越来越多的人转向人工智能咨询健康问题。挑战在于如何使用它而不受到伤害。
一位胸痛不适的男子在聊天机器人中输入问题：这可能是"只是胃酸反流"吗？回答很直接。烧心很常见。焦虑可能模拟类似症状。紧急护理似乎"不太可能"。他等待着。到了早上，疼痛加剧。在急诊科，心电图显示正在发展的冠状动脉综合征。问题不仅在于AI工具可能出错；还在于自信的语言掩盖了不确定性，而分诊并不是这些系统最擅长的。
风险在研究中显现出来。今年，研究人员向主流AI聊天机器人提供了包含虚构术语、假疾病或伪造症状的临床场景，以测试机器人是否会基于这些虚假信息提供建议。结果发现它们经常照单全收。即使研究人员明确提示内容可能不准确，系统仍会继续使用这些错误信息。
病例报告显示，患者在遵循看似权威的AI生成建议后受到伤害。事实上，新闻机构已证实，只需简单提示，聊天机器人就能生成带有虚假引用的、看似合理的错误健康答案。这带来另一种风险：不仅是单一错误答案，更是一个能批量生产看似经过同行评审的错误信息的"工厂"。
那么，患者应该如何安全且有效地使用AI？
从工具擅长的事情开始：解释术语、翻译专业行话，帮助你为就诊做准备。要求使用简单易懂的语言。说明你的年龄、主要疾病和正在服用的药物。然后要求模型生成与临床医生讨论的问题，而非直接答案。将这些问题带到医疗预约中。
接着，在与AI的互动中添加两重安全保障。
首先，验证。将任何AI解释与可靠的加拿大来源进行比对——政府官网、大型医院或疾病专项慈善机构。如果存在分歧，应将AI输出视为草稿而非最终决定。
其次，尊重症状阈值。若出现压倒性胸痛、单侧无力、严重呼吸困难、大量出血、突发言语不清、意识混乱、昏厥或严重过敏迹象，请立即寻求医疗救助。AI不是分诊护士。
当你将AI带入就诊过程时，请坦诚说明。"我向聊天机器人咨询了他汀类药物，它说益处很小而副作用常见。我们可以一起评估我的绝对风险再做决定吗？"这是有价值的对话。你并非要求模型做医疗决策，而是利用它来组织你与专业人员的讨论。
这并不意味着不应该使用AI。这意味着我们必须客观看待它的优势与局限。
临床医生也面临挑战。2025年对137项研究的系统综述发现报告质量参差不齐且安全细节不足；多数研究使用透明度有限的封闭模型。我们应对基于此类文献的广泛主张保持谨慎。
这并不意味着不应该使用AI。这意味着我们必须客观看待它的优势与局限。某些临床评估发现模型在撰写摘要或起草交接笔记（需人工审核）方面很有帮助；其他研究显示其在特定任务中表现良好。但"需人工审核"这几个字承担了绝大部分安全责任。
如前所述，分诊始终是薄弱环节。部分研究表明大型模型平均准确率尚可；其他研究则指出对高风险患者的分诊不足问题更为严重。若工具漏掉真正需要紧急护理的患者，平均数据毫无意义。
"幻觉"——即系统自信地编造事实——带来独特风险。麻醉学领域的一项调查警告，虚构的风险描述或过度安抚可能干扰术前评估判断。另一项研究将"医疗幻觉"视为工作负担：临床医生需耗费时间验证输出而非专注患者护理。
我们已在公共领域观察到实例：谷歌健康AI曾混淆解剖结构，发布"陈旧的左侧基底节梗死"报告——而该身体部位根本不存在。
某些错误看似微小，但若未经核查进入患者病历并影响诊疗决策，后果可能极其严重。
自动化偏见真实存在：即使事实基础薄弱，条理清晰的表述也可能显得权威。安全科学研究警示，不一致的输入、拼写错误、缺失人口统计信息或夸张表述，可能导致同一临床问题得出不同结论。这提醒我们必须谨慎处理AI输出，避免未经核查就纳入工作流程。
我们可认可AI的潜力，但鉴于医疗错误的高昂代价，必须坚持安全保障、透明度和人类责任不可妥协。
【全文结束】
