深夜突发腹泻、换季莫名咳嗽、皮肤长出不明红疹……不想折腾去医院急诊，掏出手机搜一搜，立刻跳出一堆“AI免费问诊”、“智能医生24小时在线”。输入几句症状描述，马上就能收到一份像模像样的“诊断报告”，连用药建议、注意事项都列得清清楚楚。

不用排队、不用挂号、不用花钱，随问随答。如今，各类通用大模型、专属医疗AI、智能问诊工具已经逐步渗透普通人的生活，成为大众处理日常小病小痛的重要渠道。AI问诊的全民推广，确实解决了传统就医的诸多不便，但在极速走红的背后，亟需停下来想一想：这些隔着屏幕的“AI医生”，到底靠不靠谱？普通人该如何分清它的能力边界，真正做到“安全、理性、适度”地使用AI看病？

对大多数普通人而言，生活中遇到的大多是轻微、短暂、反复的日常不适：普通感冒、轻微腹泻、皮肤过敏、熬夜头晕、肌肉酸痛等。这类问题算不上急症大病，没必要耗时耗力跑医院。挂号、排队、候诊，折腾大半天，最后可能医生也就说两句、开几十块钱的药，时间成本远大于看病本身。但完全硬扛又容易心里不安：万一不是小问题，拖着会不会延误病情？

AI问诊的快速普及，并非单纯的技术噱头，而是精准填补了大众日常就医的真实缺口。传统医疗体系中存在“小病不值得就医、大病难以尽早识别”的问题。过去人们大多通过网页搜索的方式查询健康知识，这一方案能解决部分健康咨询需求，但它本身又产生了新的问题：公众需要自行筛选海量零散的网页信息，但网上信息良莠不齐，难分真假，甚至越搜越恐慌。AI问诊方便快捷，在交互式对话中，公众可以详细描述症状，遇到不懂的地方也可以反复追问。相较于传统的网页搜索，AI问诊具有显著优势。北京大学王岳教授认为，AI问诊更像是搜索引擎的“进阶版”[1]。

与此同时，大模型技术快速普及降低了智能问诊的落地门槛，精准回应了大众的健康咨询需求。现在，免费AI问诊的入口随处可见：抖音内嵌的小荷AI医生、百度搜索自带的文心健康管家、支付宝的蚂蚁阿福，还有京东健康AI医生大为、讯飞晓医等产品，打开手机直接输入症状，马上就能获取健康建议，方便快捷，响应及时。

从大众心理角度来看，AI问诊还有一个独特优势：无压力沟通。很多人面对医生时，容易紧张、表述不清、遗漏细节，尤其是隐私相关病症。而面对机器，可以反复修改描述、追问细节，无需担心麻烦别人，涉及隐私问题时心理压力也更小，沟通负担更低。

在庞大的市场需求和多重优势叠加之下，AI问诊迅速火爆起来。但火爆的背后，大众往往忽略了一个核心问题：便捷性，不等于准确性；速度快，不代表安全性高。

当前大多数民用AI问诊的底层逻辑可以概括为：以大语言模型为核心[2]，通过症状语义识别提取用户信息[3]，依托医学知识库做内容约束[4]，最终生成对话式健康建议。比如，当你输入“头痛、恶心、乏力”等症状，AI会基于海量医学文本、诊疗指南、公开病例中学到的症状与疾病的关联规律，通过大语言模型生成通顺、完整的答复。简单来说：AI是在“匹配答案”，而不是在“诊断病情”。

目前，多项研究明确指出，民用AI问诊存在结构性短板，也是它永远无法替代医生的核心原因。

第一，AI问诊依赖用户主观描述，而在医疗实践中，普通人描述症状经常出现片面、主观、遗漏关键细节的情况，极易造成信息偏差，进而导致判断偏差。牛津大学团队研究发现，缺少医生式的结构化问诊引导时，普通用户对症状的描述模糊且不完整，是AI漏诊的核心机制[5]。另一项同行评议研究指出，用户的提问方式、信息完整度直接决定AI医疗回答的准确性[6]。

第二，AI存在急症低估风险。《自然・医学》（Nature Medicine）的相关模型研究显示：通用AI问诊对超过半数的急症案例会低估病情紧急程度，将部分需要立刻急诊的危重症状，判定为普通轻症，建议居家观察、延后就医，极易耽误黄金救治时间[7]。

第三，大模型普遍存在“技术幻觉”，这是生成式AI的共性缺陷。比如，AI会在信息不足时强行给出确定性结论，学术上称为“过早闭合”（Premature Closure）[8]。另外，针对罕见病等低数据量的场景，AI幻觉高发。极端情况下，即便面对完全虚构的疾病，AI也会一本正经地给出病因分析与处置建议[9]。

第四，AI无法区分个体差异，往往只能输出通用模板答案[10]，容易给出千人一方的通用建议，存在安全隐患。与此同时，人群层面的算法偏见同样值得关注，属于医疗AI公平性领域的核心议题。

既然AI问诊有明显短板，是否意味着我们需要彻底摒弃、完全不用？答案是否定的。更理性的态度是：AI问诊作为优质的健康辅助工具，但绝对不能成为诊疗决策工具。

首先，针对纯健康科普类信息，AI完全可以胜任。比如“高血脂不能吃什么”、“脂肪肝的饮食建议”等。其次，针对已经确诊的疾病，AI问诊是很好的日常护理和康复咨询工具。但是疾病确诊、病情判断、用药选择等，必须交由专业医生完成。再次，急症、重症，直接就医。如果出现剧烈疼痛、胸闷气短、呼吸困难、意识模糊、大量出血、持续高热不退等情况，直接就医，切勿拖延病情。

从搜索引擎普及到生成式AI问诊兴起，医疗领域的信息化进程持续打破医生对医学信息的垄断、重塑健康服务的形态，但诊疗决策的核心专业权威始终锚定在执业医师体系，这也决定了我们必须审慎看待AI问诊技术。

医学从来就不是简单的“症状对应疾病”的匹配游戏。它面对的是一个个活生生的人，有复杂的个体差异，有千变万化的病情，有需要谨慎排除的风险，还有需要安抚的焦虑情绪。智能时代的健康自律，不是事事依赖AI，而是懂得利用工具、守住医疗边界。把AI当作健康科普助手，把诊疗权交给专业医生，不盲从、不迷信、不依赖，才是普通人最安全、最理性的就医方式。

（作者：姚月，上海交通大学科学史与科学文化研究院博士生；审核专家：李侠，上海交通大学科学史与科学文化研究院教授）

图片来源：科普中国素材库

[1] 央视网. AI问诊，靠谱吗？[EB/OL].(2026-02-10). https://hqtime.huanqiu.com/article/4QJPOj2Ty4s.

[2] 庄严,张军雁,卢若谷,等.基于医学大模型的智能问诊助手构建研究[J].解放军医学院学报,2025,46(2):126-133.

[3] Murali S, Patel A, Shah M. Towards Explainable Conversational AI for Early Diagnosis with Large Language Models[EB/OL]. arXiv:2512.17559, 2026-08-24.

[4] 马鑫,王芳,张峰,等.慢性病智能医疗问答系统构建与评价：一种基于GraphRAG与MoE的混合建模方法[J].情报学报,2026,45(3):447-462.

[5] Morning Overview. Study finds chatbots miss diagnoses because users describe symptoms poorly[EB/OL].(2026-04-02).

https://morningoverview.com/study-finds-chatbots-miss-diagnoses-because-users-describe-symptoms-poorly/.

[6] Lim K H, Kang U, Li X, et al. Susceptibility of Large Language Models to User-Driven Factors in Medical Queries[J]. Journal of Healthcare Informatics Research, 2025: 1-15.

[7] Ramaswamy A, Tyagi A, Hugo H J, et al.ChatGPT Health performance in a structured test of triage recommendations[J]. Nature Medicine, 2026, 32(5): 1671-1675.

[8] Handler R, Bedi S, Shah N H. Quantifying and Mitigating Premature Closure in Frontier LLMs[EB/OL]. arXiv, (2026-05-14). https://arxiv.org/abs/2605. 15000.

[9] 李思辉,周欣怡.科学家编造出一种疾病，骗过AI，甚至还被正式论文引用了 [EB/OL]. (2026-04-20). https://news.sciencenet.cn/htmlnews/2026/4/563366.shtm.

[10] 丁文婧.“助手”还是“杀手”：用ChatGPT求医问药的风险分析[J].医学与哲学, 2023, 44(23): 22-25.

【博主跋】这篇小文章发在《科普中国》2026-10-14，是本系列的第十八篇文章，与邹老师合作愉快，是为记！

2026-10-18凌晨于南方临屏涂鸦

支持单位：