在信任與懷疑之間：我們如何與 AI 醫生共存？

2025 年，如果你在深夜醒來，喉嚨幹癢、輕微發熱，你的第一反應可能不再是翻找家裡的退燒藥，而是拿起手機，開啟某款 AI 健康應用，描述自己的症狀。幾秒鐘後，螢幕上彈出一段回覆：“初步判斷：風熱感冒早期。建議：多喝水，服用銀翹解毒片，避免辛辣食物。”

AI 驅動的醫療問答正在快速普及。它不再侷限於獨立的健康 App——類似功能正被嵌入通用大模型與日常平臺中。許多人用它來“看看”舌苔、臉色或其他可見線索，以此推測自己的身體狀態。

在社交媒體上，分享 AI 診斷截圖與自愈經歷的帖子越來越常見。每當 AI “說中了症狀”，人們對它的信任就會在不知不覺中累積。

但這場討論也出現了更陰暗的一面。已有報道指出，AI 生成的“處方建議”可能造成嚴重傷害，一些人因為誤信錯誤建議而出現罕見病症。

一個被廣泛討論的海外案例中，有使用者長期遵循與 ChatGPT 對話生成的養生建議，最終出現溴中毒——這在今天已屬罕見疾病。

那麼，使用 AI 進行醫療指導的真實優勢與風險是什麼？使用者又該如何理性看待？

“AI 醫生”的突然崛起

一波 AI 問診工具正迅速湧入市場。如今，多數主流線上購藥平臺都內建了“AI 醫生”功能，很多人依靠它來判斷該買什麼藥。

根據阿里雲《2025 醫療健康行業 AI 應用白皮書》，目前中國已備案的醫療 AI 模型達到 101 個。

與動輒數百萬元、通常只有三甲醫院才會採購的 AI 醫學影像裝置不同，這些 AI“醫生”的使用門檻極低：不需要專業裝置，不用預約掛號，7×24 小時線上，而且往往免費。

它們尤其擅長處理那些資料充分、症狀典型的常見病——例如感冒、胃部不適、頭痛、輕度炎症等——能迅速匹配基於指南的非處方藥選項或生活幹預建議。

很多使用者用完後會覺得“挺準”：速度快、不用排隊。時間久了，一些人確實減少了去醫院的頻率。

對於作息不規律的年輕人、被大醫院長隊勸退的上班族，或身處基層醫療資源相對薄弱地區的居民，這份便利可能確實能帶來幫助。在某些場景下，AI 也確實填補了初級諮詢的空白，緩解了“我該先做什麼”的焦慮。

風險在增長——悄無聲息，卻持續累積

然而，便利背後，風險也可能在不知不覺中擴大。有新聞提到，有人因為過度信任 AI 而延誤治療；更極端的情況下，使用者甚至會因為遵循錯誤建議而傷害自己。

一則 2025 年案例引發廣泛關注：一名 60 歲的海外使用者痴迷“潔淨健康”，決定把飲食中的氯徹底清除。在與 ChatGPT 多次對話後，他接受建議，長期用含溴化合物替代食鹽。

據報道，他的血液溴含量升至 1700 mg/L，超過正常水平的 200 倍。

隨後他出現幻覺、步態不穩、記憶混亂等症狀，並被診斷為慢性溴中毒。這種疾病曾在 20 世紀初因藥物濫用出現，隨著醫學進步幾乎消失，卻因 AI 生成的“養生建議”而再次出現。

幾乎同一時間，國內也出現了令人警醒的案例。一位女性（化名廖新花）長期乾咳數月，反覆使用某 AI 問診平臺自我診斷。

AI 給出的判斷多次變化，例如“過敏性支氣管炎”“胃食管反流刺激”，並推薦抗過敏藥、抑酸藥等。她自行購藥服用，症狀稍緩就停藥，不久復發，陷入“吃藥緩解、停藥復發”的迴圈。

整整八個月，她沒有去醫院。直到體重明顯下降、痰中帶血絲，才前往就診。胸部 CT 顯示雙肺多發厚壁空洞與斑片狀浸潤影，醫生高度懷疑繼發性肺結核且已處於活動期。

接診醫生據稱直言：如果早兩個月來，病情不會發展到這個程度。

這些事件逼出一個尖銳的問題：如果 AI 看起來這麼強，為什麼還會給出危險甚至荒謬的建議？這到底是偶發失誤，還是 AI“醫療推理”機制中的結構性問題？

AI 開的“處方”，真的可信嗎？

當你輸入“喉嚨痛、低燒、乏力”，幾秒後收到“多喝水、吃銀翹”的建議時，很容易產生一種錯覺：這和醫生開的方子差不多。

但其底層邏輯差異巨大，也遠沒有看上去那麼可靠。

醫學判斷的起點是對患者資訊的全面、客觀評估——傳統上常用“望聞問切”概括。現階段的 AI 雖然具備文字推理與一定的影像識別能力，但它無法真正“檢查”你。

它看不清你是否面色蒼白，聽不到呼吸是否急促，摸不到淋巴結是否腫大，也難以捕捉醫生可能從語氣、猶豫、焦慮或病史遺漏中發現的關鍵資訊。

它完全依賴你輸入的內容——而這些描述可能是不完整的、主觀的，甚至是錯誤的。

許多人也不擅長表達醫學意義上的關鍵細節：分不清乾咳與刺激性嗆咳，說不清隱痛與絞痛。一旦關鍵資訊偏差，模型的判斷就可能迅速漂移。甚至照片模糊、光線偏差等小因素，都可能讓影像類推斷走向錯誤。

還有一個更隱蔽的難點：長尾病種。大模型往往更擅長“高頻常見病”，但許多重症早期症狀與普通病非常相似。比如肺結核初期可能只是乾咳、盜汗；紅斑狼瘡可能以低熱、關節痛起病。

當“機率低但危害高”的疾病出現時，AI 容易把它歸入普通感冒或輕度感染，從而讓人錯過最佳治療視窗。

更根本的問題在於，大語言模型可能產生“幻覺”。它不一定在核驗事實，而是在生成“看起來合理的答案”。這意味著它可能一本正經地編造不存在的藥物、引用並不存在的指南，甚至給出明顯危險的“健康技巧”。

一旦因 AI 建議導致誤診、誤治甚至中毒，責任歸屬也往往不清晰。許多平臺在協議中寫明“僅供參考、不構成醫療行為”。現實中，這可能導致使用者承擔大部分後果——即便 AI 的呈現方式看起來非常權威。

因此，AI 處方之所以危險，並不只在於“可能不準”，還在於多重風險疊加：輸入失真、疾病識別盲區、模型幻覺，以及責任機制模糊。

行業正在如何補救？

值得肯定的是，醫療 AI 領域並沒有停在原地。許多團隊正在探索更安全的設計路徑。

在資料來源上，訓練材料正被限制在高置信度醫學資料庫內。有的平臺嘗試讓 AI 只使用權威期刊與臨床指南等經過驗證的內容，以降低錯誤資訊的機率。

在產品定位上，AI 的角色也在變化。與其直接對患者輸出診斷與用藥方案，AI 更常被定位為“後臺助手”：把使用者零散的描述整理成結構化病歷，彙總病史線索，輔助醫生文書與分診。

在應用範圍上，“全科萬能”的幻想正在讓位於專科工具。越來越多產品選擇深耕單一任務場景，比如皮膚病影像識別、糖尿病血糖管理、眼底篩查等。在高質量資料與明確邊界下，AI 的表現更穩定，也更容易接受監管。

總體來看，最負責任的方向已經越來越明確：有效的醫療 AI 必須錨定在人類醫生的判斷框架之內，做支持者，而不是替代者。

連大型 AI 平臺也更謹慎了

隨著 AI 問診功能在各類 App 中快速擴散，越來越多人習慣在不適時先“問問 AI”。但在全球範圍內，科技公司與醫療監管機構的態度正在轉向更審慎的邊界管理。

例如，OpenAI 已明確限制 ChatGPT 提供具體疾病診斷或用藥建議。當用戶詢問“我頭痛三天了該吃什麼藥？”時，系統通常會提醒無法提供醫療建議，並建議諮詢合格的醫療專業人員。

這種謹慎背後，是一個現實：多數通用大模型的健康建議，本質上是對公開文本進行統計關聯後的機率推測。它沒有臨床訓練，未經醫學驗證，也不具備執業資質。它更像是在模仿“人類可能會如何回答”，而不是判斷“你的病情真實如何”。

理性使用 AI：它適合哪裡，不適合哪裡？

AI 問診確實有價值，但高度依賴使用場景。

在健康監測、用藥提醒、複診隨訪、康復訓練跟蹤等長期、高頻、低風險任務中，AI 能發揮優勢——尤其是在已經有明確診斷的前提下。此時，AI 不是決策者，而是執行者與管理者。

但在涉及新發症狀、不明原因不適、急重症篩查、或需要高度個體化判斷的情境中，風險會急劇上升。便利可能掩蓋病情。一句“可能只是上火”，可能讓人忽略嚴重問題的早期訊號；一套“看似合理”的自我調理建議，可能延誤肺結核、自身免疫病等的黃金治療期。

如果你已經在三甲醫院完成明確診斷，處於康復或慢病管理階段，適度藉助 AI 做日常跟蹤與提醒通常更安全也更有益。但前提始終是：AI 不能越界開方，不能替代複診，更不能讓你產生“不用去醫院”的錯覺。

當身體發出異常訊號，最安全、最負責任的選擇仍然是：走進醫院，見到真實醫生。

因為醫學不僅是科學，更是人學。它需要共情去理解恐懼，需要經驗去捕捉教科書之外的細節，更需要倫理去權衡治療的利弊與尊嚴——這些，仍是當下的醫療 AI 難以複製的能力。