI 负责人 Karan Singhal 披露：每周 3 亿人用 ChatGPT 问健康问题，绝大多数是免费用户且在美国之外。

美国医疗花了 5.3 万亿美元、占全球第三大 GDP，却有超 1 亿人没有固定家庭医生、看专科要等几周甚至几个月。OpenAI 想用同一个通用模型填这个缺口，但它必须同时回答两个互相打架的问题：怎么让 AI 对想听"没事"的病人说实话，又怎么让医生敢把它放进诊室。

Karan 自己以前就做过专科小模型，他的结论是那条路会越走越窄。OpenAI 的做法是在通用大模型的每个训练阶段都掺入医疗数据，让模型既吃到前沿推理能力的红利，又带上专科知识。

• 每个训练阶段都加医疗数据：过去一年所有上 ChatGPT 的模型都这么训，等于"专科训练 + 通用大脑"两头占。
• 专用小模型的死穴是追不上前沿：通用模型进步太快，单开一条小模型产线，几个月就落后一截。
• 免费用户也拿到前沿水平：1.2 亿周活用户里，健康问答的主力是免费层，且大部分在美国以外。

病人问 AI 时往往盼着听到"一切正常"，但医学上该说的是另一回事。OpenAI 的解法不是找几个医生拍板，而是建一个覆盖几十个专科、几十种语言的全球医生网络。

• 五个医生能给八个答案：所以评估和训练数据来自数百名全球专家，避免一两个人定调。
• 安全优先于讨好：评估里专门追踪"用户不想听但必须劝他就医"的场景，这类能力一年内提升明显。
• 按人群调语气：HealthBench 评估里区分普通用户和医生，模型对前者少用术语，对后者给专业细节。

最打动 Karan 的不是数字，是一个父亲的经历。Nathan Labenz 的小儿子在度假时持续疲劳、易怒，AI 帮他们判断出事情严重、该去做检查，随后确诊为侵袭性白血病；整个治疗过程中他用 GPT-5 Pro 读化验单，比专科医生解释得还早。

• UCSF 是 Epic 集成的早期用户：医生用 ChatGPT 做病历回顾，不用在多个标签页之间来回切。
• AdventHealth 报出行政流程成本降约 80%：他们把 agent 铺到整个工作区，是 OpenAI 在医院侧最激进的客户之一。
• 不做诊疗，只做"四分卫"：Karan 明确说 OpenAI 不会自己提供全部医疗服务，定位是帮病人找医生、排日程、盯随访，最后一公里交给合作伙伴。

"医疗行业不会明天就长出 MCP 连接器——很多医院的核心系统还跑在一台云上的虚拟机里，这恰恰是 AI agent 和电脑操作最该上场的地方。"

• 做垂直 AI 产品时，优先把专有数据灌进通用大模型的每一轮训练，而不是另起一个小模型；后者在 6-12 个月内就会被前沿甩开。
• 涉及安全敏感场景（医疗、心理、金融），评估集要覆盖"用户想听的"和"专业上该说的"之间的冲突样本，并把这类样本单列为不可妥协的指标。