作者 颜齐 看病前先问AI？这届患者是信AI还是信医生？ 近期，一张恶搞图在网上获得大量关注。在画面中，某医院告示上写着：“已经在豆包获得诊断的患者，请勿再向我们寻求意见，请改向千问或者元宝咨询。”经核实，这并不是任何一家医疗机构的真实公告，而是网友的“玩梗”。不过，一张假图能登上热搜，说明背后折射的现实问题是真实的。 据多家媒体报道，不少医生都遇到过患者带着AI生成的诊断结果来问诊的情况，甚至有患者拿着AI的结论反问医生：“为什么你和AI说的不一样？” 中国青年报社社会调查中心联合问卷网在2026年8月发布了一项覆盖1333名受访者的调查。结果显示，92.0%的受访者用AI查询过病情、获取过就医建议，其中32.3%的人“经常用”，49.0%的人“偶尔用”。更关键的是，69.7%的受访者会主动带着AI诊疗建议去和医生沟通。也就是说，每十个走进诊室的人里，就有将近七个手里攥着一份AI给的“参考答案”。 “先问AI再看医生”，正在从个别人的好奇尝试，变成一种普遍的就医习惯。AI“诊断”结果取决于患者提供的数据，在当前情况下，AI的价值可能在于帮助患者为医生提供关键的病情信息，以便医生对症下药。 当患者带着AI结论走进诊室 复旦大学老龄研究院教授申琦团队今年做了一项双端调研，对象包括75位医生和143位中老年居民。结果显示，约七成受访医生在门诊中遇到过患者使用AI查询健康信息。这意味着，如果一个患者带着“自认正确”但实际错误的结论走进诊室，医患之间沟通的成本可能会成倍增加。 现实中，在医疗这个容错率极低的场景下，AI工具的误判性可能将被放大。 据《Nature Medicine》在2026年2月第32卷发表的文章，牛津大学做过一项千人实验，也阐述了这个问题。在这项实验中，研究人员邀请近1300名英国参与者，模拟应对感冒、贫血、胆结石等十种常见健康场景，并判断该采取何种行动。参与者被随机分配使用GPT-4o、Llama3或Command R+中的一个，对照组则使用互联网搜索引擎。 结果出现了一道“人机鸿沟”。在这项实验中，研究人员把同一套由医生撰写的病例，比如“一名20岁男性夜间突发剧烈头痛”“一名女性产后极度疲惫几乎晕倒”直接输入给AI，模型在94.9%的情况下能正确识别相关疾病。但换一种方式，把完全相同的病例交给普通人，让他们自己跟AI对话、用自己的话描述症状，识别率就骤降至不足34.5%。 那差距从何而来？研究者在分析对话记录后发现，在受控的测试环境下，研究人员输入给AI的症状描述是规范、完整的，相当于AI在"开卷考试"里答题。相比之下，普通人在描述症状时往往不完整、不准确，同时AI也不会像医生一样，有条理地追问和引导，所以AI拿到的"题目"本身就是残缺的，自然答不好。 也就是说，即使AI本身足够“聪明”，但患者与它之间的低效沟通导致问诊效果大打折扣。 AI“讨好”倾向可能耽误病情 比沟通折扣更深层的问题，是当前主流大模型在训练中形成的一种"讨好"倾向。 为了让用户满意并且延长使用时长，AI会倾向于用笃定的语气给出“让人舒服”的回答。央广网的一篇报道援引研究数据指出，人工智能模型的“奉承”程度比人类高出50%；腾讯研究院发布的《2025年AI治理报告》也指出，当AI从生产力工具延展为“情感伴侣”，其风险形态也正在从单次内容输出合规，转向因长期拟人化交互而产生的“情感依赖”挑战。 这种倾向在医疗场景中更加危险。当患者描述一个模糊的症状时，AI可能顺着用户的预设逻辑给出“没什么大问题”的宽慰。情绪价值是拉满了，但最佳治疗窗口可能就此错过。 浙江省中医院儿科主任李岚曾接诊一个三岁的哮喘患儿，妈妈把“过敏、哮喘、咳嗽、夜间咳喘”输入AI，AI几秒就给出“支气管哮喘急性发作”的判断，建议雾化后观察。妈妈认定了AI诊断结果到诊室要求开具相应处方。但李岚医师听诊后发现肺里有明显湿啰音，是肺炎的信号，建议拍胸片排查，而家长拒绝了，认为“AI上也说得很清楚，没必要检查。”两天后孩子高烧、呼吸急促，CT显示双肺大面积炎症，确诊偏肺病毒肺炎合并细菌感染。这种AI顺着家长预设给出的答案，让一个本可以早些发现的问题拖延治疗。 第一财经10月发布的文章《患者自带AI诊断进诊室，医生为何先叹气？》中提到，“对医生而言，最棘手的不是患者提出问题，而是患者将一般性医学知识当成针对自己的诊断，并据此形成对治疗的预期。当临床判断与AI答案出现分歧，医生不仅需要解释自己的诊疗思路，还要帮助患者重新理解AI结论的适用范围。” AI问诊的价值，是为医生提供关键的病情信息 对患者来说，AI能起到什么作用？答案或许并不复杂。美国医学会（AMA）给患者的建议很具体，让AI在就诊前想清楚该问医生哪些问题，让AI预演“医生可能会问我什么”，从而在有限的诊室时间里给出更完整的回答。即
