Google AI 皮肤病识别：受控试验中准确率从8%跃升至23%

超过一半的成年人会上网查询健康信息，其中每三人中就有一人开始使用 AI 聊天机器人。问题不在于信息的可及性，而在于对所获信息的理解和正确解读。2026年6月12日，Google 研究团队发布了两项互补研究的成果，探讨视觉 AI 皮肤病识别工具能否弥合这一差距。

AI 真的能帮助患者了解自己的皮肤问题吗？

受控试验的答案是：能，但有重要的限制条件。

纳入2,345名参与者的随机对照研究

这项发表于 JAMA Dermatology 的定量研究共纳入 2,345 名参与者，分为三组。对照组使用常规网络搜索；AI 组获得一个原型界面的访问权限，该界面会生成 3至7项按可能性排序的病症预测，并附有医学文献照片和症状描述；第三组（即「绿野仙踪」组）获得相同的输出结果，但背后由皮肤科医生进行验证。

结果十分明确：AI 组在病症命名上的准确率达到 23%，对照组仅为 8%——作者将这一差距描述为「近三倍的提升」。绿野仙踪组达到了 36%，说明 AI 当前能力之上仍有进步空间。AI 工具的用户自信心也更强——62% 的用户愿意尝试为病症命名，而对照组这一比例仅为 41%。

然而，一项发现随即为这份乐观蒙上阴影：在判断正确的就医步骤方面（是否需要立即就医、能否稍等、居家护理是否足够），AI 组相较对照组并未呈现显著改善。研究人员指出，AI 用户甚至在某些情况下对就医紧迫性有所低估。「接下来该怎么做」依然是一个悬而未决的问题。

真实社区中的定性研究

同期，一项平行研究在 ACM CHI 2026 大会上发布，追踪了 110名代表性不足社区的参与者——研究与斯坦福 HEA3RT 实验室及圣克拉拉家庭健康计划合作开展。应用程序支持四种语言，参与者将其用于真实的、正在发生的皮肤问题。

临床评估者证实了该工具的临床价值：在已验证的病例中，86% 的临床医生认为 AI 预测结果与自身判断相符。更引人注目的是，92% 的临床医生表示该应用程序将对其临床实践有所助益。视觉匹配功能——即让用户看到相似病症的照片——被证明是推动工具采用的关键因素，在健康素养较低的人群中尤为突出。

支撑本研究的数据集是 SCIN（皮肤病图像网络），Google 在收集时着重考虑了人群多样性，涵盖不同肤色的样本，从而弥补了 AI 医疗工具历史上主要以较浅肤色数据训练的已知缺陷。

实际应用意义

Google 所描述的这一工具并非用于诊断——研究人员对此有明确说明。其目标是为用户提供教育支持：给予用户词汇、视觉参照和症状理解，帮助其与医生展开更有质量的对话，或就是否需要就诊作出知情判断。

在此背景下，识别准确率从 8%跃升至23% 并非小事。对于不熟悉医学术语的普通用户而言，能够大致了解可能的病症，将显著改变其与医生对话的起点。

但悬而未决的问题依然严峻。一款能准确告知用户「很可能是接触性皮炎」，却无法给出明确下一步指引——是否需要紧急就医、是否可以等待、或去药店购药即可——的工具，尚未完整地发挥其应有的作用。研究人员已充分认识到这一点，并将结合症状严重程度提供个性化就医指引，列为后续迭代的核心优先任务。

两项研究共同为视觉 AI 工具在初级医疗健康领域奠定了坚实的实证基础，并附有清晰的待解问题路线图。