他用 Claude Code 分析了自己的 MRI 影像，结果和医生说的完全不同

原文来源：antoine.fi — 一位开发者用 Claude Code 分析自己的 MRI，AI 与人类医生的诊断出现重大分歧

事情经过

Antoine 是一个做技术的人，不是医生。最近他被右肩疼痛困扰了两三周，去看了骨科医生。医生给他安排了 MRI，然后诊所的结论是：肩胛下肌腱存在 III 级（>50% 宽度）的部分撕裂。

这是听起来很严重。但接下来发生的事让他开始怀疑这个诊断的质量。

第一个疑点

医生活还没出 MRI 室的当天，就给安托万安排了两次治疗：

冲击波治疗——但 MRI 上根本没显示有钙化。最近的一项临床指南明确指出：对没有钙化的肩袖肌腱病变，不推荐使用冲击波治疗
Traumeel 注射——在德国，这种药被注册为顺势疗法治剂，没有经过任何治疗适应症的临床验证

他先用 ChatGPT 5.5 Pro 查了一下这两项治疗的循证依据，结果都不支持。这让他对诊所的判断产生了根本性的怀疑。

—— 广告 ——

让 AI 看 MRI

既然对医生的诊断不放心，而再找另一个医生又要等几周，他决定试试让 AI 分析自己的 MRI 数据。

技术路线

MRI 数据是 DICOM 格式——医学影像的标准格式，他的导出文件大约 266MB，包含几百个没有扩展名的文件。

他用的是 Claude Code（搭载 Opus 4.8 模型），选择了 xhigh 的推理配置。和 Claude.ai 网页端聊天不同，Claude Code 允许执行代码、安装 Python 包，能够处理实际的 DICOM 文件解析和影像分析。它不只是"看"图片，而是可以真的读取 DICOM 格式里的元数据和像素数据。

他只提供了最少的临床信息："右肩疼痛 2-3 周"——实际上比诊所医生掌握的信息还少。

第一次分析

大约一小时后，Claude Code 生成了第一份分析报告（PDF 格式）。

结果让他震惊：

Opus 4.8 报告：肌腱完整，未见撕裂

这直接和诊所的"III 级部分撕裂（>50% 宽度）"矛盾。不是程度不同，是存在与不存在之间的根本分歧。

仲裁轮

为了消除自己的疑虑——也许 AI 也有误判的可能——他让 Claude Code 做了一次仲裁分析。

仲裁过程：同时给 Claude Code 诊所的人类医生报告和 ChatGPT 5.5 Pro 关于运动和位置测试的讨论（后者用来推断诊断），让多个 subagent 独立分析，避免互相影响。

又一个小时后，仲裁结论出来了：

"仲裁结论：证据支持 A 方（中高置信度）。轻度插入性肌腱病变；未发现离散的部分或全层撕裂，包括顶端插入处。"

AI 很明确地表示：这个争议它能够裁决（不是所有争议都能）。结论是——肌腱是完整的，没有撕裂。不是"50%"的撕裂，是完全不存在。

这件事的意义

对 Antoine 本人

他现在处于一个尴尬的中间地带：诊所的诊断和治疗方案看起来过早且激进，但他也不敢完全信任 AI。

他选择继续观察，尝试康复训练。同时他也期待：也许再过几个模型版本，我们就能像信任 AI 校对邮件一样信任它分析 MRI。

对 AI 在医疗领域的想象

这个案例的意义不在于"AI vs 医生谁更准"——一个样本无法得出任何统计学结论。

它真正揭示的是：

AI 作为筛查工具的价值。不是替代医生，而是作为"第二双眼睛"。如果 AI 在患者层面就能提供初步筛查，很多误诊可能在早期就被发现。
AI 作为患者赋权工具。不是每个患者都有能力导出一个 266MB 的 DICOM 文件然后写命令行脚本让 AI 分析。但这件事本身就说明：技术能力强的患者已经在用 AI 来保护自己了。
DICOM 格式的开放性比很多人以为的要好。标准的医学影像格式是可以被现代 AI 工具直接解析的，不需要特殊的医疗软件。

必须澄清的局限

这不是一个"AI 比医生强"的故事。几个关键事实：

AI 分析了一个人的 MRI，不是一万个。单个案例不能外推
作者不是医生，我们没有诊所医生那一方对整个临床病史的了解
真正的诊断应该结合体检、病史、影像和其他检查——不仅仅是 MRI 影像
Claude Code 做这件事花费了大约 1 小时，这在急诊场景下没有意义
作者的训练提示可能无意中影响了分析方向——即使是"给出最少信息"，也是信息

HN 社区的反应

这篇文章在 Hacker News 上获得了超过 330 票和大量讨论。HN 上的评论集中在几个方面：

赞赏技术实现。大多数人认为，用 Claude Code 读取 DICOM 文件并进行分析，本身就是一个很酷的技术演示。

对医疗诊断的建议。很多人建议他应该把 MRI 数据（匿名后）发给第二个专业影像中心做独立评估，这才是医疗行为的正确做法。

争议。也有人指出：用 LLM 分析原始医学影像数据，和让一个真正的放射科医生读片，完全是两回事。AI 可能在像素层面有幻觉，就像它在文本层面有幻觉一样。

对医疗体系的反省。不少人分享了自己或家人的误诊经历，以及"第二诊疗意见"在医疗体系中的重要性。

总结

这是一个独特的案例——它展示了 2026 年的 AI 已经强大到什么程度（处理 266MB 的 DICOM 数据、生成结构化的医学报告），也展示了 AI 在医疗应用中的灰色地带（没有临床验证、没有监管流程、结果不可复现）。

对于独立开发者和技术人员来说，这个案例还有一个额外的启示：你的技术能力本身就是一种优势。在医疗服务趋同化的时代，有能力自己分析数据的人，就有了更多的选择和判断依据。

但这始终是有风险的。如果你对自己有类似的疑虑，正确的做法不是立刻下载 Claude Code 开始分析，而是寻求专业的第二诊疗意见——最好来自不同机构的不同医生。

原文链接：Using Opus 4.8 to get a second opinion on an MRI and where it leaves me