以人为本的AI：医疗与设计领域的真实落地实践

在微软研究院（MSR）举办的一场"以人为本的AI"研讨会上，来自MSR、IIT孟买、阿育王大学、IIIT德里等机构的多位研究者，分享了AI在设计、人机交互（HCI）与医疗健康领域的真实落地案例。与主流关于"通用人工智能"的宏大叙事不同，这场分享聚焦一个务实的核心命题：在资源匮乏、专家稀缺、数据碎片化的现实环境中，AI究竟能否真正为普通人创造价值？

本文梳理这场分享中最具启发性的几个项目，并试图回答一个贯穿始终的问题——技术的价值究竟来自算力，还是来自人的意图。

低成本诊断：把两万美元的设备变成二十美元

MSR首席研究员Mohit Jain以HCI研究者的身份切入医疗，展示了一系列"把智能手机变成医疗设备"的项目。其中最具代表性的是SmartKC——一个基于智能手机的角膜地形图仪。

在印度，圆锥角膜（keratoconus）是青少年致盲的首要原因。圆锥角膜影响全球约1/2000的人口，但在南亚和中东地区发病率显著更高，部分研究显示印度患病率可达1/450，其致病机制涉及遗传易感性与环境因素（如频繁揉眼）的交互作用。圆锥角膜是一种角膜进行性变薄并向前突出呈锥形的眼部疾病，多发于青少年和年轻成人，若未及时诊断干预，最终可导致严重视力损害甚至失明。

传统诊断依赖角膜地形图仪——其核心光学原理来自Placido盘技术，由葡萄牙眼科医生António Plácido于1880年代发明，距今已逾140年仍是临床黄金标准。仪器投射出一系列同心环光圈到角膜表面，通过分析反射环形图案的畸变程度来重建角膜三维曲率地图。健康角膜的反射环规则均匀，而圆锥角膜因局部变薄突出，会在反射图中产生特征性的"泪滴状"畸变。高端设备还结合Scheimpflug摄像技术，以倾斜角度拍摄眼前节，实现角膜前后表面的立体成像。这类设备造价高达2万美元，且需要训练有素的眼科技师操作，在印度、非洲、东南亚等低收入地区几乎无法普及。

Jain团队的突破在于将Placido盘图案通过3D打印固定在智能手机摄像头前，利用手机摄像头采集角膜反射图像，再经计算机视觉算法重建角膜曲率图。SmartKC的核心创新在于用3D打印附件复现Placido盘的几何结构，借助智能手机摄像头代替精密光学传感器，再以计算机视觉算法完成曲率重建——本质上是用算法智能替代光学精度，以软件成本换取硬件成本的大幅压缩。这种"将现有设备传感器重新用途化"（sensor repurposing）的思路，将设备成本压缩到20美元，并与班加罗尔的Sankara Nethralaya医院合作验证，获得了很高的敏感性与特异性。

更值得关注的是其开源策略。由于微软并不从事医疗设备制造，团队将硬件、软件、源码全部以MIT协议开源。MIT许可证是软件开源领域最宽松的许可证之一，允许任何人以任何目的使用、复制、修改和分发，甚至用于商业产品，唯一要求是保留版权声明。将其应用于医疗硬件与软件的组合开源，意味着任何医院、高校、创业公司均可在不支付授权费的前提下直接商业化——这与医疗AI领域常见的"学术开源、商业授权"双轨模式截然不同。结果出人意料——从斯坦福到巴基斯坦、摩洛哥、孟加拉、法国的高校与医生纷纷来信。最终，班加罗尔本地企业Remedio将原型转化为正式医疗器械"InstaKC"并正式发布。虽然附带iPhone后最终售价约2000美元，但相比原本的2万美元，仍实现了近10倍的成本下降。

这个案例揭示了一条被忽视的路径：在医疗AI领域，开源+本地产业化，可能比闭源商业化更能实现规模化落地。 开源不是放弃商业价值，而是选择了一条更具社会效益的价值分配路径——在需求最迫切的地区，往往缺乏购买力，但具备本地制造与改良能力，开源恰恰能激活这种本地能动性。

专家在环的健康聊天机器人：让每个答案都经医生验证

Jain分享的第二个方向是"专家在环"（expert-in-the-loop）聊天机器人。印度每一万人仅有约7名医生，医生没有时间反复回答患者的相似问题——比如"术后什么时候可以洗头"或"什么时候能吃某类食物"。

大语言模型看似是现成答案，但OpenAI和Anthropic的使用政策都明确指出：健康、法律、金融等关键领域不应直接依赖LLM。为此，团队构建了"Build Your Own Expert Bot"开源框架，其技术核心是检索增强生成（Retrieval-Augmented Generation，RAG）架构。

RAG由Meta AI研究院于2020年提出，最初用于开放域问答任务。在医疗场景中，RAG的核心优势在于将知识的存储与推理分离：知识库可由领域专家持续维护，而无需重新训练模型。这使得知识更新成本从数百万美元的模型重训降低到知识库编辑操作，同时为每条回答提供可溯源的文献依据——这对医疗监管合规和临床责任归属都至关重要。RAG的技术栈通常包含三个核心组件：首先是嵌入模型（Embedding Model），将文本片段转化为高维向量表示，语义相近的文本在向量空间中距离更近；其次是向量数据库（如Pinecone、Weaviate、FAISS），专门用于存储和高速检索这些向量，通过近似最近邻（ANN）算法在毫秒级完成语义相似度匹配；最后是大语言模型，以检索到的原始文档片段作为"参考资料"（context），在其约束下生成回答。与纯粹依赖模型参数记忆的方式相比，RAG的知识来源可追溯、可更新、可审计——知识库中每条内容都有明确的医生来源，模型无法"发明"知识库之外的答案。当问题超出知识库覆盖范围时，系统明确返回"不知道"而非捏造答案——这种"可解释的无知"（explainable ignorance）比虚假的自信更适合高风险决策场景。该框架已在多个场景部署：白内障手术患者、社区卫生工作者（Asha Bot）、头颈癌患者（OncoBot）、糖尿病视网膜病变等。

系统的核心设计亮点在于工作流：

• 全部运行在WhatsApp上，无需安装任何应用，支持多语言、多模态（患者可用印地语语音提问）；
• 答案基于医生策划的知识库生成，再经RAG交由LLM润色；若知识库缺失，则直接回答"我不知道"并转交医生；
• 医生只需反馈、无需手动改写：当机器人回答"术后三天可洗头"而医生认为应为"两周"时，医生只需修改数值，系统自动写入知识库，形成人机协同的持续学习闭环；
• 预验证机制降低负担：某答案被医生验证三次以上后可直接返回，医生平均响应延迟约1小时40分钟，通常利用咖啡或午餐时间完成。

面对"医疗场景怎能只有一个标准答案"的质疑，Jain坦诚回应：在肿瘤科，医生坚持每个答案都需验证；但在白内障等标准化场景，这些本就是医院会以宣传册形式发放的FAQ，只是"没人读那些册子"。AI在这里的价值不是替代医生判断，而是把标准化信息更有效地送达患者。

医疗问诊：让AI学会像医生一样逐步追问

Jain的第三个项目直面一个被夸大的说法："LLM在USMLE等医考中已超过医生"。美国执医资格考试（USMLE）分为Step 1（基础医学科学）、Step 2 CK（临床知识）和Step 3（临床管理）三个阶段，是全球医学教育评估体系中最具影响力的标准化考试之一。2023年，GPT-4在三个阶段均达到60分以上的及格线，部分研究报告其得分接近平均医学生水平，引发"AI是否已具备临床能力"的广泛讨论。然而，"生态效度"（ecological validity）概念揭示了这类评估的根本局限：考题会一次性给出患者的全部信息，而真实问诊中医生面对的是一个焦虑的真实患者，信息获取依赖逐步追问、体格检查和动态观察，伴随信息缺失、患者遗漏、叙述矛盾等复杂性。通过静态知识考试，并不等同于具备动态临床推理能力——医生只能通过一次次追问、逐步获取碎片化信息，面对患者的情绪、叙述偏差、遗漏信息等复杂因素，动态缩小鉴别诊断范围。

为此，团队构建了包含约4400个病例、覆盖20个专科的数据集MedIQ-Bench，将AI评估从静态知识测试迈向动态临床能力评估，并设计了多智能体编排框架：患者智能体与提问智能体对话，摘要智能体压缩对话历史（避免长对话导致LLM"注意力稀释"，还原信息密度），再经过多层诊断——普通LLM、知识图谱检索（提供可解释的符号推理路径）、10个专科医生集成，以及一个"证据缺口"智能体（用于判断在若干候选诊断间还缺什么关键证据）。

这套框架体现了神经-符号混合架构（Neuro-Symbolic AI）的设计思想：纯神经网络方法（如大语言模型）擅长处理自然语言、捕捉语义模糊性，但推理过程不透明、易产生幻觉；纯符号系统（如知识图谱、规则引擎）推理路径可追溯、可审计，但难以处理非结构化输入。神经-符号混合架构的学术根源可追溯至1980至90年代的专家系统时代，当时基于规则的医疗诊断系统（如MYCIN、INTERNIST-1）在特定领域展现出超越人类的诊断准确率，但因无法处理模糊输入和知识获取瓶颈而未能规模化。现代神经-符号方法试图综合两个时代的优势：用深度学习处理非结构化的自然语言输入，用符号推理提供可审计的决策路径。在MedIQ-Bench的多智能体框架中，知识图谱检索层为诊断决策提供了可解释的符号推理路径——医生可以看到"系统判断该疾病的依据来自哪些关联节点"，而非仅仅接受黑盒输出。这种神经-符号混合架构在医疗AI中正获得越来越多关注，因为监管机构和临床医生都需要能够审计AI建议的理由链条。

实验中的几个关键发现值得关注：

• 前置提供人口学信息（年龄、性别）能提升准确率；
• 让智能体知道"还剩几轮提问"也能改善表现；
• 摘要智能体带来了约5%的显著提升——因为LLM本就擅长处理摘要形式的输入。

最终系统达到57%准确率，而拥有全部前置信息的"Oracle"上限为66%，仍有约9%的差距。值得强调的是，团队明确表示部署阶段不会向医生或患者展示诊断结果，以避免偏见，仅用于验证"能否用最少的问题（平均7个）收集到最有价值的患者信息"。这体现了一种审慎的伦理立场：AI辅助而非替代，且不削弱医生的自主判断权。

设计视角的冷静反思：AI能让熊跳舞，但跳得好吗？

IIT孟买IDC设计学院的Aniruddha Joshi教授带来了截然不同的"新兴用户"（emergent users）视角。他的研究面向印度那些非英语识字、勉强识字甚至不识字的人群——为他们设计印度语言输入法（Swarachakra键盘，支持12种语言）、基于颜色和图标的可视化电话簿、面向文盲的"人脸密码"等。

"新兴用户"这一概念在HCI研究中有特定内涵：它不仅指技术使用的初学者，更指那些因语言、识字率、基础设施限制而长期处于主流技术设计盲区的群体。全球约有7.7亿成年文盲，其中约三分之二集中在南亚和撒哈拉以南非洲——这恰恰是智能手机渗透率增长最快的地区。为这些用户设计，意味着不能依赖任何文字提示、不能假设用户会使用英语，甚至不能假设用户熟悉文件夹这类隐喻。Swarachakra键盘通过将辅音与元音结合的方式重新组织印度语言的音节结构，大幅降低按键次数，这一设计已被证明能将初学者的打字速度提升约50%。

Joshi对当下AI叙事提出了尖锐而克制的反思。对于"AI会取代艺术/工作"，他的回答出人意料——都是"不"。他引用漫画家Scott McCloud与"跳舞的熊"的比喻：我们如今还在"努力让熊跳舞"的阶段，一旦熊真的跳起来，我们才会开始担心它跳得好不好。

他的核心论点是价值来自人的努力："如果一个人学会做某件事，几乎总会增加价值；但如果AI学会了做某件事，价值反而会流失。"他以Facebook自动生日提醒消解了朋友间记住彼此生日的珍贵为例——当努力消失，价值也随之消失。 这一观点与技术乐观派形成鲜明对照，但并非否定AI，而是提醒设计者：AI的意义在于服务那些仍被主流技术遗忘的人群。

参与式AI：更多参与，更少"AI"

IIT德里的Aditeshwar Seth教授分享的CoRE Stack项目，展示了AI在气候适应与农村社区赋能中的另一种形态。这套系统整合卫星数据的土地覆盖分类、水文建模、知识图谱诊断等约40种级联算法，为1400多个村庄生成"村庄发展计划"，并对接NREGA等政府资金项目。

但最打动人的不是技术本身，而是使用方式。参与式设计（Participatory Design，PD）起源于1960至70年代的斯堪的纳维亚工作场所民主运动，最初由瑞典DEMOS项目和丹麦DUE项目的工会与计算机科学家合作发展，其核心伦理主张是：那些最终使用技术的人，有权深度参与其设计过程，而非仅仅作为需求调研的"被研究对象"。这一理念在1990年代随着互联网和个人计算机的普及进入主流HCI研究，演化出"以用户为中心设计"（UCD）和更激进的"协同设计"（co-design）等分支。在全球南方的语境下，PD面临识字率、数字鸿沟、权力不对等的额外挑战，CoRE Stack项目用打印地图代替屏幕的做法，正是对这一传统的本土化创新。项目坚持在参与式工作坊中使用这些工具——农业、林业部门代表、本地NGO、社区代表围坐一起，用打印出的数据图层共同规划。

打印出的地图图层充当了技术专家与文化程度各异的社区成员之间的"边界对象"（boundary object）——社会学家Susan Leigh Star于1989年提出的这一概念，指能被不同社会群体各自赋予意义、但又足够稳定以维持群体间共同身份的人工制品。地图作为一种跨越识字率障碍的通用视觉语言，将数字世界的分析结果转化为社区集体认知的媒介，使平等对话成为可能。工具还被用来将村庄内部因种姓、地形造成的不平等"可视化"——社区本就知道不平等存在，但一旦数据呈现在地图上，就为原本无法言说的不平等提供了客观的外部参照，赋予边缘群体以话语权，进而推动更公平的资源分配。

项目的点睛之笔来自博士生Anuradha Ganpati的总结："更多参与，更少AI"——部署AI不是为了强制决策、剥夺社区能动性，而是为了创造更多参与空间；"更少AI"，指的是要少一些"用AI自动化一切"的惯性思维。

共识：技术只能放大人的意图

综合多个机构的分享，几条高度一致的共识浮现出来：

• 评估标准不足：阿育王大学的Ashish Makani、IIIT德里的Tavpritesh Sethi都强调，AUROC或考试通过率远不足以支撑临床使用，尤其在纵向患者轨迹上，LLM"能通过USMLE却不懂如何治疗"；
• 数据、知识、政策三重鸿沟：多位讲者不约而同地提到LMIC（中低收入国家）环境下数据稀缺、碎片化、专家匮乏的现实。BITS海得拉巴的Manik Gupta提出"分布式智能栈"，通过弱监督标注（利用规则、启发式或现有标签间接生成训练信号，绕过昂贵的专家标注）、联邦学习来应对这一挑战。联邦学习由Google于2016年提出，最初用于手机键盘输入预测，其核心思想是"让模型去找数据，而非让数据集中到模型"——各参与方在本地训练模型，仅将梯度更新或模型参数差异上传聚合服务器，原始患者数据始终不离开本地，有效规避GDPR等隐私合规风险。在医疗场景中，联邦学习面临统计异质性挑战：不同医院的患者群体、诊断标准、设备型号存在系统性差异，导致各方本地模型的参数分布截然不同，简单平均聚合可能使全局模型对所有参与方都表现欠佳。Quorum FL进一步引入法定人数机制：只有当足够多的诚实节点对某次聚合达成共识时，更新才被接受，类似区块链中的拜占庭容错思想，抵御恶意参与方的模型投毒攻击。此外，结构化临床RAG（CLI-RAG）也被用来应对标签稀缺与数据孤岛问题；
• 人在环路不可或缺：从医生验证聊天机器人答案，到医疗多智能体不向患者暴露诊断，再到心电图标注引入心脏科医生做主动学习，"human-in-the-loop"是贯穿所有项目的红线。

Ashish Makani借用MSR研究者的话作结，或许是对整场分享最好的注脚："医疗健康教会你一个残酷的道理——技术只能放大人的意图。如果缺失人的意图，再好的AI也无法产生它应有的效果。"

在通用人工智能的喧嚣中，这场分享提供了一种难得的清醒：真正以人为本的AI，不在于模型有多强，而在于它是否被送到了最需要的人手中，是否放大了而非取代了人的善意与判断。