AI醫生來了，靠譜嗎？_風聞

AI可以成為人人可享的高水平健康助手。

撰文 | 文   慧

責編丨汪   航

“AI發現了我的檢查結果異常，並根據症狀變化，敦促我去了急診，救了我的命。”

今年初，知名科技論壇“Hacker News”首頁發佈了這樣一則真實案例。一名患者用親身經歷表示，“這正是我們希望AI做的事情——幫助早期發現病症。”

生病了，問AI，已成為一種普遍現象。越來越多的人選擇將症狀、檢查報告等信息傳遞給AI，等待其生成相應的建議，再據此決定下一步行動。

對此，學界雖持積極態度，但也有隱憂。NEJM AI近期發佈的來自麻省理工學院媒體實驗室（MIT Media Lab）團隊的研究指出，人們存在過度信任AI的問題——即使其生成的醫療建議準確度較低，仍會覺得滿意，並傾向於聽從。

在關乎生命健康的事情上，如何充分發揮AI能力的同時降低風險？

業內普遍認為，可行的解決方案是讓醫生等專業人士參與構建“安全底線”，用垂直精準的醫療專業型AI代替通用型AI，為用户提供更加科學、相對可靠的醫療建議。

改變就醫的AI，正在被過度信任？

“咳嗽吃什麼有效？”“心慌頭暈可能是什麼病？”“BI-RADS 4級代表什麼？”就醫前先問問AI，已成為全球趨勢。

NEJM AI的主編、哈佛醫學院生物醫學信息學系主任Isaac Kohane教授曾撰文表示，“無論是出於絕望、失望還是好奇，已有大量患者開始藉助AI獲取醫療建議，包括二次診斷意見，有時甚至取得了顯著的治療效果。”

Bethany Crystal是受益者之一。她因身體不適前往全科醫生處就診，並接受了全面的身體檢查。

然而，回家後，她的不適感加劇，皮膚上出現了紅色小斑點。她將症狀拍照上傳至AI系統諮詢，經過多次追問，AI建議她前往醫院進行血液檢查。當她將此前做的檢查報告上傳後，AI提醒她血小板計數偏低，並強烈建議她立即前往急診就醫。

就診後，Bethany Crystal寫下了自己的經歷，“當我缺乏做出明智決策的背景信息時，是AI幫助拼湊了足夠的細節，讓我意識到了情況的緊迫性。”

像她這樣的故事不勝枚舉。一名患者在常規洗牙一週後出現右側面部劇烈疼痛和下垂，AI提示其可能是誘發了面部帶狀皰疹。最終，患者前往醫院接受了相關治療，不僅有效緩解疼痛，還降低了疼痛性神經病變的發生風險。

AI，可以讓患者隨時隨地獲取寶貴的健康信息，但情況並非全然樂觀。

Annals of Internal Medicine（《內科學年鑑》）於8月在臨牀案例版塊報道了一則“有趣”的案例：一名患者為避免攝入過量食用鹽，試圖在飲食中摒棄氯化鈉。在諮詢某知名通用型AI後，誤信其建議，改用溴化鈉替代。三個月後，患者出現明顯的溴中毒症狀。

採信AI給出的錯誤醫療建議可能會導致不良後果，那人們能分辨出AI回覆是對還是錯嗎？

今年5月，NEJM AI發表了一項全面評估非專業人士如何感知AI生成的醫療建議的研究，共招募了300名普通公眾作為參與者，他們分別就高準確度的AI回覆、低準確度的AI回覆和醫生撰寫的回覆作出評價。

結果顯示，面對三種答案，參與者無法辨識其間的質量差異。在可理解性、可信性、有效性、完整性/滿意度等方面，高準確度的AI回覆都顯著高於醫生撰寫的答案，而即使是準確度較低的AI生成回覆，在所有評估指標上的表現均與醫生回覆相當，甚至有所優勝。

“這顯示即便AI生成的答案中包含不準確的信息，信任與滿意可能會使參與者接受有害或無效的醫療建議。”研究對此表達了擔憂。

值得信任的醫療AI長什麼樣？

上述研究還顯示，當回覆明確標註為“由醫生提供”時，會獲得更高的信任度。

此外，專家監督對最大限度發揮AI能力並降低風險至關重要。研究稱，AI在用於提供醫療建議時，應與醫療專業人員合作，建立醫生參與AI生成信息傳遞的機制。

相較於通用型AI，越來越多的醫療專業型AI意識到這一點，正不斷加大與醫院及醫生的合作力度，構建更為可靠的醫療大模型。

以螞蟻集團的AI健康管家“AQ”為例，其在螞蟻醫療大模型的基礎上，學習了權威教材、醫典藥典、權威醫學文獻等巨量的專業醫療資料，並有上千名專業醫學人士、專家進行標註修正。

AQ專科智能體則更為垂直深入，聯合了全國10餘所頂級三甲醫院組成專業顧問團，3名院士領銜300餘位名醫，在智能體中開通了AI分身，進行了大量臨牀經驗、標準化病歷等訓練。

北京友誼醫院消化內科團隊給AI模型輸入了大量專科文獻，還針對科室臨牀經驗進行了模型加訓；

上海仁濟醫院泌尿外科從醫院選取了2000個標準化病歷用於訓練AI，涵蓋98%常見泌尿系統疾病類別；

浙江大學醫學院附屬第二醫院“Jack安心智能體”學習了王建安院士瓣膜病團隊精選審核的心臟瓣膜病權威知識庫，針對300餘種典型臨牀瓣膜病問題，醫生團隊對模型輸出進行有針對性的標註與修正……

在皮膚病學領域，領銜者是我國皮膚與真菌病領域頂級專家——中國工程院院士廖萬清教授。

他説，“在我的專業領域——醫學真菌病學中，培養鏡檢是診斷金標準，卻異常耗時費力，且依賴經驗。如今，AQ深度學習模型在識別各種真菌方面展現出令人矚目的效率與準確性。”

AQ的皮膚識別功能

只需要10秒，AQ就能對皮膚症狀進行智能解析與精準評估。用户上傳皮膚病灶照片，即可獲得免費的識別服務和專業的治療建議。據瞭解，目前，這一功能可以識別痤瘡、濕疹、火癤子、蕁麻疹、汗皰疹、銀屑病、白癜風等50種常見皮膚疾病。

如有疑問，可以在AI診室或是選擇“醫生分身”進行免費健康諮詢，結合多輪問答技術和支持千億參數視覺語言識別的多模態能力，AI也可以“像醫生一樣”進行追問，閲讀檢查結果。

面對這樣的場景，AQ表現出了足夠審慎的態度。

“對依據不足的、不確定的，不給出明確回答。”北京友誼醫院消化內科陳奕均醫生表示，科室醫生曾通過“信息誤導測試”，對AQ智能體進行了檢驗。

回覆後，AQ會標註並非診療意見，如果有進一步需要，應建議及時就醫，以醫生的意見為準。而當用户有就診需求時，AQ連接的超5000家公立醫院、近百萬醫生服務資源也可讓用户及時找到專業支持，從虛擬走向真實。

在醫療健康領域，AI能做的越來越多

作為“健康管家”，除了交互式的問診諮詢，AQ還在進一步拓展邊界，提供的服務超過100項。

面對檢查檢驗報告裏專業的名詞、複雜的指標、看不懂的影像，非專業人士往往一頭霧水：這是什麼意思？上上下下的箭頭到底有多危險？哪裏是正常器官哪裏是病灶？

在AQ的“報告解讀”功能中，用户只需拍攝一張照片或上傳文件資料，即可由AQ進行報告解讀。

該功能不僅支持分析單次報告的結果，還能對多份報告進行對比分析，解讀準確率高達90%以上。此外，AQ還能為諮詢者生成信息重點和健康提醒，幫助用户更有效地“對症”解決問題。

AQ還為用户建立了健康檔案。用户授權後，可以在AQ記錄各項健康數據，AQ會根據資料提供個性化的服務。例如：

“運動健康”可根據用户的身體狀況量身定製運動方案，如有膝蓋損傷不宜跑跳，三高患者運動要和緩且長期堅持；

“飲食健康”則可拍照記錄飲食情況，並結合體重基數、疾病史等因素，提供個性化的飲食方案；

“就醫資料夾”能夠統一管理所有過往的就醫材料，只需上傳或拍照，即可通過OCR智能識別錄入，便於醫生查閲，同時支持添加家庭成員信息；

“用藥計劃”可提醒用藥，確保按時按量服藥。AI智能識別藥盒功能還能幫助建立家庭小藥箱，從此不必再擔心説明書丟失或看不懂説明書。

通過健康檔案，有家族病史的用户可以針對性地進行預防；睡眠、體重等數據不理想的用户可以調整生活習慣；慢性病患者可以監控各項指標變化，管理病情；需要治療的患者可以打造專屬的“就醫助手”……

如此，讓自己成為自身健康的第一責任人，將是一件既簡單又輕鬆的事情。

8月26日，國務院印發了《關於深入實施“人工智能+”行動的意見》，提出“探索推廣人人可享的高水平居民健康助手，有序推動人工智能在輔助診療、健康管理、醫保服務等場景的應用，大幅提高基層醫療健康服務能力和效率。”

在2個月前的AQ應用發佈會上，螞蟻集團副總裁張俊傑曾表示，AQ在AI時代扮演的角色，就是要實現醫療服務更近、城鄉差距更小、健康管理更貼心。

輔助診療、健康管理、醫保服務等場景的應用，都已在AQ實現了真正意義上的串聯。隨着進一步的開放共建，AQ的健康服務將走向更智能、更便捷、更高質、更普惠。

參考資料：

1.https://hardmodefirst.xyz/chatgpt-saved-my-life-no,-seriously,-im-writing-this-from-the-er

2.Audrey Eichenberger, Stephen Thielke, Adam Van Buskirk.A Case of Bromism Influenced by Use of Artificial Intelligence. AIM Clinical Cases.2025;4:e241260. [Epub 5 August 2025]. doi:10.7326/aimcc.2024.1260

3.Pataranutaporn, P., Sarabu, C., Cecchi, G. A., & Maes, P. (2024). People overtrust AI-generated medical advice despite low accuracy. NEJM AI, 1(3), AIoa2300015. https://doi.org/10.1056/AIoa2300015