Google Research 发布 SymptomAI：会话式症状评估智能体的全国规模研究

用途与设计

Google Research 于 2026 年 7 月 22 日介绍了一项名为 SymptomAI 的探索性研究，目标是验证会话式 AI 能否进行端到端症状问诊与鉴别诊断（DDx）。参与者与五个随机分配的 SymptomAI 智能体之一对话，每个智能体在问诊策略上灵活度不同；对话以候选诊断列表和后续建议结束。两周后，参与者通过问卷反馈其就诊后实际获得的诊断。研究规模为 n=13,917，参与者均为知情同意者。

主要结果

• 在临床专家标注研究中，三名执业医师分别审阅对话记录并给出自己的 DDx，随后在盲评条件下对 SymptomAI 的 DDx 与其他医师的 DDx 排序。结果表明，专家在超过 50% 的案例中更偏好 SymptomAI 生成的 DDx，且其被列为“最佳 DDx”的比例为 53.3%。
• 以 top-5 准确率（真实诊断是否出现在五个候选诊断中）衡量，临床医生认为 SymptomAI 的 DDx 比真实临床医生给出的 DDx 更常包含正确诊断。
• 五种提示策略中，所有主动追问的智能体方案（Dynamic Live、Dynamic Final、Fixed Canonical、Flexible Canonical）均显著优于仅由用户驱动的无提示基线（Base），说明主动收集病史信息能提升鉴别诊断准确率。
• SymptomAI 相对临床基线的优势在临床医生对自身 DDx 信心最低的病例中最大。
• 研究还收集了参与者此前最多 30 天的 Fitbit 每日生物信号，发现被 SymptomAI 判断为呼吸道感染的参与者，其症状报告前数日的生理指标（心血管、呼吸、皮肤温度和睡眠等）出现与症状发作一致的偏移，作为观察性生理证据。

限制与待核实事项

研究明确将 SymptomAI 定位为探索性研究工作，所有诊断、标签和疾病关联均为研究分析用途，不构成临床确诊或正式医疗评估。

• 鉴别诊断本身存在模糊性，且真实诊断可能随时间变化；症状评估仅反映特定时刻的快照，报告频率和时机未受控制。
• 临床医生评估时仅审阅静态聊天记录，不能主动追问，可能遗漏身体语言、视觉评估、病历或既有医患关系等信息。
• 该结果尚未经过同行评审的独立验证，实际应用效果与安全性需要进一步核实。