AI医生来了，靠谱吗？

　　AI可以成为人人可享的高水平健康助手。

　　撰文 | 文   慧

　　责编丨汪   航

　　“AI发现了我的检查结果异常，并根据症状变化，敦促我去了急诊，救了我的命。”

　　今年初，知名科技论坛“Hacker News”首页发布了这样一则真实案例。一名患者用亲身经历表示，“这正是我们希望AI做的事情——帮助早期发现病症。”

　　生病了，问AI，已成为一种普遍现象。越来越多的人选择将症状、检查报告等信息传递给AI，等待其生成相应的建议，再据此决定下一步行动。

　　对此，学界虽持积极态度，但也有隐忧。NEJM AI近期发布的来自麻省理工学院媒体实验室（MIT Media Lab）团队的研究指出，人们存在过度信任AI的问题——即使其生成的医疗建议准确度较低，仍会觉得满意，并倾向于听从。

　　在关乎生命健康的事情上，如何充分发挥AI能力的同时降低风险？

　　业内普遍认为，可行的解决方案是让医生等专业人士参与构建“安全底线”，用垂直精准的医疗专业型AI代替通用型AI，为用户提供更加科学、相对可靠的医疗建议。

　　改变就医的AI，正在被过度信任？

　　“咳嗽吃什么有效？”“心慌头晕可能是什么病？”“BI-RADS 4级代表什么？”就医前先问问AI，已成为全球趋势。

　　NEJM AI的主编、哈佛医学院生物医学信息学系主任Isaac Kohane教授曾撰文表示，“无论是出于绝望、失望还是好奇，已有大量患者开始借助AI获取医疗建议，包括二次诊断意见，有时甚至取得了显著的治疗效果。”

　　Bethany Crystal是受益者之一。她因身体不适前往全科医生处就诊，并接受了全面的身体检查。

　　然而，回家后，她的不适感加剧，皮肤上出现了红色小斑点。她将症状拍照上传至AI系统咨询，经过多次追问，AI建议她前往医院进行血液检查。当她将此前做的检查报告上传后，AI提醒她血小板计数偏低，并强烈建议她立即前往急诊就医。

　　就诊后，Bethany Crystal写下了自己的经历，“当我缺乏做出明智决策的背景信息时，是AI帮助拼凑了足够的细节，让我意识到了情况的紧迫性。”

　　像她这样的故事不胜枚举。一名患者在常规洗牙一周后出现右侧面部剧烈疼痛和下垂，AI提示其可能是诱发了面部带状疱疹。最终，患者前往医院接受了相关治疗，不仅有效缓解疼痛，还降低了疼痛性神经病变的发生风险。

　　AI，可以让患者随时随地获取宝贵的健康信息，但情况并非全然乐观。

　　Annals of Internal Medicine（《内科学年鉴》）于8月在临床案例版块报道了一则“有趣”的案例：一名患者为避免摄入过量食用盐，试图在饮食中摒弃氯化钠。在咨询某知名通用型AI后，误信其建议，改用溴化钠替代。三个月后，患者出现明显的溴中毒症状。

　　采信AI给出的错误医疗建议可能会导致不良后果，那人们能分辨出AI回复是对还是错吗？

　　今年5月，NEJM AI发表了一项全面评估非专业人士如何感知AI生成的医疗建议的研究，共招募了300名普通公众作为参与者，他们分别就高准确度的AI回复、低准确度的AI回复和医生撰写的回复作出评价。

　　结果显示，面对三种答案，参与者无法辨识其间的质量差异。在可理解性、可信性、有效性、完整性/满意度等方面，高准确度的AI回复都显著高于医生撰写的答案，而即使是准确度较低的AI生成回复，在所有评估指标上的表现均与医生回复相当，甚至有所优胜。

　　“这显示即便AI生成的答案中包含不准确的信息，信任与满意可能会使参与者接受有害或无效的医疗建议。”研究对此表达了担忧。

　　值得信任的医疗AI长什么样？

　　上述研究还显示，当回复明确标注为“由医生提供”时，会获得更高的信任度。

　　此外，专家监督对最大限度发挥AI能力并降低风险至关重要。研究称，AI在用于提供医疗建议时，应与医疗专业人员合作，建立医生参与AI生成信息传递的机制。

　　相较于通用型AI，越来越多的医疗专业型AI意识到这一点，正不断加大与医院及医生的合作力度，构建更为可靠的医疗大模型。

　　以蚂蚁集团的AI健康管家“AQ”为例，其在蚂蚁医疗大模型的基础上，学习了权威教材、医典药典、权威医学文献等巨量的专业医疗资料，并有上千名专业医学人士、专家进行标注修正。

　　AQ专科智能体则更为垂直深入，联合了全国10余所顶级三甲医院组成专业顾问团，3名院士领衔300余位名医，在智能体中开通了AI分身，进行了大量临床经验、标准化病历等训练。

　　北京友谊医院消化内科团队给AI模型输入了大量专科文献，还针对科室临床经验进行了模型加训；

　　上海仁济医院泌尿外科从医院选取了2000个标准化病历用于训练AI，涵盖98%常见泌尿系统疾病类别；

　　浙江大学医学院附属第二医院“Jack安心智能体”学习了王建安院士瓣膜病团队精选审核的心脏瓣膜病权威知识库，针对300余种典型临床瓣膜病问题，医生团队对模型输出进行有针对性的标注与修正……

　　在皮肤病学领域，领衔者是我国皮肤与真菌病领域顶级专家——中国工程院院士廖万清教授。

　　他说，“在我的专业领域——医学真菌病学中，培养镜检是诊断金标准，却异常耗时费力，且依赖经验。如今，AQ深度学习模型在识别各种真菌方面展现出令人瞩目的效率与准确性。”

　　AQ的皮肤识别功能

　　只需要10秒，AQ就能对皮肤症状进行智能解析与精准评估。用户上传皮肤病灶照片，即可获得免费的识别服务和专业的治疗建议。据了解，目前，这一功能可以识别痤疮、湿疹、火疖子、荨麻疹、汗疱疹、银屑病、白癜风等50种常见皮肤疾病。

　　如有疑问，可以在AI诊室或是选择“医生分身”进行免费健康咨询，结合多轮问答技术和支持千亿参数视觉语言识别的多模态能力，AI也可以“像医生一样”进行追问，阅读检查结果。

　　面对这样的场景，AQ表现出了足够审慎的态度。

　　“对依据不足的、不确定的，不给出明确回答。”北京友谊医院消化内科陈奕均医生表示，科室医生曾通过“信息误导测试”，对AQ智能体进行了检验。

　　回复后，AQ会标注并非诊疗意见，如果有进一步需要，应建议及时就医，以医生的意见为准。而当用户有就诊需求时，AQ连接的超5000家公立医院、近百万医生服务资源也可让用户及时找到专业支持，从虚拟走向真实。

　　在医疗健康领域，AI能做的越来越多

　　作为“健康管家”，除了交互式的问诊咨询，AQ还在进一步拓展边界，提供的服务超过100项。

　　面对检查检验报告里专业的名词、复杂的指标、看不懂的影像，非专业人士往往一头雾水：这是什么意思？上上下下的箭头到底有多危险？哪里是正常器官哪里是病灶？

　　在AQ的“报告解读”功能中，用户只需拍摄一张照片或上传文件资料，即可由AQ进行报告解读。

　　该功能不仅支持分析单次报告的结果，还能对多份报告进行对比分析，解读准确率高达90%以上。此外，AQ还能为咨询者生成信息重点和健康提醒，帮助用户更有效地“对症”解决问题。

　　AQ还为用户建立了健康档案。用户授权后，可以在AQ记录各项健康数据，AQ会根据资料提供个性化的服务。例如：

　　“运动健康”可根据用户的身体状况量身定制运动方案，如有膝盖损伤不宜跑跳，三高患者运动要和缓且长期坚持；

　　“饮食健康”则可拍照记录饮食情况，并结合体重基数、疾病史等因素，提供个性化的饮食方案；

　　“就医资料夹”能够统一管理所有过往的就医材料，只需上传或拍照，即可通过OCR智能识别录入，便于医生查阅，同时支持添加家庭成员信息；

　　“用药计划”可提醒用药，确保按时按量服药。AI智能识别药盒功能还能帮助建立家庭小药箱，从此不必再担心说明书丢失或看不懂说明书。

　　通过健康档案，有家族病史的用户可以针对性地进行预防；睡眠、体重等数据不理想的用户可以调整生活习惯；慢性病患者可以监控各项指标变化，管理病情；需要治疗的患者可以打造专属的“就医助手”……

　　如此，让自己成为自身健康的第一责任人，将是一件既简单又轻松的事情。

　　8月26日，国务院印发了《关于深入实施“人工智能+”行动的意见》，提出“探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率。”

　　在2个月前的AQ应用发布会上，蚂蚁集团副总裁张俊杰曾表示，AQ在AI时代扮演的角色，就是要实现医疗服务更近、城乡差距更小、健康管理更贴心。

　　辅助诊疗、健康管理、医保服务等场景的应用，都已在AQ实现了真正意义上的串联。随着进一步的开放共建，AQ的健康服务将走向更智能、更便捷、更高质、更普惠。

　　参考资料：

　　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