AI问诊，靠谱吗？
2025年年底的北京，AI医疗问诊广告铺天盖地，从电视节目、手机软件到公交车站、商务楼电梯，随处可见。
被魔性广告词“洗脑”的刘玉，今年30岁，却患有大大小小五六种慢性病，每个月都得跑两三次大型三甲医院，一次就得耗费四五个小时的时间。抱着试一试的好奇心态，她下载了广告中的AI问诊软件，尝试让“AI医生”为自己看病。
受访者供图
刘玉点开屏幕、打开软件，AI问诊的界面简洁明了、操作直观。她按照提示详细描述了皮肤症状，并上传了红疹照片，询问是特应性湿疹还是过敏。不到一分钟，AI就反馈了“特应性湿疹”的初步判断，并附上了用药建议和药品购买链接。
受访者供图
短短几分钟，刘玉就完成了以往需要数小时才能走完的问诊、开药、购药全流程。她既惊叹于这种高效，又隐隐担忧AI是否真的靠谱。在她看来，或许能胜任日常健康咨询，但真生病时，她仍会选择去医院，找真人医生确认AI的判断。
AI问诊在国内并非新鲜事物。2025年起，随着国产大模型技术实现显著突破，多家企业纷纷推出医疗智能体产品，如医联的“未来医生”、京东健康的“AI医生大为”、蚂蚁集团的“阿福”、阿里的“夸克健康”、百度健康的“文心健康管家”、讯飞医疗的“讯飞晓医”、字节跳动的“小荷AI医生”等。
然而，疑问也随之而来：AI问诊是否真的可信？它会“胡说八道”吗？能在多大程度上替代真人医生？用户的医疗数据又如何得到保护？这些问题，正成为公众关注的焦点。
AI为啥能看病？
“事实上，从搜索引擎时代开始，医生对专业知识的垄断就已经结束。”在北京大学医学人文学院教授王岳看来，AI问诊的出现并不突然，它更像是搜索引擎的“进阶版”，能够为患者提供量身定制的回答。
相比于DeepSeek、豆包等通用大模型，医疗类AI产品需要更专业、更可靠。据京东健康探索研究院专家刘慧介绍，AI之所以能“像医生一样看病”，关键在于医学知识的“投喂”和真人医生的“辅导”。
AI医生“出师”前，需要经历两大阶段的训练。首先是“上学”，就像医生在学校上课一样。通过输入大量公开的医学资料，如教科书、指南、药品说明书、学术论文或院内病例数据，让AI掌握基本的医学知识和诊断方法。
接着是“实习”，类似于医生在医院“规培”。使用数万条真实医患问诊样例，让AI学习标准问诊流程，锻炼AI的推理能力和表达水平，使互动更贴近实际的医患交流。最后在模拟环境中与虚拟病人进行交互，通过真实医生打分反馈来迭代优化，提高准确性。
当前市场上各公司的AI问诊产品，功能大同小异，主要可以分为“给普通病人用的”和“给医生用的”两大板块。以京东健康的产品为例：第一类是健康AI专业角色，即AI健康助手，如AI医生、AI营养师等，适配线上场景的疾病症状咨询、健康管理、药品使用、健康商品导购等场景。
对于这类“给普通病人用的”的产品，用户只需要在产品界面，按照AI的引导，一步步输入症状、患处照片，AI便能给出咨询建议，如病情有多严重、该做什么检查、吃什么药、平时要注意啥。
第二类则是医生助手，这类产品类似于专业版的DeepSeek。医生在诊断或科研中遇到问题时，AI医生助手产品能够查询出相关的指南、论文，并基于这些专业资料回答医生问题，帮助医生科学决策；在医生线上诊疗流程中，还可以自动生成病历摘要、推荐检查项目或预警药物相互作用等，提高医生诊疗效率。
“AI问诊的优势就是两个字——方便。”王岳长期从事医患关系研究，他表示，由于国内目前尚未建立完善的分级诊疗制度，民众生病后不愿找基层全科医生，而是直接涌向三甲医院，导致三甲医院人满为患，就医体验不佳，被戏称为“排队两小时，看病五分钟”，“患者抱怨，医生也疲惫”。
因此，AI问诊成为一种自然选择。“全天24小时在线，不用排队随时都能用，怎么问都不会烦”，王岳认为，除了方便病人，AI还可以减轻医生工作强度，处理常见病诊断，从而释放医生精力处理更复杂问题。
“无论是AI帮忙问诊，还是帮忙做手术，实际上都是为医生提供便利，缩短了医生的学习曲线。”北京市海淀医院院长张福春认为，对于诊疗水平不足的年轻医生和基层医院而言，如果能借助AI“习得”优秀医生的经验和能力，是一个难得的“弯道超车”的机会。
AI误诊有谁负责？
不少人都曾遇到过AI看似专业却给出错误信息的情况，因此，“AI的问诊结果是否可信？如果出现误诊，责任该由谁承担？”成为公众和医生共同关注的问题。
对此，刘慧认为，首先需要明确一个基本认知：AI的目标是模拟真人医生的远程问诊，而不是取代线下问诊。“网络问诊永远无法替代物理检查，比如验血、CT扫描，或是中医的望闻问切。即便对面是真人医生，远程问诊也存在这样的局限性。”
因此，目前AI问诊更适合用于“看影像片子”“看体检报告”，处理一些轻微症状或突发状况，例如夜间发烧、腹泻或小伤口处理；同时也可用于慢性病管理、分诊建议等。而对于复杂或疑难病症，仍需前往实体医院就诊。
针对大模型与生俱来的“幻觉”，即一本正经地胡说八道，刘慧解释说，这是大模型这种生成式技术本身的特点造成的，在医疗领域，这是致命伤。为了解决这个问题，最直接的办法是使用专门为医疗领域研发的AI模型，且在知识检索增强（RAG）阶段仅采用医疗循证知识库，而非检索网络公开资源，这样能确保它的判断都是基于真实的医学文献和病例记录。
刘慧还提到，和其他“黑盒”AI产品不同，医疗AI需要像“白盒子”一样透明。也就是说，AI得出的每一个参考建议都要有明确的证据支持，可以追溯来源，这样才能验证这个结论是对是错。
不过，另一个挑战是患者常常表达不清，说话比较随意，可能会漏掉一些关键信息。这导致AI在初期可能会理解错误。但据刘慧介绍，通过用大量真实的医患对话数据训练后，现在的AI已经能更好地理解言外之意，或对用户表达模糊的话进行主动澄清。
例如，用户说“老人经常呕吐白痰”，大模型会主动问询是呕吐行为，还是咳痰行为，并解释两种行为的特点和区别。因为“呕吐”和“咳痰”指向的是不同系统的疾病方向，需要鉴别清楚。
在准确性评估上，刘慧表示，目前京东健康AI辅助诊断的top5准确率（即给出的五个诊断建议中包含正确答案的概率）达97%，第一个建议正确率约80%。测试使用了数万条历史病例数据，并以线下医生的诊断结果作为标准答案。
目前，关于“如果AI误诊该由谁负责”的问题，还没有专门的法律规定。北京航空航天大学法学副教授赵精武指出，AI问诊并不能独立完成诊断或治疗，它更像是一个医疗小助手，最终的诊断结果还是由医生决定，因此医疗事故的责任仍然由医生或相关医疗机构承担。
赵精武进一步解释，AI问诊结果不准确是技术发展过程中的客观现象，法律上不可能要求开发方为技术无法实现的目标负责。但如果开发方或服务商在宣传中夸大AI的准确性，导致患者相信错误结果而受到伤害，那么他们可能需要承担产品责任。
现在，市面上的AI问诊软件几乎都会标注类似“建议仅供参考，如有健康问题请及时就医”的提示。刘慧介绍，现在业内对“AI+医疗”的共识仍是“辅助诊疗”。
“就怕医生像AI”
“如果AI足够可靠，未来愿意接受它的人肯定会越来越多。”刘慧展望说，长远目标是让AI成为用户的全周期健康助手，就像欧美的家庭医生或全科医生一样，从疾病预防、诊断辅助到康复，都能提供优质服务，从而缓解医疗资源分布不均的问题。
但要训练出可靠的AI模型，离不开高质量的医疗数据。然而，多位业内人士指出，目前国内医疗数据共享不足，且缺乏统一标准，制约了AI医疗产业的发展。
实际上，中国并不缺少医疗数据。国家卫健委发布的卫生年鉴显示，2024年全国卫生机构总诊疗人次高达101.5亿，由此产生的医疗数据预计超过百亿条。
但问题在于，各家医院的数据标准不统一，质量参差不齐，不少数据还存在错误、遗漏或不完整的情况。此外，大量数据是以文本、影像等非结构化形式存储的，管理和整合起来相当困难。
目前，京东健康的医疗数据主要来自京东互联网医院、有课题合作的大型公立医院和区域数据中心。刘慧建议，在加强隐私保护的基础上，应提升数据的一致性和质量，实现不同医院间患者病历的互联互通，从而支持AI模型的持续学习。
政策层面也在积极推动。2025年12月，北京市卫健委发布文件，明确将汇总医疗数据、制定高质量数据标准，并对这些数据合理估值后逐步向社会开放。上海和浙江也有类似政策出台。
监管上，王岳建议采用社会共治模式，让政府、行业协会和企业共同参与。“AI的技术壁垒极高，政府管理人员往往难以深入理解复杂算法，单靠政府监管不现实。”他认为应当对AI运营商实行“无过错责任原则”，即一旦发生损害就需负责，除非能证明无过错，并通过保险来分散风险。
刘慧则强调需要明确各方责任，比如研发方负责算法安全和数据合规，医疗机构管理使用和患者安全，监管方监督执法和制定标准，用户也应理性看待AI参考建议。
她提议借鉴自动驾驶的分级制度，为医疗AI制定规范。例如，L1级别可用于信息辅助，L2级别可提供提示建议，而更高级别需谨慎应用。这种分级标准有助于明确AI的应用边界，让产品设计更有标准可依。
王岳分享了自己使用AI看病的经历。去年，他因为喉咙不舒服咨询AI，结果AI说可能是肿瘤，吓了他一跳。不久他挂了线下专家号，“医生只用压舌板看了看就判断我得的是普通咽炎，作为老师，这是很常见的毛病。”
王岳认为，这正是AI最大的局限性——忽略每个人的差异。比如，如果多个病人描述相同的症状，AI可能会给出统一的诊断，但医生会通过观察个人情况得出不同结论。
但更让他担心的是，“现在一些医生过度依赖检查报告和影像片子，像‘流水线上的产业工人’一样看病，而不重视临床经验和技能，这种机械性的工作AI完全可以取代。不怕AI像医生，就怕医生像AI。”