在不久的将来，人们可能必须先向人工智能描述症状，才能获得医生的预约。AI将决定这是紧急情况还是可以等待治疗，并据此安排预约。
幸运的是，我们尚未达到这一阶段，但医疗保健领域的数字化正在迅速推进。AI聊天机器人和数字症状检查器正扮演着越来越重要的角色，越来越多地作为"自我分诊"（即患者自行初步评估治疗紧迫性）的首要接触点。
然而，随着这些系统的技术能力不断提升，另一个因素正逐渐成为研究焦点：人类如何与机器沟通。这是一个重要话题，因为即使是最先进的技术，特别是在医学诊断中，也依赖于用户提供的准确信息，而这些信息往往并不完整。
人类的犹豫限制了AI的潜力
《自然健康》杂志发表的一项新研究表明，当人们向AI而非医疗专业人士描述症状时，他们提供的信息质量会下降。这危及数字诊断的准确性和患者安全。
这项研究由维尔茨堡大学心理学III讲席教授威尔弗里德·昆德(Wilfried Kunde)和该部门的研究助理莫里茨·赖斯(Moritz Reis)领导。研究涉及柏林夏里特-柏林大学医学院、剑桥大学以及柏林埃米尔·冯·贝林赫利奥斯诊所和新克尔恩维万特斯诊所的科学家。
主要作者赖斯表示："500名研究参与者被要求为两种常见病症——异常头痛和流感样症状——撰写模拟症状报告。他们被告知这些报告将由AI聊天机器人或人类医生阅读。研究目标是评估这些报告在医疗紧迫性评估方面的适用性。"
细节减少导致质量下降
关键发现：当参与者认为自己正在与人工智能交流时，他们的描述在初步医疗评估方面的适用性相比与假定医疗专业人士的互动明显下降。即使在调查时实际正在经历相关症状的参与者中，也观察到了这种效应。
这种质量的下降直接反映在报告的细节水平上。虽然提供给医疗专业人士的描述平均为255.6个字符，但提供给聊天机器人的描述平均仅为228.7个字符。
尽管28个字符的差异听起来很小，但研究团队表示，这种效应具有实际意义，可能导致即使是高性能AI模型最终也提供错误的医疗建议。毕竟，如果患者不提供所有必要信息，这些模型也无法做出准确的医疗评估。数字初步评估的成功取决于患者提供详细描述的意愿，而非计算能力。
心理障碍："千篇一律"诊断的担忧
但为什么人们在面对机器时如此犹豫？一个关键原因可能是所谓的"独特性忽视"(uniqueness neglect)。昆德解释道："许多人认为AI无法理解他们个人情况的细微差别，而只是匹配标准化模式。"
此外，对算法诊断能力的怀疑以及隐私担忧可能导致人们提供简略或模糊的信息。赖斯这样总结人类因素："如果我们不相信机器能理解我们的独特性，我们可能会无意识地保留它提供精确帮助所需的信息。"这种心理过滤可能导致医学相关信息从未到达系统，从而降低诊断质量。
改善与机器的对话
研究团队认为，研究结果清楚地表明，仅靠AI的技术进步是不够的。因此，他们认为智能设计用户界面是一种潜在解决方案。
为了提高症状报告的质量，开发者应提供高质量描述的具体示例，并对AI进行编程，使其主动请求缺失的细节。只有当用户被鼓励提供详细信息时，才能避免误诊，并有效减轻医疗保健系统的负担。
【全文结束】