患者自带AI诊断进诊室，医生为何先叹气？

近日，一张劝患者不要携带 AI 诊断结果到医院寻求意见的恶搞图片在网络上传播。图片内容称，已在 AI 大模型获得诊断的患者请勿再向医生寻求意见。

图片并非具体医院张贴的真实告示，却戳中了一个正在发生的变化：当患者可以随时向 AI 描述症状、上传检查报告，甚至询问用药方案，诊室里便多了一个看不见的 ” 第三方 “。

它可能帮助患者理清病情，也可能让患者在见到医生之前，就已经认定自己得了什么病、接受什么治疗。当 AI 给出的答案与医生的判断不一致，患者究竟该相信谁？

近日第一财经记者采访了多地医生、患者及法律人士。从医生的无奈，到患者的困惑，再到医院将 AI 引入预问诊、病历书写和辅助诊断，AI 正在重塑医疗服务各环节。真正的问题不是患者该不该问 AI，而是当 AI 进入医疗场景，如何让它成为医患之间的桥梁，而不是新的矛盾点。

带着 AI 诊断走进诊室

北京三甲医院康复科医生刘随，日常接触的老年患者居多，直接拿着 AI 诊断结果来问诊的情况并不常见。不过，她对这类现象并不陌生。

让她有些反感的，是患者在就诊前被 AI 给出的结论 ” 框住 “。如果医生检查后得出不同判断，患者便可能产生疑虑，甚至质疑医生的专业能力。原本正常的诊疗沟通，也因此多了一层解释成本。

前段时间，她接诊了一名腰部扭伤患者。患者此前问过 DeepSeek，得到的判断是急性腰肌损伤，并据此认为自己应尽量避免活动、平躺静养。但临床检查发现，患者的实际问题是下肢关节紊乱。据此接受相应治疗后，患者的症状已有明显好转，只是在久坐后仍有不适，因而需要加强理疗。

该案例中，AI 并非完全没有提供信息，而是它给出的判断过早成为患者理解病情的框架。患者可能据此采取不适合自身情况的应对方式，也可能在医生提出不同判断时产生困惑。

类似的情况几乎发生在各个科室。

中山大学孙逸仙医院胃肠外科主治医生朱满生曾遇到患者家属在术前通过 AI 检索胃癌手术相关资料，进而要求手术清扫淋巴结必须达到 30 枚以上。

家属的依据并非毫无依据：近年来，确实有研究关注更充分的淋巴结清扫与胃癌患者预后的关系。但手术方案并不能简单地根据一个数字决定。肿瘤分期、患者具体情况以及术中实际能够识别和清扫的淋巴结数量，都需要纳入判断。部分早期胃癌患者能够检出的淋巴结数量本身就可能较少。

AI 能够快速检索出一个看似明确的医学结论，却未必能让普通人同时理解它成立的条件。

这恰恰是医疗信息与临床决策之间的距离。医学知识可以被搜索，诊疗方案却需要结合具体患者作出判断。

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。

当患者把 AI 当作 ” 家庭医生 “

如果说带着 AI 结论走进诊室，主要考验的是医患沟通，那么根据 AI 建议自行用药，则可能直接影响患者的健康。

河南一家三甲医院急诊科医生张枫曾接诊一名三十多岁的男性患者。患者就诊时，肝功能指标明显异常，转氨酶达到正常上限的十几倍。

追问病史后，医生了解到，患者半个月前出现乏力、食欲下降、尿黄等症状。他没有第一时间就医，而是将症状输入 AI，并根据结果自行购药。

医生认为，自行服用的药物本身存在一定肝毒性风险。患者最终通过停用相关药物及对症治疗得到控制，但原本可能通过及时就诊处理的问题，发展为需要住院治疗。

这个案例呈现出 AI 健康咨询最危险的一种使用方式：从症状推测直接跳到自行治疗，中间缺少必要的检查、鉴别诊断和用药风险评估。

AI 可以列出多种可能性，却不一定能在信息不完整的情况下准确识别最需要优先排除的危险疾病。即便药物名称本身没有问题，患者的基础疾病、既往用药、药物相互作用以及肝肾功能，也可能改变用药的风险。

北京三甲综合医院医生邓娜向记者表示，接诊时遇到带 AI 问诊结果就诊的患者并不多：老年人大多不会使用 AI 工具，年轻人虽会携带 AI 诊断结论，但多用来作为参考和医生探讨。

她认为，低端 AI 难以产出严谨诊疗结果，高端大模型即便在输入完整病历、检查数据后给出参考意见，也会提示患者前往正规医院筛查。不少患者会转述 AI 给出的病症判断，但在医生说明需要通过检查才能确诊后，大多会听从。

更多的年轻人熟练掌握给 AI” 喂 ” 数据。95 后女生李可习惯在医院检查报告出来后，将报告交给 AI 解读。对她而言，垂直医疗 AI 工具能够帮助理解专业术语、梳理异常指标，有时给出的分析与报告中的初步判断也比较接近。

问题在于，检查报告并不是诊断的全部。李可发现，医生的结论与报告以及 AI 的推测有时并不一致，治疗建议也随之不同。她最终还是选择听从医生的判断。

另一位受访者王欣则更多使用 AI 处理感冒、摔伤、肠胃不适等日常健康问题。AI 有时能够提供有用的参考，但她也遇到过上传不同时间拍摄的摔伤照片后，AI 将恢复后期的状态解读为伤情加重的情况。纠正图片的时间顺序后，AI 又改变了判断，这让她对其可靠性产生了怀疑。

这些体验揭示了患者使用 AI 的真实处境，它确实降低了获取医学信息的门槛，却没有同步降低判断信息真伪的难度。

复旦大学老龄研究院披露的一项调研显示，受访医生中，约七成表示曾在门诊遇到患者使用 AI 查询健康信息。73.33% 的医生担心 AI 会增加患者对疾病诊治的误解或焦虑，81.33% 的医生担心 AI 建议缺乏个体化。

当 AI 与医生的判断不一致时，48% 的受访医生选择结合 AI 内容与患者进一步讨论，20% 选择详细解释差异原因，直接否定 AI 内容的仅占 2.67%。

这组数据表明，医生更倾向于把 AI 带来的疑问纳入诊疗沟通，而不是简单拒绝讨论。对于医生而言，患者带着问题而来未必是坏事。真正需要解决的，是如何把问题从 “AI 说我得了什么病 ” 转变为 ” 我为什么需要做这些检查，医生的判断依据是什么 “。

AI 医疗责任如何划分？

因 AI 误诊或不当医疗建议而导致患者受损的案例目前已经出现。

2025 年 5 月，美国加州 19 岁大学生 Sam Nelson 在服用卡痛叶后感到恶心，向 ChatGPT-4o 咨询用药问题。

根据家属诉状，ChatGPT 虽然提示药物混用存在风险，却仍提供了 0.25 至 0.5 毫克阿普唑仑的具体剂量建议，并提及苯海拉明。家属称，Sam 随后服用相关药物并饮酒，最终死亡。2026 年 5 月，其父母起诉 OpenAI 及其 CEO Sam Altman，指控模型存在设计缺陷、安全防护不足。OpenAI 否认相关指控。案件仍在审理中，相关事实和责任尚待司法认定。

类似事件责任应如何划分？上海大邦律师事务所高级合伙人游云庭向记者表示，关键在于区分医院使用 AI 辅助诊疗与个人直接使用 AI 问诊两种场景，并依据现有法律判断相关主体是否存在过错。

游云庭表示，按照我国现行法律，医疗 AI 属于辅助工具，不能独立出具具有法律效力的诊断结论或处方，相关医疗文书必须由执业医师审核、确认并签署。因此，如果医院使用 AI 辅助阅片或分析病例，最终采信其建议造成患者损害，首先由医疗机构对患者承担相应责任。医院可以进一步追究相关医务人员的责任；如果损害与医院部署的 AI 设备存在算法、模型或训练数据缺陷有关，还可以依法向设备或服务提供方追责。

对于患者直接向 AI 咨询并依据回答采取行动的情况，责任判断则要看服务商是否尽到风险提示义务，以及问题本身的危险程度。

游云庭认为，面对可能危及生命的用药问题，AI 不应直接给出可能引发危险后果的操作建议，而应提示用户向医生咨询或及时就医。如果服务商未采取合理的安全防护措施，可能需要承担相应责任；其他情形则需结合平台提示、用户行为及损害后果具体判断，不能一概认定由平台或用户单独负责。

目前，我国尚无专门针对人工智能诊疗责任认定的具体法律规则，相关纠纷主要仍依据现有法律中的过错责任原则处理。游云庭表示，法院判断责任时，会重点考察 AI 产品或服务是否存在缺陷、医生或平台是否履行告知义务，以及医院是否保存完整的诊疗记录等。

医生也在用 AI

患者在诊室外使用 AI，只是 AI 进入医疗体系的一面。AI 也正在医院内部加速落地，从病历书写、预问诊到辅助诊断、康复管理，逐步融入诊疗流程。

在广州医科大学附属第一医院，AI 已经进入预问诊环节。该院副院长、国家呼吸医学中心副主任梁文华介绍，患者可以在到院前或到院后上传资料，由 AI 主动追问相关信息、收集病史，并自动生成病历初稿，再由医生复核。

AI 也开始参与更复杂的临床研究。

他参与牵头开发的肺癌病理基因多模态大模型 DeepGEM 2.0，探索通过病理信息对特定基因突变进行前置预测，再结合针对性基因检测进行验证，以期降低部分检测的时间和费用成本。

传统检测方式可能需要逐项筛查，也可能采用覆盖大量基因的二代测序。AI 前置预测有望帮助医生优化检测路径，但其临床价值仍需要通过持续研究和循证证据验证。

在中山大学孙逸仙医院，朱满生所在团队使用 AI 语音识别系统辅助生成病历。医生在查房或与患者沟通时，系统可以根据语音内容和病历模板整理文书，再由医生检查修订。

对临床医生而言，这类工具的意义并不在于取代专业判断，而是减少文书负担，把更多时间留给患者。

互联网医疗平台也在探索类似方向。平安好医生持续推进 AI 辅助诊疗和导诊应用，大众端 AI 健康咨询规模增长，蚂蚁阿福每月健康咨询人次近 2000 万，豆包每天承载的健康咨询量超过 2000 万人次。

伴随多场景落地，AI 医疗已不再是单一产品，而是包含了不同风险等级的应用：有的用于解释术语和整理资料，有的协助医生完成病历，有的参与影像识别、病理分析和诊疗决策，还有的直接面向患者提供健康建议。

朱满生认为，患者主动查询医学资料本身是件好事，可以为医患沟通打下基础，减少部分基础科普时间。但 AI 给出结论并不意味着普通用户掌握了辨别证据质量和适用条件的能力。他期待 AI 能够用于患者出院后的随访与健康管理，帮助慢性病患者持续了解病情、调整生活方式。

医疗需要的不只是更快的答案，更是能够判断答案是否适用于具体患者的能力。AI 可以成为这套能力的辅助工具，但距离真正承担临床诊断与治疗责任，仍有距离。

文内刘随、张枫、邓娜、李可、王欣为化名

( 本文来自第一财经 )