2025年，深夜喉咙干痒、轻微发热时，许多人不再翻找退烧药，而是打开手机向AI健康应用描述症状。几秒后，屏幕显示初步判断为风热感冒初期，建议多饮水、服用银翘解毒片，避免辛辣。

目前，AI问诊功能已集成至豆包、元宝、DeepSeek等通用大模型中，不少用户通过上传舌苔、脸色照片推断健康状况。社交平台上分享AI诊断结果和自愈经验的帖子频繁出现，信任在“说中症状”中逐步积累。

然而，已有因AI建议导致健康严重受损的案例。国外一名60岁男子为清除饮食中的氯，在ChatGPT建议下长期使用含溴化合物替代食盐，致体内溴含量达1700mg/L，超过正常值两百倍，确诊慢性溴中毒。该病曾在20世纪初因药物滥用流行，后近乎绝迹。

国内亦有类似事件。廖新花（化名）持续干咳数月，反复使用某AI问诊平台自我诊断，先后被提示为“过敏性支气管炎”“胃食管反流刺激”，并按推荐服用抗过敏药、抑酸剂。症状缓解后停药，复发后再服药，形成循环。八个月未就医，直至体重骤降十余斤、咳出血丝痰液才就诊。胸部CT显示双肺多发厚壁空洞、斑片状浸润影，医生高度怀疑活动性继发性肺结核，并指出若早两个月就诊，病情不会恶化至此。

AI诊疗应用已在主流购药平台普遍内置，阿里云《2025医疗健康行业AI应用白皮书》显示，国内已有101个医疗AI模型完成备案。与昂贵且限于三甲医院的AI医学影像设备不同，此类AI医生无需专业设备、无需挂号，7×24小时免费在线，接触门槛极低。

其擅长处理数据丰富、症状典型的常见病，如感冒、胃痛，可快速匹配指南推荐的非处方药或生活干预方案。许多年轻人、上班族及基层医疗资源匮乏地区居民借此获得初级咨询，减少就医焦虑。

但风险随之显现。部分用户因信赖AI延误治疗，甚至出现罕见病症复发。AI仅依赖用户主观、碎片化甚至错误的文字描述进行分析，缺乏“望闻问切”能力，无法观察面色、听呼吸、触淋巴结，也无法捕捉情绪与隐瞒病史。普通人难以准确表达医学关键细节，如干咳类型、疼痛性质，轻微信息偏差即可导致误判。

此外，大模型对疑难杂症识别能力有限。许多重症早期症状与普通疾病相似，如肺结核初期表现为干咳、盗汗，系统性红斑狼疮以低热、关节痛起病。AI基于高频数据训练，易将高危害低概率疾病归类为常见病，错过黄金治疗期。

更根本问题在于技术“幻觉”。大语言模型并非检索事实，而是预测最可能文本，可能虚构药物名称、编造临床指南，或提出“用溴代替氯”等明显错误建议。而所有平台用户协议均注明“建议仅供参考，不构成医疗行为”，规避法律责任，致责任归属难以落实。

行业正探索应对措施。训练数据源被限定于高置信度数据库，仅采用权威医学期刊与临床指南，以提升建议科学性。部分产品定位转向后台支持角色，帮助整理结构化病历供医生参考，而非直接输出诊断结论。

垂直领域成为发展重点。开发者放弃打造全能家庭医生，转而专注皮肤病图像识别、糖尿病管理、眼底筛查等专科场景，通过高质量数据精调模型，提高准确性并满足监管要求。

当前有效AI医疗应用均锚定于人类医生判断框架内，服务于专业诊疗流程。OpenAI已限制ChatGPT提供具体诊断或用药建议，用户提问头痛应服何药时，系统回复：“我无法提供医疗建议，请咨询合格的医疗专业人员。”

市面多数通用大模型的健康建议实为对公开文本统计关联的概率推测，无临床训练、未经医学验证、不具备执业资质，输出是对“人类如何回答”的模仿，非对“病情真实状态”的判断。

AI在健康监测、用药提醒、复诊随访等长期、高频、低风险场景具优势。高血压患者可获准时服药提醒，术后康复者锻炼情况可被记录反馈给医生。此类任务标准化高、容错空间大，建立在明确诊断基础上，AI作为执行者发挥作用。

但在新发症状、不明原因不适、急重症筛查或需个体化判断场景中，AI风险显著上升。便捷性可能掩盖病情，“可能是上火”等轻率判断或致错过肿瘤早期信号；自行调理建议或延误肺结核、自身免疫病治疗。

对于已在三甲医院明确诊断的慢病管理或康复阶段，适度借助AI进行日常跟踪相对安全有益，前提是AI不得越界开方、替代复诊，或造成“无需去医院”错觉。

面对身体异常信号，最安全选择仍是前往医院，面见真人医生。医学不仅是科学，更是人学，需共情理解恐惧，凭经验识别非常规迹象，依伦理权衡治疗利弊与尊严，这些为当前AI所无法复制。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。