文/陈根

用AI问诊，为什么可能把小病问成大祸？

2026年，生成式AI已广泛进入医疗领域：患者用它初步问诊、医生用它辅助诊断、研究者用它检索文献。然而，一个致命隐患正在悄然放大——AI幻觉。它让AI在医学场景中一本正经地编造症状解释、诊断结论、治疗方案，甚至伪造不存在的临床研究和药物说明。

上个月，全国首例AI幻觉引发的医疗相关侵权纠纷案宣判，标志着AI幻觉已从技术缺陷升级为现实的医疗风险和社会问题。

AI问诊的“幻觉”本质：统计概率，而非医学理解

大语言模型的核心机制是下一词预测。它通过海量文本学习词语之间的统计关联，而不是真正理解医学知识、病理机制和个体差异。

例如，当患者描述“反复头痛、夜间盗汗”，AI可能会根据训练数据中的高频关联，流畅地输出“可能为淋巴瘤早期表现，建议立即化疗”，而完全忽略患者实际年龄、家族史和其他关键体征。

换言之，AI不是在“诊断”，而是在拼凑最可能的词语序列。在医学这种高度专业、个体化、容错率极低的领域，这种机制会带来严重后果。

        事实性幻觉：编造不存在的检查指标、药物相互作用或临床指南。

        逻辑性幻觉：给出看似合理、实则自相矛盾的建议（如同时推荐相互冲突的治疗方案）。

研究显示，即使是当前最先进的医疗大模型，在复杂问诊场景下的幻觉率仍可达到15%-35%，远高于普通对话场景。而目前，中文大模型语境下的医疗大模型，其幻觉问题不可忽视。

真实风险：AI问诊可能误导生命

医学不同于其他领域，一句幻觉就可能导致：

        延误真正疾病的诊断（如把早期癌症当成“压力性头痛”）

        错误用药（推荐存在严重禁忌症的药物）

        患者过度焦虑或盲目自信（把良性问题夸大成绝症，或把严重问题轻描淡写）

更危险的是，许多患者把AI当作“免费第二意见”，尤其是夜间急症或基层医疗资源不足时，直接依赖AI生成的内容做决策。而AI幻觉往往以极度专业、自信的语气呈现，让人难以辨别真伪。

当前技术缓解手段与局限

行业正在积极应对——

        检索增强生成（RAG）：让AI先检索权威医学数据库（如PubMed、UpToDate、中国知网指南），再生成回答，显著降低幻觉。

        多智能体辩论：多个AI相互质疑验证。

        临床验证层：增加事实核查和不确定性声明机制。

但这些方法仍无法完全消除风险。医学知识更新极快、医学论文本身存在造假、临床指南存在利益导向、个体差异极大、训练数据存在偏差等问题，使得AI在疾病诊断、罕见病、复杂共病、新发疾病上的表现依然不稳定。

AI可以辅助，但绝不能替代

AI幻觉在医学领域的持续存在，深刻提醒我们：当前AI仍是“统计智能”，而非真正的医学智能。它擅长模式匹配，却缺乏真正的临床判断力、伦理意识和对生命的敬畏。

在AI越来越普及的时代，我们需要更高的医学素养和AI素养——既要充分利用AI提升效率，更要清醒地认识到它的边界。

真正的医疗安全，永远建立在专业医生、严谨证据和人文关怀之上。