去大医院看病，体验真的不好。
挂号要排队，看病也要排队。好不容易轮到你了，诊室里挤满了人。你跟医生没说两三句，他就得开单子让你去做检查了。整个过程很匆忙，你总觉得话没说完，问题也没问清楚。
这不是医生的错。病人太多，尤其是那些专家号，一个上午要看几十个。每个病人身上只有几分钟时间。他们必须快速抓住重点，做出判断。但问题是，很多病人自己也说不清重点。
现在，有个叫 PreA 的AI聊天机器人，就是来解决这个问题的。
它是一个“预问诊”工具。在你见到专科医生本人之前，可以先和它沟通。
这是它的工作原理：
第一步，你打开这个工具，开始和 PreA 聊天。
第二步，它会像一个很有耐心的医生，详细问你的情况。比如“哪里不舒服？”“这种情况多久了？”“有没有做过什么检查？”。它会引导你，把病情完整地说出来。
第三步，PreA 会把你说的信息，自动生成一份摘要报告。这份报告条理清晰，重点突出。
第四步，你拿着这份报告去见专科医生。
这样可以帮你和医生都节省时间。
研究数据也证明了这一点。这个研究是在中国西部两家三甲医院做的，找了2069个病人。他们发现，用了 PreA 的病人，平均看病时间从4.41分钟，减少到了3.14分钟。
你可能觉得，就省了一分多钟，没什么大不了的。
但是，你要站在医生的角度想。一个上午看50个病人，每个病人省一分多钟，加起来就是将近一个小时。医生能用这些时间，更仔细地研究复杂的病例，或者和病人多一些交流。而且，医生拿到 PreA 生成的报告后，对病情的掌握程度大大提升。数据显示，医生认为报告的帮助程度，直接提高了113.1%。
这意味着医生不用再费力地从病人零散的描述中找线索了。他一看报告，就知道个大概，可以直接问关键问题。病人自己也觉得沟通更顺畅了，满意度也高了。
为什么 PreA 如此有效？
这东西之所以好用，关键在于一个词：共同设计（co-design）。
很多技术产品，都是工程师在办公室里想出来的。他们觉得用户需要这个，需要那个。但实际情况可能完全不一样。
PreA 的团队没有这么做。他们从一开始，就把真正的使用者——也就是患者、社区的健康工作者、一线医生——都请了进来。大家坐在一起，共同设计这个产品。
比如，一个患者可能会说：“你这个AI问的问题太专业了，我听不懂。” 团队就要把它改得更口语化。
一个医生可能会说：“这个报告的格式不行，我希望先把主要症状放最前面。” 团队就要调整报告的结构。
正是因为有了这些真实用户的不断反馈，PreA 才不是一个冷冰冰的程序。它知道临床上真正需要什么，也知道怎么和患者说话，才能让他们感觉舒服。
而且，研究还发现一个有意思的事。他们把病人分成两组，一组是自己独立用 PreA，另一组旁边有工作人员指导。结果发现，两组的效果几乎没差别。这说明 PreA 的设计足够简单易懂，普通人自己就能上手。这在医疗资源不足的地方，意义很大。
P&P Care 聊天机器人——在社区，教你和 AI 一起管理健康
另一项研究，关注的是更基础的初级护理。
很多慢性病，比如高血压、糖尿病，主要是在社区卫生服务中心管理。但社区医生同样很忙，而且很多居民，特别是中老年人，健康知识并不全面。
于是，另一个叫 P&P Care 的AI聊天机器人诞生了。
它和 PreA 的目标不太一样。它不只是帮你“看病”，它还想“教”你。
这是它的工作原理：
第一步，在使用聊天机器人之前，你要先完成一个简短的在线学习（e-learning）模块。这个模块会教你一些基础的健康知识，还会告诉你怎么和AI有效沟通。
第二步，学完之后，你再开始和 P&P Care 聊天机器人咨询你的健康问题。
这个设计多了一个步骤，但效果很明显。
研究人员在中国11个省份的社区里做了试验，找了2113个人。
结果发现，那些先学习再咨询的人，他们的健康意识得分，比直接咨询的人高了26%。也就是说，他们对自己身体状况的了解更清晰，也更知道该怎么管理自己的健康。
而且，这个方法对中老年人，还有那些同时有好几种慢性病的患者，帮助尤其大。
很多人担心，老年人学不会用这些新东西。但这个研究恰恰说明，只要用对方法，AI不仅不会成为障碍，反而能帮助他们。那个小小的在线学习模块，就像一个“说明书”，有效地降低了使用门槛。
P&P Care 的成功，同样离不开“共同设计”。
开发团队深入到各个城乡社区，去听取居民的真实想法。
比如，有农村的居民反映，他们那里网络信号不好。于是，团队就为 P&P Care 增加了离线功能。
还有人说，自己不识字，打字也很慢。于是，团队就加入了方便的语音输入功能。
这些细节，都是坐在办公室里凭空想象不出来的。只有真正和用户在一起，才能做出他们真正需要、也真正会去用的产品。
关键点：和用户一起设计，而不是替用户设计
这两个研究，说的是两个不同的AI工具。但是，它们指向了同一个核心思想。
那就是，开发医疗AI，不能只靠技术人员和数据。必须让最终使用它的人，从头到尾都参与进来。
如果只是拿医院里现成的数据去训练一个模型，那么这个模型很可能会学到现有流程里的一些坏习惯。比如，医生因为忙，问诊时可能会走捷径。AI学到了，就会重复这个错误。
但“共同设计”不一样。它是一个主动修正的过程。它让技术去适应人，而不是强迫人去适应技术。
而且，AI的目标不是要取代医生。
它的真正价值，是把医生从那些重复、机械的工作中解放出来。
想一想，一个医生每天要问几十遍“哪里不舒服？”“多久了？”。这些工作完全可以交给AI来做，而且AI可以做得更标准、更全面。
这样一来，医生就可以把他们宝贵的专业知识和经验，用在更关键的地方。比如分析复杂的病情，制定个性化的治疗方案，以及和患者进行有温度的沟通。
医疗不应该只有效率。它还需要关怀和信任。
PreA 和 P&P Care 这两个工具，让我们看到了一个方向。AI可以帮助医疗系统变得更高效，同时也能让患者感觉到自己被认真对待了。
这不再是遥远的想象。这是已经在中国真实发生，并且被严格的科学试验证明了的事情。当技术真正开始关心人的时候，它才能发挥出最大的作用。
