⚠️ 只会用聊天型大模型、又怕跟不上AI新工具的人，最容易在这条消息上看错方向。你刷到“Boston Children’s uses AI to unlock new diagnoses”（波士顿儿童医院用人工智能找到新诊断）这条消息时[C001]，很容易以为是模型突然把答案看出来了。这样理解，后面就可能把时间、注意力，甚至判断都花错。罕见病突破多半来自旧数据重算，不是AI灵光一现。[C002]

真正值钱的，不是模型替医生拍板，而是把旧结果重新串起来。Boston Children’s说，他们的辅助遗传分析系统会整合基因数据、表型信息和医学文献，已帮助做出40多个长期无解的诊断。[C003] 这更像帮医生重看旧线索，不是让机器直接下结论。

把判断钉住的是两组数：常规遗传检测约30%能给出诊断，剩下70%还得继续找；院内做的外显子或全基因组检测，会自动进入临床重分析流程。[C004] 另一篇2024年院方文章写到，在744个此前阴性的家庭里，新发现中64%本可通过重分析旧外显子结果识别，另有8%只有全基因组测序才能拿到答案。[C005]

一条更新值不值得看，不看它列了多少功能，先看它会不会改掉你下一步的判断。这个案例更适合转给两类人：一类是刚开始追AI工具、很怕掉队的人；另一类是家里正在关注罕见病检查流程的人。别把它听成“以后随便问模型就能确诊”。

🤔 你现在最想先避开的，是哪一个坑？