{"source":{"id":"2045233334804955559","title":"“因为AI，我觉得医生的好日子到头了。” 一位美国医生的自述火了。 砸掉饭碗的不是AI诊断系统。 而是拿着AI答案来“考…","url":"https://mubeitech.com/p/2045233334804955559"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2039267524974424123","account":"mubei","brand":"@mubei","title":"全美最大公立医疗系统的掌门人发话了。 目标是谁？ 医院里年薪四十万美金的放射科医生。 Mitchell Katz管着整个…","summary":"全美最大公立医疗系统的掌门人发话了。 目标是谁？ 医院里年薪四十万美金的放射科医生。 Mitchell Katz管着整个纽约的公立医院。 他准备用AI大面积替换掉这些看片子的专家。 这笔账算起来极其简单。 看X光片本质上就是高级图像比对。 算法一秒钟能精准扫完上千张片子。 肉眼看…","body":"全美最大公立医疗系统的掌门人发话了。\n目标是谁？\n医院里年薪四十万美金的放射科医生。\n\nMitchell Katz管着整个纽约的公立医院。\n他准备用AI大面积替换掉这些看片子的专家。\n这笔账算起来极其简单。\n\n看X光片本质上就是高级图像比对。\n算法一秒钟能精准扫完上千张片子。\n肉眼看五十张就会疲劳漏诊。\n\n培养一名医学生需要十年起步。\n但花高薪养着一群只负责看图的岗位纯属浪费。\n\n纽约的医院系统主动撕开了这道口子。\n白领高薪岗位的护城河形同虚设。\n机器已经坐进了诊室。","category":"其它","score":90,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-04-01 18:40:27","created_at":"2026-04-01T11:04:00+02:00","url":"https://mubeitech.com/p/2039267524974424123","markdown_url":"https://mubeitech.com/p/2039267524974424123/markdown"},{"rank":2,"id":"2045494017958289460","account":"mubei","brand":"@mubei","title":"入门级白领的晋升通道正在被直接斩断。 Anthropic首席执行官达里奥预言了一场空前的就业海啸。 金融、咨询和科技行业…","summary":"入门级白领的晋升通道正在被直接斩断。 Anthropic首席执行官达里奥预言了一场空前的就业海啸。 金融、咨询和科技行业的基础岗位即将枯竭。 总结文档和撰写财务报告这些初级工作很快会被AI全面接管。 英伟达CEO黄仁勋对这种末日恐慌猛烈开火。 把AI渲染成摧毁就业的核弹实打实地损…","body":"入门级白领的晋升通道正在被直接斩断。\nAnthropic首席执行官达里奥预言了一场空前的就业海啸。\n金融、咨询和科技行业的基础岗位即将枯竭。\n总结文档和撰写财务报告这些初级工作很快会被AI全面接管。\n\n英伟达CEO黄仁勋对这种末日恐慌猛烈开火。\n把AI渲染成摧毁就业的核弹实打实地损害了美国利益。\n吓得年轻人不敢从事软件工程只会让美国彻底断供程序员。\n吓得医学生不敢报考放射科只会让底层医疗系统加速崩溃。\n\n黄仁勋剥开了这层恐慌底部的认知盲区。\n社会大众极度混淆了“任务”和“职业”的界限。\n让计算机去读取一张扫描片仅仅是一项机械任务。\n放射科医生的核心价值是不可被代码替代的患者护理。\n\n极端的假设正在绑架公众情绪。\n把单一任务的自动化等价于整个职业的消亡完全脱离现实。\n靠制造焦虑来阻挡技术浪潮注定徒劳。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2046143024955035895","translated_status_id":"2046143024955035895","published_at":"2026-04-20 08:24:22","created_at":"2026-04-20T09:56:04.802399","url":"https://mubeitech.com/p/2045494017958289460","markdown_url":"https://mubeitech.com/p/2045494017958289460/markdown"},{"rank":3,"id":"mb-20260901-762988","account":"mubei","brand":"","title":"贴上十个电极片，花十秒钟记录，成本只要几英镑","summary":"贴上十个电极片，花十秒钟记录，成本只要几英镑","body":"贴上十个电极片，花十秒钟记录，成本只要几英镑。\n这是一张所有人都在医院见过的常规心电图。\n帝国理工学院把这套老工具，丢给了一个深度学习模型。\n机器只读了两秒钟。\n随后在 6.7 万名患者的盲测里。\n找出了 81% 的心力衰竭，和 90% 的心脏瓣膜病。\n消息在慕尼黑的欧洲心脏病学会年会 ESC Congress 现场公布。\n现场医生把这套系统的表现称为超人类。\n为什么让人震惊？\n心电图这项技术，从 1901 年荷兰生理学家威廉·艾因托芬发明至今。\n已经用了一百二十多年。\n这一百多年里，全世界心脏科医生的教科书上都写着同一条死规矩：\n心电图只能看电学问题。\n心律齐不齐、心跳快不快、有没有突发急性心肌梗死。\n至于心脏的物理结构坏没坏、肌肉有没有衰竭、瓣膜漏不漏血。\n医生从不指望心电图。\n要查这些结构性重症，现代医学只有一条路：做超声心动图。\n超声心动图需要昂贵的探头、受过专门训练的技师，以及漫长的门诊预约。\n在英国 NHS 的公立医疗系统里。\n一个怀疑心衰的病人，拿到超声检查往往要排队等上几个月。\n心脏肌肉的衰退是不可逆的。\n很多病人在漫长的排队期里，病情悄悄恶化到了晚期。\n为什么连专科医生肉眼根本看不出的结构病变，机器能在两秒钟里抓出来？\n是不是 AI 掌握了某种不可思议的超能力？\n把底层的医学逻辑拆开，会发现这台机器运转的本质，是一次隐性电生理映射。\n心脏的电信号和机械运动，在物理上从来不是割裂的两件事。\n当心室壁变薄扩张，或者瓣膜闭合不严导致血液倒流。\n心脏每一次收缩受到的阻力都在发生微小改变。\n这些力学层面的微小变形，会直接扭曲心肌细胞之间微弱的电传导路径。\n这种微小扭曲，只有纳米级。\n它是波形斜率在毫秒级的细微扰动，在人眼看去，和普通的背景噪声毫无区别。\n医生不是看不懂，是人类视网膜的解析度，天然过滤掉了这种微弱的高维信号。\n帝国理工团队做了一件关键的事。\n他们没有去教算法死记医学教科书上的死规则。\n团队直接调用了巴西 160 万份真实世界的心电图记录。\n这批数据的珍贵之处，在于它与患者随后长达数年的完整病历库进行了深度绑定。\n算法在海量数据里跑的，是离散时间生存模型。\n它不是在识别心电图表面长什么样。\n它在逆向解构一个关联：\n当电信号出现某种特定微扰动时，这个人在未来几年确诊心衰的概率是多少。\n机器在无声的电波里，找到了结构病变在时间轴上的投影。\n随后由黄福祥教授和萨乌博士主导的 AIRE 系统，把研究发表在了《柳叶刀·数字健康》。\n并且通过衍生公司 Cardiovolt.ai 推进临床落地。\n这事最值得琢磨的，不是算法比医生更聪明。\n很多人看医疗科技，习惯盯那些造价几千万的尖端仪器。\n真正能撼动系统性困境的，往往是把诊断漏斗彻底前置。\n心电图是全世界最普及、最便宜、连偏远乡村诊所都备有的底层基础设施。\n给它装上算法，不需要医院重新采购几百万的硬件。\n也不需要额外培训昂贵的超声技师。\n它把原本堵在专科医院门口、耗时数月的排队分流。\n压缩到了护士在基层诊所贴上电极片的那两秒钟。\n医疗资源最残酷的消耗，从来不是后期的治疗成本。\n是前期被制度与设备卡死的发现时间。\n当最古老、最廉价的工具被赋予了穿透高维数据的能力。\n被打破的不是医生的饭碗。\n是那条困住了无数普通人的排队锁链。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-01 14:49:03","created_at":"2026-09-01 14:49:03","url":"https://mubeitech.com/p/mb-20260901-762988","markdown_url":"https://mubeitech.com/p/mb-20260901-762988/markdown"},{"rank":4,"id":"2050621589696151639","account":"mubei","brand":"@mubei","title":"AI 会毁掉工作？黄仁勋说，先看放射科医生。 AI 革命刚开始时，一位现代 AI 之父判断：十年后最不该选的职业，就是放…","summary":"AI 会毁掉工作？黄仁勋说，先看放射科医生。 AI 革命刚开始时，一位现代 AI 之父判断：十年后最不该选的职业，就是放射科。 理由听起来无懈可击。 AI 会读片。 AI 会诊断影像。 AI 会渗透放射科每一个环节。 放射科医生会过时。 十年后，前半段全说中了。 现在几乎每一次放…","body":"AI 会毁掉工作？黄仁勋说，先看放射科医生。\n\nAI 革命刚开始时，一位现代 AI 之父判断：十年后最不该选的职业，就是放射科。\n\n理由听起来无懈可击。\nAI 会读片。\nAI 会诊断影像。\nAI 会渗透放射科每一个环节。\n放射科医生会过时。\n\n十年后，前半段全说中了。\n现在几乎每一次放射扫描，都有 AI 辅助。\nAI 分析的影像数量一路暴涨。\n真正反着来的，是放射科医生数量增加了。\n\n这要怎么解释？\n\n黄仁勋给出的关键区分是：工作目的和工作任务，不能混成一回事。\n放射科医生的任务里有读片。\n放射科的目的，是诊断疾病，协同医生，照顾病人，让医院接收更多患者、做更多扫描、提供更好的医疗。\n\nAI 自动化了读片这个任务。\n医院发现放射科能处理更多病人，还能带来更多收入，于是继续雇更多放射科医生。\n\n最讽刺的是，当年“放射科要完了”的叙事，真的造成了伤害。\n很多年轻人被劝退，不再进入这个领域。\n现在需求上来了，人反而不够。\n\n软件工程也在走同一条路。\nNVIDIA 内部已经到处是智能体 AI。\n每个软件工程师都在用。\n最受欢迎的工程师，是懂得使用 AI、懂得和智能体协作的人。\n\n以前工程师有一个想法，要花时间把代码写出来。\n现在想法一出来，代码几乎立刻跟上。\n公司等的就变成了下一个想法。\n\n这时候工程师更闲了吗？\n黄仁勋说，恰好相反。\n智能体会不断发消息追问：下一步是什么？这个修好了，接下来做什么？\n工程师一直站在关键路径上，比以前更忙。\n\n很多人误判 AI，是因为他们把公司想象成一年只需要写十亿行代码。\n如果 AI 把十亿行代码自动写完，原来一万人干的活，现在一千人就够，剩下九千人就没用了。\n\n黄仁勋的反驳更像企业家的脑回路。\n十亿行代码，只是过去那些人在有限时间里最多能做的事。\n有了 AI 助手以后，他想探索的是一万亿行代码的空间。\n\n任务会被自动化。\n工作未必会消失。\n\n危险从来不在 AI 会不会写代码、读片、打字、说话。\n危险在于，一个人把自己的职业理解成某个固定动作，然后亲手把自己缩小成了那一个动作。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-02 17:45:08","created_at":"2026-05-02T19:36:32.831116","url":"https://mubeitech.com/p/2050621589696151639","markdown_url":"https://mubeitech.com/p/2050621589696151639/markdown"},{"rank":5,"id":"2070175612615201205","account":"mubei","brand":"@mubei","title":"OpenAI 的高管近日放了句话： 如果有人用 ChatGPT 研发出了新药，OpenAI 应该分一杯羹，拿销售提成。…","summary":"OpenAI 的高管近日放了句话： 如果有人用 ChatGPT 研发出了新药，OpenAI 应该分一杯羹，拿销售提成。 结果，诺贝尔奖得主、基因编辑先驱 Jennifer Doudna 听完，只回了两个字： “祝好运。” 硅谷现在对 AI 医疗的饼，已经画到天上去了。 甲骨文创始…","body":"OpenAI 的高管近日放了句话：\n如果有人用 ChatGPT 研发出了新药，OpenAI 应该分一杯羹，拿销售提成。\n\n结果，诺贝尔奖得主、基因编辑先驱 Jennifer Doudna 听完，只回了两个字：\n“祝好运。”\n\n硅谷现在对 AI 医疗的饼，已经画到天上去了。\n甲骨文创始人 Larry Ellison 甚至说，AI 能在 48 小时内治愈癌症。\n但真正有资格给这个领域降温的人，近日在彭博社的采访里，兜头浇了一盆冷水。\n\n在 Doudna 看来，大家寄予厚望的聊天机器人，目前根本谈不上在“创新”。\n“按我们的经验，我没看到聊天机器人能提出任何一个别人从未想过的全新想法。”\n它们最擅长的事情，其实是总结已知世界。\n\n整理数据、写写报告，这些它们干得很好，确实能提高效率。\n但真正的科学创新，需要的是发现未知，需要对异常数据的捕捉，需要真实的实验反馈。\n生命是一套极为精密的物理系统，无法用算法完美模拟。\n你不可能只靠“模拟”去理解人体，那些实打实的临床测试是绝对绕不过去的。\n\nAI 如果想在药物研发上真正帮上忙，关键是提供更干净、更庞大、更好的底层生物学数据来训练它，光靠对话软件逻辑顺是不够的。\n至于未来 AGI（通用人工智能）实现后会不会发生质变？\nDoudna 的态度很务实：“我从不把话说死，也许会发生，但我绝对不会屏息等待。”\n\n硅谷习惯了互联网式的“大力出奇迹”，以为只要堆算力、喂语料，就能一键通关生老病死。\n但复杂生命系统的硬壁垒，依然是顶级科学家眼中最值得敬畏的防线。\n听完这位诺奖得主的判断，那些靠 PPT 兜售“48 小时治愈癌症”的造神故事，可能真的要降降温了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2070188357997494623","translated_status_id":"2070188357997494623","published_at":"2026-06-25 16:12:50","created_at":"2026-06-25T18:01:42+02:00","url":"https://mubeitech.com/p/2070175612615201205","markdown_url":"https://mubeitech.com/p/2070175612615201205/markdown"}]}