医学院第一年，戴安娜·塞哈斯发现颈部出现肿块。她在学生医疗中心就诊时被告知可能是良性，但肿块持续增大。当她在住院医师36小时轮班后因剧痛无法入睡，医生终于安排CT扫描。医院系统显示她颈部存在恶性肿瘤。就在她学习如何正确诊断他人时，自己却未能获得准确诊断。
塞哈斯成为亚历山德拉·西弗林在新书《 elusive body：患者、医生与诊断危机》中描述的"多种诊断错误——错误诊断与延迟诊断"的受害者。这类错误异常普遍：约5%的美国人（1300万人）每年遭遇诊断错误；2023年研究显示，每年超76万美国人因误诊致残或死亡。
正如西弗林所言，诊断是"个人能获取的最重要医疗信息"。医疗系统未能严肃调查涵盖广泛失误的诊断错误，令人费解且沮丧。
2015年，美国国家科学、工程与医学院里程碑报告指出：多数人一生至少经历一次错误诊断。该报告本应推动改革，如同1999年开创性医误分析促使医疗机构减少手术失误。但十余年后变革寥寥，西弗林指出：美国尚无主要医疗系统系统追踪诊断错误。当患者安全研究员哈迪普·辛格尝试建立全国诊断错误监测项目时，仅获九家医院响应。
人们或认为人工智能凭借强大算力能解决此问题，但若不彻底重构医患互动模式，技术难当此任。《 elusive body》揭示：误诊并非系统偶发故障，而是医学科学一个半世纪演进产生的多重内在缺陷——这些缺陷以惊人方式成为现代医学的副产品。
首要缺陷在于系统对指标与检测的偏执，以及要求患者身体表现趋同的期望。19世纪病菌理论将疾病定义为引发特定症状与抗体的具体实体，X光等新技术使医生得以识别它们。这虽是重大进步并催生循证医学，却将检测推至诊断核心。结果，医生更关注检测结果而非患者主诉。
此问题因系统缺乏自省机制而加剧，"无所不知"的神医神话根深蒂固。西弗林记录显示：医学院未教导医生认知自身错误倾向，半数以上缺乏针对医生高频认知失误的课程。2020年辛格参与的调查显示，"临床医生讨论诊断问题的舒适度显著低于其他医疗错误"——承认此类失误直击医生自我认知核心（在诉讼文化中更易招致法律风险）。缺乏反馈循环（患者极少返回告知"你错了"），医生在难以直面自身错误的系统中运作。
此外，西弗林指出：医生被医院系统与利润导向的保险公司压垮——15分钟问诊、拒赔保险索赔、侵蚀医患时间的官僚主义。夹缝中的医生在必然导致失误的条件下做关键决策。约翰霍普金斯大学研究发现，该校医学生第一年实习生仅13%时间在患者病房。
曾经诊断关键的体格检查正日渐式微，医生几乎立即转向开检测单。但2011年研究提示：至少80%诊断可通过基础临床技能完成。西弗林记录约翰霍普金斯床边医学项目案例：面对心脏病退休患者，实习生欲开验血、心电图和超声心动图；其导师示范仅通过仔细体格检查（查脉搏、听诊）和病史回顾，即可当场以99%确定性确诊，避免检测延误诊断路径。
公众受20世纪专家崇拜影响（及《豪斯医生》等医疗剧熏陶），常认为诊断难题围绕罕见病展开——本应期待马却出现斑马。但西弗林揭示：日常疾病中的问题可能更严峻，因其影响更广泛。更大危机在于塞哈斯这类患者：可治疗的问题因无人倾听而被忽略。西弗林指出："65%至80%的诊断错误源于医患临床互动中的断裂。"
除这些非强制性错误外，真实存在的"斑马"（罕见病）比医生愿承认的更多。医生最大失误或非自认全知，而是表现得仿佛万事皆知。如今数百万人罹患肌痛性脑脊髓炎/慢性疲劳综合征、自身免疫病、长新冠等 poorly understood 慢性病——它们难以归入现有分类，早期检测亦难显现。西弗林引用人类学家阿比盖尔·杜姆斯观点：循证医学兴起意外导致这些疾病被排除在"医疗可识别范畴"之外。
换言之，医学学会窥探人体内部的同时，也学会忽视那些未被充分研究的疾病。例如，研究证实神经毒气暴露造成真实生物损伤前，海湾战争退伍军人被告知症状源于压力；尽管长新冠病理证据激增，患者症状仍常被归咎于焦虑。此类情况下，不确定性催生草率否定——无法量化问题的医疗系统断言"一切正常"，宣称"只是你想多了"，尽管医生现在匆忙补充"你感受的症状确实存在"。
某些医学人文圈流行质疑诊断本身的重要性。当我谈及作为"医学知识边缘"患者的寻诊经历时，有教授问我："诊断的意义究竟是什么？"我明白其意：诊断非终点，仅是复杂旅程的一步。但作为十余年无诊断者，我深知获得诊断至关重要。在官僚化医疗体系中，它解锁治疗、保险覆盖、临床试验资格，以及——或许最根本的——认可，即对疾病的确认。西弗林引述研究中寻诊女性直白道："我只想获得生病的许可。"因此关键问题非"为何如此重视诊断？"，而是"为何系统不更努力确保诊断准确？"
西弗林暗示答案非技术层面。国立卫生研究院"未确诊疾病计划"之所以成功，关键不在NIH基因测序能力（尽管具备），而在于个案投入时间及跨领域专家协作产生的思想碰撞，从而锤炼临床判断。但当今多数医生未受训于允许如此工作的体系。
医学人文学者凯瑟琳·蒙哥马利在《医生如何思考》中将此类判断定义为"通过长期学徒制在根本不确定性中锤炼出的智力能力"。但西北大学床边医学中心主任布莱恩·加里巴尔迪告诉西弗林：部分医学生全程培训从未在真实患者检查中接受监督。西弗林描述一名实习生超声评估得高分，却忽略检查患者反射——他甚至未看见诊室里的反射锤。
许多人相信人工智能凭借信息整合、模式识别与快速判断能力将解决诊断危机。确实，AI通过转录问诊使医生摆脱埋头电脑记笔记的窘境，也能如加州大学伯克利分校研究员齐亚德·奥伯迈尔所示，帮助克服无意识偏见。但《 elusive body》正确指出（我认为）：AI绝非万能解药——至少单靠技术不行。奥伯迈尔研究同时显示：AI复制现有偏见的能力与其修正偏见能力相当。技术部署取决于人类价值观。当前医疗体系推崇的速度、体量、降本原则，恰是造成当下危机的同一批价值观。
如今，戴安娜·塞哈斯从事儿科神经学工作。误诊经历改变了她的行医方式。"有时我感觉自己唯一在做的事就是倾听患者。我就让他们倾诉，"她告诉西弗林。这种经历使她陷入矛盾境地："我希望患者信任我，同时我却难以信任医生。"
"诊断"（diagnosis）一词源于希腊语"知识"。提供诊断不仅是医疗行为，更是认识论与道德行为——连接健康世界与病痛世界的桥梁。诊断需要认可——愿意承认："我相信你的身体在传递信息，即便我尚不知其意。"西弗林记录的危机（作为患者我也亲历）在于：系统使这一延续数千年的医学基础行为变得极其困难。
《 elusive body》表明事态不必如此：解决方案就在身边，只需重新定位对不确定性、专注力与时间的态度，更需解决问题的政治意愿。在联邦政府持续打压科学、人工智能威胁进一步疏离医患接触的当下，这种回归人际诊疗的转向早已 overdue。
【全文结束】
