事关健康,AI 建议能否信赖?

    想象一下,您已连续数周感到疲倦。您通常采取的应对策略(如休息和多喝咖啡)都无济于事。在决定是否与医务人员约诊之前,您打开了一个人工智能(AI)驱动的聊天工具并输入:“哪些健康状况会导致疲劳?”

    几秒钟之内,就会出现一系列答案。其中包括压力、贫血、甲状腺问题、抑郁症、慢性病和癌症。这些信息看起来条理清晰,听起来也很准确——但也有点吓人。

    但这个答案可信吗? 此外,您应该如何利用这些信息?

    人工智能生成的健康信息被广泛使用

    在美国,近八成成人通过互联网寻找健康问题的答案。许多人不再浏览网页,而是从搜索结果顶部出现的人工智能生成的摘要中找到答案。

    但这还没有结束。全球有超过五分之一的成人直接向 ChatGPT 和 Gemini 等人工智能聊天机器人咨询健康问题。这种方式快捷、方便且免费。但妙佑医疗国际的专家警告称,人工智能生成的信息并不总是可靠或准确的。

    为什么不能始终信任 AI

    使用 AI 获取健康信息时,有几个关键的局限性需要注意:

    1. 对于机器而言,疾病的诊断和治疗过于复杂

    AI 工具无法访问您的完整病历,而且您不应该上传或与其分享病历。这些工具无法像医务人员那样对您进行检查或开展检测。它们不具备像人类一样的推理能力,也无法解释其得出结论的过程。这些特质对于做出安全且准确的医疗决策至关重要。

    2. AI 可能会出错,即便其语气听起来十分笃定

    AI 聊天机器人是基于数据模式提供答案的。它们并不像医务人员那样“知晓”事实。有时,AI 提供的信息听起来很真实,但却是完全错误的。这被称为幻觉。例如,被问及如何从食物中获取更多矿物质时,已知 AI 曾建议进食岩石。

    3. AI 生成的信息可能存在偏见

    AI 系统是基于大量数据进行训练的,而这些数据可能包含偏见或缺漏。这意味着它可能无法公平地反映每个人的经历。例如,一个学习美国和欧洲部分地区人群信息的 AI 系统,可能会漏诊抑郁症体征。这是因为它不知道在某些文化中,人们会通过头痛或疲倦等身体症状来表达忧伤,而不是通过谈论自己的感受。

    4. AI 会传播虚假信息

    AI 无法辨别信息的真伪。它可能会从网络上存在缺陷或具有误导性的来源中提取答案。人们在网上看到令人惊恐的健康传闻时,通常会进行转发或重发 - 即使他们知道这些信息可能并不属实。随着虚假信息的传播,网络上的此类内容会越来越多。随后,AI 可能会重复这些虚假信息。

    5. 人类与 AI 之间缺乏有效的沟通

    一项研究发现,查询健康信息的人群往往不会向 AI 聊天机器人提供足够具体的信息,从而难以获得清晰、准确的答案。症状描述方式的细微差异可能会完全改变 AI 给出的答案,从而降低其准确性。例如,如果两人咨询相同的症状但使用不同的措辞,AI 仅向其中一人提供了正确的答案,即寻求急救护理。

    如何更安全、更有效地使用 AI

    如果您仍想利用 AI 了解健康话题,以下是降低风险的实用步骤:

    • 使用 AI 进行科普教育,而非诊断。 AI 最适合解释医学术语或提供一般性的健康建议。例如,您可以询问:“如何用通俗易懂的语言解释高血压?” 或者“我该如何在日常生活中增加运动量?”
    • 交叉核对所有信息。 请通过可信赖的来源(例如妙佑医疗国际或美国医学协会的网站)核实信息。最重要的是,与医护团队一起核实您了解到的信息。
    • 提出的问题要清晰而具体。 不要问“咳嗽是糟糕的体征吗?” 而是试试这样提问:“成人慢性干咳的常见病因有哪些?” 清晰、有针对性的问题往往能得到更有用、更全面的答案。谨记:医务人员受过专业培训,可以提出正确的后续问题。AI 不具备这种能力。
    • 保护您的隐私。 请勿分享个人信息,如您的全名、出生日期、地址、病历或保险详细信息。即使是健康相关详细信息也应谨慎分享,尤其是在公开或免费平台上。

    要点

    可将人工智能视作研究助手,但不能代替医务人员。它可以作为总结观点或获取宏观信息的有用工具。在准备向医护团队咨询的问题时,人工智能会非常有用。但在健康问题上,最安全、有效的决策仍需与值得信赖的医务人员共同做出。

    1. Many in U.S. consider AI-generated health information useful and reliable. Annenberg Public Policy Center. https://www.annenbergpublicpolicycenter.org/many-in-u-s-consider-ai-generated-health-information-useful-and-reliable/. Accessed Feb. 10, 2026.
    2. Yun HS, et al. Online health information-seeking in the era of large language models: Cross-sectional web-based survey study. Journal of Medical Internet Research. 2025; doi:10.2196/68560.
    3. Ullah E, et al. Challenges and barriers of using large language models (LLM) such as ChatGPT for diagnostic medicine with a focus on digital pathology — A recent scoping review. Diagnostic Pathology. 2024; doi:10.1186/s13000-024-01464-7.
    4. Bean AM, et al. Reliability of LLMs as medical assistants for the general public: A randomized preregistered study. Nature Medicine. 2026; doi:10.1038/s41591-025-04074-y.
    5. Giorgi S, et al. Evaluating generative AI responses to real-world drug-related questions. Psychiatry Research. 2024; doi:10.1016/j.psychres.2024.116058.
    6. What doctors wish patients knew about using AI for health tips. American Medical Association. ama-assn.org/practice-management/digital-health/what-doctors-wish-patients-knew-about-using-ai-health-tips. Accessed Feb. 17, 2026.
    7. Yoon SC, et al. Digital psychiatry with chatbot: Recent advances and limitations. Clinical Psychopharmacology and Neuroscience. 2025; doi:10.9758/cpn.25.1346.
    8. Thakkar A, et al. Artificial intelligence in positive mental health: A narrative review. Frontiers in Digital Health. 2024; doi:10.3389/fdgth.2024.1280235.
    9. Saeidnia HR, et al. Generative AI and health misinformation: Production, propagation, and mitigation — A systematic review. BMC Public Health. 2026; doi:10.1186/s12889-025-26148-9.

    ART-80010355


    一份馈赠,无穷力量——今天就来伸出援手!

    您的捐赠可以抵税。请您慷慨解囊,和我们一起进行尖端研究和医护,共同推动医学的改变。