我用 Claude Code 让 Opus 4.8 为我的 MRI 报告提供“第二意见”

背景

作者近期因右肩疼痛数周，尽管症状看似有所缓解，仍决定咨询骨科专家。医生在建议后进行了一项 MRI（磁共振成像）检查。诊断结果显示，作者的肩胛下肌（subscapularis tendon）尖端附着处存在“III 级（>50% 宽度）部分厚度撕裂”。

基于这一诊断，诊所立即开始了一系列广泛的治疗方案，包括在作者离开前进行的三次重复治疗建议。然而，作者直觉认为医生可能“操之过急”（jumped the gun）。在离开诊所前，作者要求获取 MRI 结果副本及所有已执行和推荐治疗的详细列表。

出于对医疗建议的疑虑，作者首先将数据发送给了 GPT 5.5 Pro，随后决定利用 Claude Code 和 Opus 4.8 模型对原始 MRI 数据进行独立的技术分析，以获取真正的“第二意见”。

核心内容

初步筛查：GPT 5.5 Pro 的警示

作者首先将诊所的治疗记录和 MRI 结果发送给 GPT 5.5 Pro 进行初步审查。模型立即指出了两个令人担忧的问题：

1. 冲击波疗法的不当使用：诊所对作者的肩膀进行了冲击波疗法。然而，最近的临床实践指南明确指出，对于没有钙化的肩袖肌腱病，临床医生不应使用或推荐冲击波疗法。作者在超声波检查中被告知没有钙化。
2. 药物使用的争议：诊所向作者注射了 Traumeel。在德国，这是一种注册为“无治疗适应症”的顺势疗法药物。

这些发现并未增加作者对诊所专业性的信任，反而促使作者对 MRI 影像本身进行更深入的分析。

技术实施：使用 Claude Code 与 Opus 4.8

为了对 MRI 进行独立分析，作者采取了以下技术步骤：

• 数据格式：MRI 包为标准 DICOM 导出格式，包含数百个无扩展名的文件，总大小约 266 MB。
• 工具选择：作者选择了 Claude Code 环境下的 Opus 4.8 (xhigh) 模型。作者强调，使用 Claude Code 而非普通的 Claude.ai 聊天界面至关重要，因为它允许模型运行代码、安装必要的分析包并执行大量计算工作。即使底层模型相同，这种代码执行能力的差异也是巨大的。
• 指令设定：鉴于作者不懂 MRI 解读，他指示 Opus 4.8 先制定详细的分析计划，再执行操作。初始指令仅包含“右肩疼痛 2-3 周”，这比人类医生获得的临床背景信息要少得多。

第一轮分析结果：截然相反的结论

经过约一小时的处理，Opus 4.8 生成了第一份报告。其结论与人类医生的诊断存在根本性冲突：

• 人类医生诊断：III 级（>50%）部分厚度撕裂。
• Opus 4.8 诊断：肌腱完整（intact tendon），未发现撕裂。

这一极端差异令作者感到不安。他原本预期 AI 给出的分级会较低，但“完全正常”的结论超出了预期。

仲裁与最终裁决

为了调和两个报告之间的巨大分歧，作者让 Claude 进行对比分析。这次，作者提供了更多上下文，包括人类医生的报告以及之前与 ChatGPT 5.5 Pro 的对话记录（其中包含用于自我诊断的动作和姿势建议）。

Opus 4.8 采用了谨慎且系统的方法，使用多个子代理（subagents）生成不受现有上下文偏见影响的新分析。经过又一小时的计算，仲裁报告得出以下结论：

仲裁者裁决：证据倾向于读者 A（中等至高置信度）。轻度插入性肌腱病；未发现离散的部分或全厚度撕裂，包括尖端附着处。

作者注意到，Opus 4.8 不仅敢于指出两份报告中的争议点，还能在无法解决某些争议时保持诚实，但在关键问题上却给出了非常果断的结论。

作者的困境与反思

尽管 AI 的分析表明诊所的诊断和治疗计划可能过于激进且缺乏充分依据，但作者并未因此获得完全的安心。

• 信任危机：人类专家带来的“被托付感”被 AI 的介入打破。虽然 AI 揭示了潜在的问题，但作者并不完全信任 AI 的结论。
• 两难境地：作者处于一种悬而未决的状态（limbo），既不确定是否该尝试另一位医生，也不确定继续目前的康复训练是否足够。
• 未来展望：作者希望在未来几代模型的发展中，人们能像信任 AI 校对邮件一样信任 AI 对 MRI 的审查能力。

最后，作者强调不点名诊所或医生，因为重点在于分享利用 AI 获取医疗第二意见的技术好奇心。他明确表示，自己、AI 或医生都可能出错，本文内容不应被视为医疗建议。

关键要点

• AI 可作为医疗数据的初步筛查工具：GPT 5.5 Pro 成功识别出诊所可能违反临床指南的治疗行为（无钙化使用冲击波疗法）及争议性药物使用（Traumeel），提示用户关注潜在的不当医疗行为。
• 代码执行能力是关键：使用 Claude Code 而非普通聊天界面，使得 Opus 4.8 能够安装依赖包、运行代码并处理大型 DICOM 数据集，这是进行复杂技术分析的必要条件。
• AI 诊断可能与人类专家存在巨大分歧：在本案中，AI 得出“肌腱完整”的结论，而人类医生诊断为“III 级撕裂”。这种极端差异凸显了当前 AI 在医学影像解读上的不确定性和潜在风险。
• 上下文信息的重要性：AI 的分析质量高度依赖于输入的背景信息。作者仅提供简单的症状描述，而人类医生拥有更全面的临床背景，这可能影响了 AI 的判断准确性。
• 技术乐观主义与信任悖论：虽然 AI 提供了有价值的第二意见，揭示了医疗决策中可能存在的过度干预，但用户并未因此获得安全感，反而陷入了对 AI 和人类专家双重不信任的困境。
• 非医疗建议声明：作者反复强调，AI 的分析结果、人类医生的诊断以及作者自身的解读都可能存在错误，本文仅作为技术探索分享，绝非医疗建议。

意义与影响

1. 医疗决策透明度的提升潜力

本文展示了利用大语言模型（LLM）和代码解释器审查医疗记录的可能性。AI 能够快速比对临床指南与实际操作，识别出潜在的不规范治疗（如不当使用冲击波疗法）。这为患者在面对复杂医疗建议时提供了一种低成本、高效率的“合规性检查”手段，有助于减少过度医疗。

2. AI 在医学影像领域的局限性与挑战

尽管 Opus 4.8 展示了处理 DICOM 数据和生成分析报告的能力，但其结论与人类专家存在根本性冲突。这表明，当前的 AI 模型在缺乏充分临床上下文（如病史、体格检查、动态影像观察）的情况下，仅凭静态影像数据进行诊断仍面临巨大挑战。AI 的“自信”结论可能与事实相去甚远，提醒开发者需更加谨慎地评估 AI 在高风险医疗场景中的可靠性。

3. “代码执行”在专业领域应用的价值

作者特别强调了 Claude Code 的重要性。这一案例表明，在需要数据处理、包管理和复杂逻辑推理的专业领域，具备代码执行能力的 AI 代理（Agent）比纯文本对话模型具有显著优势。这种模式为未来开发更复杂的医疗数据分析工具提供了参考范式。

4. 医患信任关系的重构

AI 的介入打破了传统的医患信任结构。患者不再单纯依赖医生的权威，而是引入了一个“数字仲裁者”。然而，当 AI 与医生意见相左时，患者往往陷入更深的焦虑。这提示我们，AI 在医疗中的应用不应仅仅是提供另一个答案，更需要具备解释其推理过程、量化置信度以及明确自身局限性的能力，以帮助患者做出更明智的决策。

5. 数据隐私与伦理考量

虽然作者未公开诊所信息，但将个人医疗数据（DICOM 文件）上传至公共 AI 平台仍存在隐私风险