阿福化身福爾摩斯，皮膚界的AI偵探到底在查什么？

每到夏天，人們脆弱的皮膚就成了各種病癥的作案現場，疙瘩、紅腫、瘙癢時不時來襲。上千種的皮膚病，表現出來的癥狀卻可能是一樣的，普通人想要靠肉眼追兇，難上加難。

比如同樣一塊紅斑，既可能是濕疹，也可能是銀屑病、體癬，僅憑一張照片很難立刻精準區分。

面對撲朔迷離的皮膚病癥，皮膚科醫生往往會像偵探一樣，從各種細節中抽絲剝繭，最終鎖定病因，破解這場皮膚謎案，絕對是專業性極強的技術活兒。

就在近期，螞蟻阿福上線了拍皮膚功能，據說可以診斷 100 多種皮膚疾病。

大家被 AI 問診的便捷所吸引，難免好奇 AI 到底是如何穿透皮膚的表層謎局，從高度相似的外觀中抽絲剝繭，揪出背后的致病元兇。

我們就以阿福為例，還原一下 AI 皮膚偵探的破案過程，看看誰才是皮膚界的福爾摩斯。

熟悉福爾摩斯探案的人都知道，破案必須得有證據。但皮膚病的案發現場卻很不一樣，上百種皮膚病，呈現出來的痕跡卻很相似，背后的原因撲朔迷離。而診斷的關鍵信息，都藏在這些細微而隱蔽的圖片里。

這個真實的病患咨詢，患者只上傳了一張圖片，什么都沒說。從照片來看，局部有淡淡紅斑，辨識度極低。

案情撲朔迷離，只有一張圖片，到底哪些線索才是對疾病判斷最關鍵的證據呢？

阿福 AI 的診斷邏輯，和醫生的診療思路高度契合，絕不只看紅斑、丘疹等表象，還會觀察更多細節。通過幾大核心線索，包括形狀、顏色、邊界、分布部位、表面狀態、數量等，對皮損進行全方位精細化拆解。

當所有人都覺得紅斑長得都一樣的時候，精準抓取了小腿部位干燥、淡淡的紅斑、模糊邊界三大重點，把肉眼看上去一模一樣的紅疹，初步鎖定為濕疹和體癬兩大高概率元兇。

后續再結合用戶提供的更多細節，與不同疾病的特征，揪出最終病因。

對皮損這一病情現場，做到洞若觀火、明察秋毫，阿福靠的是海量辦案經驗。原來，研發團隊基于上千萬張皮膚影像數據，構建了阿福在皮膚識別領域的知識底座，相當于一家三甲醫院皮膚科連續三十年不間斷接診的全部門診案例。

所有病例經過嚴格隱私脫敏和標注，相當于一個巨大的皮膚病案件卷宗庫，啃完這套卷宗的阿福，也就變得見多識廣，練就了一雙識別關鍵證據線索的慧眼。

所以才能在撲朔迷離的皮膚病表層癥狀面前，不被相似的紅斑、瘙癢迷惑，完成取證。可圖片線索畢竟只是信息碎片，想要找出真兇，還得依靠嚴謹的推理。

皮膚病的底層生物學機制，都繞不開免疫系統。不同的誘因，可能會產生相似的免疫反應，表現在皮膚上，就是癥狀的重疊與雷同。也就是說，同一個現場，嫌疑名單可能有上百種。

以下圖為例，同一張皮膚問診圖片，不同專家結合不同的信息，可能診斷為不同的病癥，施治手段自然也有差異。

所以，精準鎖定嫌疑人，就是整個探案過程里最硬核的推理環節，也是阿福要啃的硬骨頭。

通過一個真實的案例，我們來看看阿福是怎么精準鎖定嫌疑人，哦不，嫌疑病的。

嬰幼兒的皮膚瘙癢，是很多家長的心頭大患，找到致病元兇的心情最為急切。這位家長發現寶寶頭頂長出黃色痂皮，頭皮微微發紅，立即發給了阿福。

家長只發來一張照片，沒有任何文字描述。阿福迅速完成了識別取證，捕捉到了頭頂的痂皮，頭皮的顏色發紅，有一些細碎的脫皮等核心特征。此時，嫌疑庫會瞬間彈出上百種可能性，接下來就需要推理。

首先，排除高危誤判：頭癬。阿福結合家長反饋的瘙癢癥狀，其他部位無同類皮損的關鍵信息，排除了頭癬的可能性。

然后，排除假性相似：嬰兒濕疹。

濕疹雖然也會發癢，但特征與此次照片上的頭皮結痂等特征不符，再次剔除一項高概率干擾項。

經過層層過濾，從上百種縮小到一個高概率的嫌疑人：嬰兒脂溢性皮炎（搖籃帽）。

透過表象看本質，阿福能夠結合不同皮膚病的作案手段，縮小潛在的疾病范圍，并排除高危風險，為破案打下了嚴謹的思維基礎。

而最終確定真兇，還需要有效的追問，用嚴密完整的證據鏈，為案情定乾坤。

找到了潛在的嫌疑人，到底哪一個才是皮膚問題的真兇呢？阿福的 AI 追問，像福爾摩斯一樣不斷詢問收集線索，通過交叉驗證的證據鏈，揪出真兇。

追問，很考驗 AI 的互動技巧。真實線上問診中，絕大多數用戶只會甩一張照片，回復兩三個字，還會出現遺漏或隱瞞，記不清具體的發病時間，自己已經涂了激素藥膏卻忘記告訴醫生等。信息本就殘缺不全，AI 提問如果還東一榔頭西一棒子地閑聊，得到的大多是無效信息，這是通用 AI 極易判斷翻車的一大原因。

依托患者 agent 的海量實時互動，阿福練就了一套有效的追問技巧。每一句追問，都接近資深醫生的問診思維，是為了找到輔助判斷的關鍵證據，完成信息的交叉驗證，避免誤判。

比如前面案例中的濕疹用戶，一句話也不說，就甩一張皮損照片給阿福，什么描述都沒有。

面對這種局面，阿福會開啟針對性問診，一步步補齊證據鏈。主動詢問主觀感受：這塊皮膚平時癢得厲害嗎？

患者只回答了兩個字：瘙癢。

阿福又接著引導，追問更多細節：這種情況出現大概有多久了？其他部位有沒有類似的情況？判斷這是單一部位的局限性皮炎，還是全身多發或反復發作的情況？

得到了 " 其他部位沒有 " 的關鍵信息，排除泛發性濕疹、銀屑病或系統性皮膚問題的可能。

所有線索完美閉環，最終判斷出皮損范圍比較局限，精準鎖定局限性濕疹。

這種經過無數虛擬實戰打磨的追問能力，讓阿福可以在信息極少的情況下，主動挖掘缺失線索，把一個個撲朔迷離的皮膚疑案，辦成證據可靠、邏輯嚴謹的鐵案。

這一套從取證到追問的完整流程，讓阿福成為皮膚界的 AI 偵探，有著遠超通用 AI 的斷案能力。前不久，海軍軍醫大學第二附屬醫院（簡稱 " 長征醫院 "）皮膚科的 100 名患者親身體驗，先拍照問一下阿福，再去看醫生，結果顯示，阿福的識別判斷和醫生診斷高度吻合，基本一致率超過 90%。

這場發生在醫院里的真實檢驗，也回答了一個大家關心的問題：既然 AI 也能看好病，是不是不需要真人醫生參與了，僅靠 AI 就能直接結案呢？答案顯然并非如此。

面對撲朔迷離的皮膚疑案，阿福始終保持著嚴謹的態度，增加了真人醫生把關。

先由 AI 作為助手，通過全方位識別和多輪追問，完成關鍵信息的整理與補全，再由 24 小時在線的三甲主治醫生人工把關，核實診斷結論，通過專業判斷敲定疾病元兇。

AI 預問診 + 真人醫生終審的雙重保障體系，就像是福爾摩斯與華生這對偵探搭檔般，缺一不可，聯手組成了守護健康的在線神探。

最終結案的福爾摩斯不是阿福，永遠是每一位真人醫生。

這種 AI+ 真人的黃金診療搭檔，不只出現在皮膚病的案發現場，未來還會隨著阿福出現在更多健康場景里，聯手破獲一起又一起疑難雜癥，讓疾病元兇無處遁形。