一名垂体瘤患者用AI整理病程：改变的不是诊断，而是就医协作

一个长期疲劳的人，最难受的地方往往不是“累”。

而是说不清。今天头晕，明天脑雾，后天恶心；上午像电池被拔掉，下午又好一点。到了门诊，十几分钟里很难把几个月的身体变化讲成一条线。

这名垂体泌乳素瘤患者的经历，就卡在这里。她在Substack文章中写到，自己经历过两次脑手术，之后用药物控制肿瘤。但新的问题来了：反复疲劳、脑雾、头晕、恶心，有时突然严重到不能开车、不能出门。

她后来把ChatGPT、Claude等大模型拉进来，做的不是让AI“看病”。而是记录症状、整理检查、分析线索，再把更清楚的问题带给医生。她称，经过这一套流程后，状态已连续一个月稳定改善。

我更在意的不是这个个案本身有多神奇，而是它暴露了一个现实缺口：很多长期症状患者缺的不是一次“神医判断”，而是一套能把混乱病程持续整理下去的工具。

AI介入前，问题卡在“症状太散”

作者的基础病史很明确：垂体泌乳素瘤，两次脑手术，随后药物控制肿瘤生长。按常规理解，肿瘤被控制应该是好消息。

反常点在于，新症状开始出现。

疲劳、脑雾、头晕、恶心，这些症状单独看都不够“特异”。它们可能和内分泌有关，也可能和神经、营养、睡眠、血压、药物反应、月经周期或生活方式有关。

这类问题对普通门诊很不友好。

医生不是不想管，而是上下文太碎。病人讲不完，医生问不细，化验单、用药记录、症状波动和生活变量很难在一次就诊里合到一起。

所以这件事的关键，不是AI比医生更懂垂体病。作者也承认，顶级神经内分泌专家给她的20分钟反馈，胜过她和模型反复对话几十小时。

AI真正超过的，是许多普通初级保健就诊体验：它有时间，能反复追问，能吃下长上下文，也能把病人几周、几个月的数据放在一起看。

对长期不明原因症状患者，这就是现实增量。不是拿AI替代医生，而是在看医生前，把“我最近总是不舒服”整理成“这些症状在这些时间、这些条件下更明显”。

四步流程：把身体感受变成可讨论的数据

作者使用的方法不复杂。原文把它概括为四步：Tracking、Testing、Analyzing、Experimenting。

翻成中文，就是记录、检测、分析、试验。

这张表里最重要的是第一步。

长期症状最容易输在记忆上。人会忘，会美化，会把最近两天的感受当成整体趋势。AI不能替你感受身体，但能逼你把感受留下来。

留下来以后，医生才更容易判断：这是持续恶化，还是周期性波动；是饭后出现，还是服药后出现；是睡眠不足后的连锁反应，还是某个指标变化后的结果。

对关注AI医疗辅助的科技读者，这里也有一个产品判断：AI健康助手的价值，不只在“回答医学问题”。更大的价值在于把分散数据合成病程叙事。

上一代健康App经常各管一块。手环记录睡眠和心率，饮食App记录摄入，检测平台给一堆指标，电子病历门户存检查结果。但病人真正需要的是一条能带进诊室的线索。

大模型的优势就在这里：长期数据、充足上下文、随时可用、耐心追问。它不是天然更聪明，而是更适合做这类慢活。

对谁有用，边界也要写清楚

最直接受影响的有两类人。

一类是长期疲劳、头晕、疼痛、胃肠不适、脑雾等原因不明的患者。他们可以做的动作很具体：先用AI设计一张症状日志，连续记录几周；再让AI整理出就诊摘要、关键时间线和想问医生的问题。

另一类是有慢病或复杂病史、每次复诊都要从头解释的人。他们更适合让AI维护一份“动态病程档案”：诊断、手术、用药、检查结果、症状变化、已尝试干预。下次就诊时，不再靠临场回忆。

但这条路不是低成本、零风险。

作者提到，高能力推理模型通常需要付费订阅，约每月20美元；她还使用Function Health做一年365美元、覆盖100多个生物标志物的检测。这个组合对一些人可行，对另一些人就是门槛。

隐私问题也不能轻轻放过。ChatGPT、Claude可以设置不用于训练，但默认并不是HIPAA合规医疗服务。上传病历、化验单、用药信息，本质上是在便利、隐私和收益之间做个人权衡。

更重要的是，AI不能成为绕开医生的理由。

不要让模型指导你自行停药、加药、换药。不要因为它生成了一个看似完整的解释，就跳过专业医生确认。尤其是内分泌、神经、心血管、肿瘤相关问题，错一步的代价并不低。

接下来真正该看的，不是谁又发了“AI救了我”的故事，而是三个更硬的变量：

如果这三点走不通，AI健康助手很可能只属于少数高知、高付费、执行力强的人。它会是个人技巧，不会变成普遍能力。

如果这三点能走通，它带来的改变也不会是“人人有个AI医生”。更可能是：病人带着更清楚的病程走进诊室，医生少花时间猜上下文，多花时间做判断。

回到开头那个问题。长期疲劳最难的，不只是身体没力气，而是病程没有形状。AI在这个案例里的价值，就是先把形状描出来。