但病还得继续看，还得继续拿着三项正常的检测报告，以及有点问题的b超报告，去找那位专家复诊。

可问题是，复诊还得重新抢号。

没错，除了当天的复诊号不用花钱，不用抢，后续再复诊，还得抢号。

而那位专家又是一号难求，28元的想都不要想。

并且，该专家只有周一，周三坐诊，其他时候都要去其他分院，离着很远。

抢不上周一28元的普通门诊号，只能抢周三的900元国际门诊号。

还要一直住到周三，足足五天时间，住宿费吃饭就得1300不说，单位那边请假这么久，也没法交代。

尤其是公司内部都在降薪裁员，张三可不敢触霉头。

更主要的，没查出结果，即便周三继续900元专家号，搞不好还是开一些化验，要重新查其他项目，又要折腾好几天，等出了结果，下下周再度复诊……

根本伤不起！

“找专家看病，就这么难吗？”

一时间，张三都怀疑人生了。

他这还不是大病，都这么困难，要是疑难杂症、绝症，那要难到什么程度？

无奈之下，张三放弃了专家大牛，预约了周六的风湿免疫科的一位年轻主任医师，也是28的挂号费，虽然不如那位专家，但也是个三甲医院主任，也实力不俗。

到了第二天，他看到了年轻主任。

不同的是，那位专家的科室有个年轻的女孩子，估计是他的学生，负责提前叫号，安排病人排队。

而这位年轻医生则是自己一个人，一趟趟出来收号，叫号。

半个小时后，轮到了张三。

医生看了看三项检验结果，皱了皱眉：“这是什么都没查出来啊。”

又看了看b超报告：“你这是足底筋膜炎啊。你该挂个手足外科！”

接着在电子病历上写道“转手足外科！”

张三凌乱了，感情白忙活了？

还得去手足外科重新挂号，重新检查？

张三不想白跑，当即问道：“医生，我尿酸有点高，非布司他吃多久停药啊？”

“你尿酸多高？”

“540！”

“540，谁让你吃非布司他的？”

“我们当地的医生。”

年轻主任沉默了一会，道：“先把药停了。”

“？？？”张三懵了：“医生，和这个有关系？”

医生道：“是不是越吃疼的越厉害？”

“好像是有点。”

“那就是了，先停药看看。这样，你也先别挂手足外科了，先停药看看，半个月后再来复查。”

“好。”

张三蒙圈地离开医院，又住了一宿，买了回家的票。

前前后后花了近三千，最后也没整出个结果，只能等半个月后再说。

但半个月后，还来吗？

张三犹豫了。

类似的看病过程，发生在全国很多地方，很多大医院。

当地人还好，成本低，请假就是。

但外地患者，可就费时费力费钱了。

更主要的，误诊，漏诊，无法确诊，都有可能。

而这个过程，若是用成熟的ai大模型来处理，会直接根据指南和患者状况，进行分析，分析出各种疾病的可能性，会第一时间排除通风误诊问题，然后开一系列检查。

这样患者在当地就可以做，根据检查结果，排除风湿性关节炎，强直，ai大模型给出后续诊断。

这样效率更高，患者成本也更低，只需要去当地医院或者检验中心抽血拍片，两个小时搞定，就抵得上张三一周的奔波。

只需要花400，就抵得过张三3000的花销。

这便是ai医疗大模型存在的意义，完全不是人可以比的。

毕竟专家看病效率很低，门槛太高，难度很大，过程复杂，费时费力，单是抢号都是大问题。

而且900元的专家号，也是开单子检查、检验，也得靠检验数据诊断，出了结果还未必能抢上专家号复诊。

既然靠检验数据诊断，都是数据说话，那ai大模型不比专家更专家？

而且方便的多，成本也低得多，更节省时间精力。

至于普通医生，还不如专业成熟的ai大模型。

像是2023年，阿里达摩院的胰腺肿瘤ct训练中，在2万多人的真实病例回顾性试验中，发现了31例临床胰腺癌漏诊病变。