本文來自微信公眾號： 健聞咨詢 ，作者：健聞咨詢，題圖來自：AI生成

“教會徒弟，餓死師傅”。

在醫(yī)療AI圈，這句話的含金量還在上升。

過去幾年，醫(yī)療大模型迅猛發(fā)展，除了不斷迭代的技術能力外，醫(yī)生群體的知識供養(yǎng)也必不可少。

打開招聘軟件，相關崗位多如牛毛——醫(yī)療大模型標注、預訓練數據處理專員、AI醫(yī)學審核、大模型專家……薪資從10K—50K不等，薪資越高，對臨床工作年限和職稱的要求也越高。

幫助AI公司訓練模型，醫(yī)生的收獲不止于一份報酬——“醫(yī)療+AI”的世界充滿想象，或許是下一個醫(yī)學發(fā)展的前沿。

而硬幣的另一面是，身處其中，他們或許會比同行更接近那個殘酷的真相：一個會看病的AI到底有多強大，我們究竟是在造幫手還是造對手？

《健聞咨詢》訪談了三位有過醫(yī)療大模型工作經歷的醫(yī)生，他們有的是全職，有的是兼職；有人做大模型標注，也有人做產品評測；有剛畢業(yè)一兩年的小醫(yī)生，也有三甲醫(yī)院的高年資醫(yī)生。

但無一例外的是，他們都已經離開了那個曾經“誘人”的崗位。

上廁所要用跑的，純純的賽博民工

鐘盛∣大模型標注三年，目前在民營醫(yī)院工作

我是2019年畢業(yè)的，學的是臨床醫(yī)學方向。

從小我就對計算機、編程這些東西很感興趣，但家里人一直希望我學醫(yī)。我拗不過他們，上了三年?？圃盒?，畢業(yè)后直接去了一家鄉(xiāng)鎮(zhèn)衛(wèi)生院上班。

我不打算一輩子干醫(yī)生，所以就沒有選擇規(guī)培，只想找個輕松點的地方過渡一下，既有收入，也能學點計算機相關的東西，爭取早日轉行做個碼農。

我去的那個鄉(xiāng)鎮(zhèn)比較偏，離市區(qū)有40多公里，經濟條件不太好。衛(wèi)生院的事情很雜，要搞家庭醫(yī)生簽約、下鄉(xiāng)扶貧、還有一堆和醫(yī)療沒什么關系的瑣事，但收入又很低，一個月到手才1000多塊錢。

我干了一年就跑了，家里人拿我沒辦法，說你愛干嘛干嘛吧。

那時候，我有個好哥們在杭州，他說這邊互聯網公司多，機會也多。我想都沒想，當天就買機票來了。

到杭州以后，我四處投簡歷，也拿了幾個不錯的offer，有醫(yī)美機構的，也有去藥企做CRC（臨床協(xié)調員）的，但我內心還是更喜歡計算機，所以選了一家醫(yī)療信息化公司，做AI標注和訓練。

我們公司和全國三四百家醫(yī)院都有合作。每天，駐點醫(yī)院的同事會把病歷實時上傳，我們要做的就是從患者的病歷資料里，提取出關鍵信息，比如診斷、用藥、手術、預后等等，再以標簽的形式喂給AI，讓它去生成一個治療方案，輔助醫(yī)生決策。

舉個例子，一個肺癌患者，他最早的病理診斷是什么，腫塊有多大，基因突變點位是什么；有沒有轉移，如果轉移的話，是淋巴結還是遠端；他用了什么藥，有沒有耐藥，什么時候耐藥的，又換了什么治療方案等等。

每一個關鍵信息，對應一次打標動作。

基本原則就是，順著時間線往下捋，病程越長，標簽越多。一個初診病人大概對應10-20個標簽，兩三分鐘就可以打完，病程最長的老患者則可以打到60多個，20分鐘都不見得能搞定。

起初，這家公司的待遇給得還算不錯，底薪1萬，根據績效上下浮動，多勞多得。那些特別拼的同事，幾乎24小時在線，天天干通宵，夸張的時候一個月能拿4-5萬，干一年就在杭州買房了。我比較“佛”，每天干到10點多就收工，一個月也能拿個2萬多塊錢。

但干了不到一年，醫(yī)療大模型廠商之間的競爭越來越激烈。我們公司小，產品和大廠沒得比，領導就一直壓我們的績效，縮減成本。

最開始的時候，我們每天只要做夠150個患者就能達標。后來指標慢慢往上加，180、200、230、280……就跟溫水煮青蛙一樣。到我離職前那會，一天處理300個患者都拿不了滿績，工資降了一大半。

我在這家公司總共干了三年，基本上是起早貪黑，眼一睜就對著電腦，打標、輸入，時間緊，任務重，連上廁所都是一路小跑，純純的賽博民工。但三年過去了，模型好像并沒有什么進步，給出的治療方案永遠都是指南上那些。

我聽院端的同事講，有些高年資的醫(yī)生很抵觸這類輔診工具，系統(tǒng)一跳彈窗他就關了，根本不會看，還抱怨我們的軟件把HIS搞得特別卡。

去年年底，我跳槽回了臨床，在老家找了個民營醫(yī)院精神科的活，一個月拿八九千塊錢，沒那么累，也還算穩(wěn)定。我打算后面努努力，考個醫(yī)師證，收入還能再漲一點。

最近，聽之前的同事們說，公司業(yè)務裁撤，他們也被陸續(xù)優(yōu)化了。有人干回了醫(yī)生，有人考公考編，就是沒人能在這個行業(yè)里找到下家。

我們的微信同事群也改了名字，叫“時代的眼淚”。

模型不會只學1+1，我們遲早會被淘汰

周巖∣大模型評測兩個月，轉行做醫(yī)學研究員

我本科學的是中西醫(yī)結合，研究生方向是神經外科。

在進入醫(yī)療AI行業(yè)前，我在兩家社區(qū)醫(yī)療機構干過，一家私立，一家公立，但待的時間都不長。醫(yī)生這個職業(yè)還是比較講究論資排輩的，像我們這種剛畢業(yè)的碩士到了基層，很容易被老醫(yī)生打壓。

離職以后，我本來是想找個偏文職的工作。刷招聘軟件的時候，刷到一個“AI醫(yī)學審核”的崗位，不需要什么臨床經驗，雙休，薪資還高，有13K。我以前在社區(qū)醫(yī)療機構，月薪也就是5000上下，從來沒見過那么高的工資。

面試很順利，一天三輪，問了對AI的理解，考了神外相關的基礎問題，就通知我可以入職了。我回過頭想，這個工作的門檻是真不高，即便是剛畢業(yè)的醫(yī)學本科生，稍微準備一下，應該也能輕松過關。

我們的工作內容，用一句話來概括，就是給某個互聯網大廠的AI健康管家打分。每天早上，我們都會拿到一個Excel表格，里面是用戶和這個AI產品的聊天記錄，我分到的組是“多模態(tài)”小組，基本都是用戶上傳某個圖片，模型給出解讀，后續(xù)可能還有一些問答。

我們會從準確性、語言表達、風險把控、用戶體驗等幾個維度來給模型打分，0分是基準，上下浮動。

舉個例子，有人受了比較嚴重的外傷，拍照片來問，如果模型回答的是，你要立刻去醫(yī)院，那就是一個0分的回答。正分的答案應該是，告訴用戶有哪些應急處理方式，給予情緒上的撫慰，同時提醒他去醫(yī)院。

我比較喜歡這個評分機制的地方在于，它不是一個人打完就結束了。一段對話，必須由兩個人來打分，打完以后再對齊，統(tǒng)一給出一個意見，最后組長還要審核。所以在我們的工作中，爭論、battle是再正常不過的事情，公司也鼓勵我們這樣，有觀點一定要表達，要盡力說服別人。

除了打分以外，我們還要寫改進意見，這些意見會匯總到算法和產品同事那塊，用于模型的下一次迭代?；旧?，幾周時間，模型就會有一些肉眼可見的提升，不管是回答的準確性還是表達的流暢度。

這個產品最驚艷我的一次是，有一個用戶上傳的檢查資料里，CA125的指標明顯升高，臨床上這個指標高了通常就會提示婦科或消化道腫瘤。但模型識別到這個用戶還查了PSA（前列腺特異性抗原），所以它自動排除了婦科疾病，只提示了消化道腫瘤風險。

我們有一個潛規(guī)則，不能輕易給滿分。如果滿分打多了，組長會把任務退回來，讓我們返工。這也很好理解，如果一個班的學生，每個人都考100分，那還要你老師干嘛？所以即便模型已經答得很好了，我們也會故意找茬，硬挑點毛病出來。

我們會“人為”地讓模型呈現一個慢慢向上的狀態(tài)，永遠在進步，但永遠不夠好。

只有我們自己知道，危機感始終存在。模型不可能永遠學習1+1，在完成了全科基礎知識的覆蓋以后，它一定會去往更艱深的?？品较颍侥莻€時候，我們這些只會上基礎課的老師遲早會被淘汰。

所以今年，我做了一個大膽的決定：跳槽去一家更小規(guī)模的AI產品公司做醫(yī)學研究員，薪資降了1/3，但能夠全程參與醫(yī)療AI產品的設計、研發(fā)和迭代。

我相信醫(yī)療+AI的時代遲早會到來，在那之前，我要確保自己已經做好了準備。

效率永遠是醫(yī)學的對手盤，模型也不例外

林婧∣兼職AI臨床專家，浙江某三甲醫(yī)院醫(yī)生

我是一名從醫(yī)20多年的皮膚科醫(yī)生。

我是那種對新事物特別有好奇心的人。就拿互聯網醫(yī)療這事來說，我差不多是國內第一批做線上問診的醫(yī)生，到今天也已經有10多年了。

我還記得2021年前后那會，大家都在線上接診。那段時間，我一天看五六十個病人，一個月的收入能做到2萬多。

但最近這幾年，AI發(fā)展得特別快，各大平臺都做了自己的AI健康管家。它就像一個漏斗，用戶不管有什么問題，先去AI那兒問一道，過濾出來真有就醫(yī)需求的，才會轉到我們這兒來，所以線上問診的單量是一直往下走的。

去年5月份的時候，國內有一家互聯網公司，準備做一個皮膚科相關的AI問診產品，項目剛剛起步，想找?guī)讉€資深醫(yī)生來兼職幫個忙。

我對醫(yī)療大模型還挺感興趣的，就去報了個名?；顑旱故菦]有多復雜，類似于圖片問診——它會給你發(fā)一張圖，沒有其它信息，讓你判斷可能是什么病，按時計費。

做了沒幾天，我就發(fā)現這事不太對，最大的問題是沒有標準。一堆醫(yī)生做同樣的題，有的人會把診斷寫得很詳細，有的人惜字如金；有的人是照著最新版的ICD來，有的人用的是最通俗的疾病名稱。

結果就是做完題后，要花很多時間在內部做對齊，但對齊這部分工作是不計入統(tǒng)計的，所以經常是花2-3個小時，只拿一個小時的工資。

我干了兩個禮拜，感覺管理上沒什么起色，就找了個理由跑路了。

到去年8月份的時候，對方又找上我，說他們內部換了負責人，把流程都理順了，讓我再回去試試看。

這次確實要正規(guī)一些，上崗之前要做培訓，會把做題的和審核的人拉到一塊，說是“統(tǒng)一診療思路”。

效率是提升了不少，但更大的問題出現了——診斷趨同化。

原本就只有一張圖片，沒有其他輔助信息，按照常規(guī)的臨床思路，為了不出現遺漏，我應該盡量給出最全面的診斷意見，甚至包括一些罕見病的可能。

但培訓的時候，相關負責人特意強調了，“不要去做一些發(fā)生率很低的疾病診斷”。

我猜測，背后的原因可能是，一旦涉及罕見病，和大部分醫(yī)生的診斷不一致，又得花時間論證，甚至是被打回來返工，所以不如在源頭就掐滅。

坦白講，這已經偏離了我的初衷。我相信，模型廠商找我們這些三甲醫(yī)院的高年資醫(yī)生，一定是希望借助我們的臨床經驗去提升產品能力。如果我們做出的診斷全是常見病，那又怎么體現自己的價值呢？

但我也理解第三方公司的立場，在商言商，誰都想用最少的精力賺最多的錢。只是醫(yī)療，可能還真不習慣這套。

最終，我沒有接受邀約。

它留給我一個長久的困惑是——在最基礎的知識以外，AI到底要學什么，才能更好地理解我們所身處的這個復雜又精密的醫(yī)學世界。

（為保護受訪者隱私，文中所用均為化名）