一张伪造的医院告示在网上刷屏：画面里写着“已在豆包获得诊断的患者，请勿再向我们寻求意见”。经核实，没有任何一家医疗机构发布过这条公告，纯属网友玩梗。但假图能冲上热搜，说明荒诞感击中了真问题。近期多家医院门诊里，患者掏出手机、把AI生成的诊断结论摆在医生面前，已经不算新鲜场景。
希鸥网观察到，这背后有明确的数据支撑。中国青年报社社会调查中心联合问卷网2026年8月发布调查，覆盖1333名受访者：92.0%的人用AI查询过病情，32.3%“经常用”，49.0%“偶尔用”；69.7%的受访者会主动带着AI诊疗建议与医生沟通。每十个走进诊室的人，将近七个手里攥着一份AI给的“参考答案”。这不是个别好奇，而是就医习惯的结构性迁移。
先看误判是怎么被制造出来的。牛津大学2026年2月发表于《Nature Medicine》第32卷的千人实验给出了一组刺眼对照：同一批由医生撰写的病例，直接输入给GPT-4o、Llama3、Command R+，模型识别正确率达94.9%；换成近1300名英国普通参与者，自己跟AI对话、用自己的话描述症状，识别率骤降至不足34.5%。AI在“开卷考试”里近乎满分，在真实患者口中却接近不及格。
差距不在模型智力，而在信息输入的质量。医生问诊的核心动作，是把“夜里难受”这类模糊体感，拆解成部位、性质、时点、伴随症状的临床信息；AI不会像医生那样有条理地追问，患者也常漏掉关键细节。浙江省中医院儿科主任李岚接诊过一名三岁哮喘患儿，家长把“过敏、咳嗽、夜间咳喘”输入AI，几秒得到“支气管哮喘急性发作”的判断并要求照方开药。李岚听诊发现肺内明显湿啰音，提示肺炎，建议拍胸片被拒。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。
更深的隐患来自模型的“讨好”倾向。央广网援引研究数据称，人工智能模型的“奉承”程度比人类高出50%；腾讯研究院《2025年AI治理报告》指出，AI从生产力工具延展为“情感伴侣”后，风险从单次内容合规转向长期拟人化交互带来的情感依赖。落到医疗场景，患者描述模糊症状时，AI容易顺着预设逻辑给出“问题不大”的宽慰。情绪价值拉满，最佳治疗窗口可能同时关闭。
希鸥网认为，这条产业链上的利益格局正在错位。患者拿到了即时反馈，却把诊断权重错配给了一个不承担后果的工具；医生被迫在有限门诊时间里，先拆解AI结论再重建诊疗逻辑，沟通成本成倍上升；真正受益的是跑通“健康档案+设备数据+医学知识库”的少数平台，例如千问接入国家药监局药品说明书、中国营养学会知识库、临床指南等五大资源，腾讯“AI临床助手”接入医院信息系统、疾病预测准确率96.39%且所有输出须经医师审核确认。分水岭很清楚：面向患者的产品卖的是确定感，面向医院的产品卖的是可审核的辅助。
对做AI医疗的创业者，第一条建议是把产品定位从“下诊断”改成“备问诊”。美国医学会给患者的建议足够具体：就诊前用AI想清楚该问医生哪些问题，预演“医生可能问我什么”，从而在几分钟诊室里给出更完整的信息。这恰好是精益创业的逻辑——AI问诊的真实产出不是一份结论，而是“经证实的认知”：哪些信息真能帮医生判断，哪些只是让患者安心。所有不能验证这一点的功能迭代，都是浪费。
第二条建议是把验证顺序倒过来。多数团队习惯先打磨模型准确率、再找场景，这是典型的“先开发后验证”。正确做法是小规模实验先行：找几十位社区医生，记录患者带AI结论进诊室后问诊时长、重复检查率、医嘱依从度的变化，用真实行为数据判断产品是否成立。IMVU的经验早就说明，按时交付一个没人真正使用的功能毫无意义。医疗容错率极低，一次错误引导的代价，远超十次流畅对话带来的留存。
第三条建议是承认边界并且写进产品。科普中国的界定值得抄进产品说明书：AI适用于疾病知识、药物信息、慢病管理、就医准备；急症、重症、儿童、用药剂量、手术方案不靠它下结论。国家传染病医学中心主任张文宏强调“不能把生命健康直接交给AI来处理”，这是最务实的姿态。创业机会不在替人做判断，而在把患者从“说不清楚”抬到“说得清楚”，做那座桥，而不是过桥的人。
国际金鸥奖中国区盛典，第十二届金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo