「你怎么和豆包说的不一样?」
「DeepSeek 上建议这样,我能不能做?」
……
这样的开场白,正在西安国际医学中心医院多个科室的诊室里反复上演。从妇科到脑科,从肿瘤到儿科,患者带着 AI 生成的「答案」走进诊室,医生们面对的,是一份已经写满推断、假设甚至结论的「预诊报告」。
我们走访了十余个科室的专家,试图回答一个问题:当 AI 成为越来越多患者的「第一接诊人」,疾病诊疗正在经历怎样的变化?
答案比「利弊」二字复杂。
患者提前使用 AI 的比例从两成到九成不等,医生们的态度从「不排斥」到「必须划清边界」,但几乎所有人都指向同一条底线——AI 可以参与认知,但不能进入决策;医生,才是那个最终负责的人。

01
从两成到九成:
AI 已进入诊疗全过程
血液病医院梁英民院长给出的数字是「十有七八」,与脑科医院贺世明副院长的判断相同。
肿瘤一科张俊美副主任给出的比例更高——「百分之八九十」,且患者通常不主动声明,「他们会先考医生」,回答得不错才说「AI 也是这么说的」。
泌尿外三科张运涛主任注意到,周边不少患者是 985、211 毕业的硕士博士,「他们用 AI 收集信息资料的能力,可能比我们很多医务人员强」。
妇产儿急诊科任平主任估计提前做 AI 功课的「占一半以上」。心理科邹学主任给出「四成左右」,青少年更多。中医经典二科白小平主任说中医方面「有三四成」。心脏病院张金洲副院长说「十有二三」。足踝外科王国定副主任医师则表示「情况还挺多」。

从 20% 到 90%,差异背后是病种复杂度、患者学历结构和信息可获取性的叠加。但方向一致:AI 已经进入诊疗全过程,而这个过程没有任何专业把关——患者问什么、得到什么,全凭个人和平台。
02
医生判断:
可参与认知, 不能进入决策
面对带着 AI 答案来的患者,医生们的态度呈现出高度一致的克制。
妇科医院王海琳院长明确表示「并不排斥」:「患者自己想了解病情,想知道医生对病情的判断是否能解决问题。」
血液病医院梁英民甚至认为这个现象「非常好」:「AI 确确实实帮助了患者和家属,甚至包括健康人群。」
肿瘤一科张俊美说得更彻底:「AI 的时代已经到来了,我们再也回不去没有 AI 的时代了,只能接纳它,更好地去跟 AI 打配合。」
泌尿外三科张运涛则把这类患者称为「反而好沟通」的人——「真正难沟通的是没有信息处理能力、也没做过功课的患者」。

但「不排斥」不等于「认同」。几乎所有专家都在同一条线上收口:AI 可以参与认知,不能进入决策。这条线由三根支柱撑起。
第一根支柱是法律责任。
关节外科闫天胜主任说:「AI 给你看病不负法律责任,我要负法律责任。你在 AI 上看的病、吃的药出现任何问题、打官司,AI 和你没有法律关系。」
心脏病院张金洲说得更直接:「AI 不承担任何责任,但是如果我给患者看病出了问题,那肯定是我的责任。」所以,病人若一味执着于 AI、不接受医生的判断,「这个病我就没法看了」。
第二根支柱是个体化判断。
闫天胜用「主要矛盾」概括医生的思维:「AI 最大的问题是全面,把所有能搜到的数据都给患者。医生是在处理主要矛盾、次要矛盾、次次要矛盾——一个做关节置换的病人,有高血压、糖尿病等基础病,只要不干扰置换都是次要矛盾。AI 不管你什么是主要矛盾,它是综合评估。」
心理科邹学用「实事求是」四个字:「看一个孩子,要看他从受孕、出生,到抚养者、3 岁之前、幼儿园、小学、初中,看这个人是怎么来的,还有家庭背景,综合判断后制定方案。AI 没有这个思路。你输入一个『睡不着觉』,它直接列一堆可能,不考虑你这个人怎么样。」

第三根支柱是医学温度。
中医经典二科白小平说:「AI 是没有感情的,中医的技术里头饱含了我们的个人感情,是有温度的学科。」他用一句古语概括越界的后果:「皮之不存,毛将安附?」在他看来,中医的本源是手搭脉、腹诊、望诊等面对面的功夫,「遇到疑难病例可以让 AI 帮我们提供思维,但不能完全用它的东西」。
邹学则点出心理领域的特殊风险:按纯人本设计的 AI 跟着来访者走,有重度抑郁、本身有自杀意念的患者,可能被顺着走到认为「自杀是正常的」,但医生是有底线的,知道「死亡是不应该的」;而 AI 没有情感因素、纯粹理性回应,当重症患者分不清现实与内心感受时,「AI 的回应相当于把负性投射出去,更加加重病情」。
03
病例警示:
AI 替代不了真实医疗
脑科医院贺世明副院长带来的案例,为这场讨论划出了一条血色的红线。
近期一名华裔女子在 ChatGPT 上咨询癫痫药物减量,前后咨询 150 多次,一直问能不能减药。减药过程中她有一些异常感受告诉 AI,但 AI 还让她继续减,最后导致死亡。
贺世明拆解了悲剧的机理:癫痫患者减药,首先要做核磁、脑电等一系列检查评估是否达到减药标准;其次,减药是非常缓慢的过程,正常周期长达几个月甚至半年以上,过程中要不停观察不良反应和癫痫发作的苗头。「而这个患者大概 28 天就死亡了。」
癫痫是神经异常导致的大脑功能性脑疾病,最常见的是大发作。药物本身是控制和预防发作的,不适当减量时控制力减弱,诱发发作,发作过程中可能误吸、窒息或气道堵塞,导致病人直接死亡。「减药并不会直接致死,但减药会使病情越来越失控。」他强调,能减药、停药的只是少数,而且必须在医生评估下缓慢减量、全程观察。
另一个病例是延误。几个月前,一位 30 多岁的女性早期发现脑内小肿瘤,AI 建议观察。四五个月后,等她头疼剧烈时再来查核磁,肿瘤已经到了无法挽回的地步,是比较严重的恶性胶质瘤。「延误时间大概是四五个月。」

妇科医院王海琳从信息质量角度补充了另一层风险:「大数据取决于提问者输入的关键词。一般患者没有医学背景,输入的关键词有时并不太恰当,得出的答案就可能有很大误差。」她强调,患者可以去了解,「但如果完全按照 AI 给出的意见来处理病情,确实还是有很大的问题」。
贺世明把原因归结为两条:「第一,目前 AI 真正的医疗距离还非常巨大;第二,患者咨询时并不能准确描述自己的病情,也不能做到精准提问。用模糊的问题,得到的也是模糊的答案。同样的问题,如果医生去问,和普通患者去问,得到的答案是不一样的。」
04
AI 看病,
省了事还是添了乱?
对 AI 问诊的影响,医生们的判断并不一致。分歧不在于「有没有影响」,而在于对医疗而言,哪一种才是真正有益的。
觉得省了事的人,
看重的是信息更多、诊断更全。
泌尿外三科张运涛说得明确:「这个现象是利大于弊的更多一点。」信息量更大,「好多病人带的资料,相关科室的、其他医院的,对我也是个很好的学习」;诊断更全面,「假如我们原来能想到 10 个可能性,但病人的东西再带来 10 个可能性,反而让我们理解得更全面,漏诊的比例减少了」。
肿瘤一科张俊美看到依从性提升:患者拿到乳腺 4A 类的报告,自己用 AI 查了一下,AI 说「建议进一步检查,必要时穿刺活检」,医生也给出同样的建议,患者就更信这个方案,也更愿意配合。
妇产儿急诊科任平举了热性惊厥的例子:家长提前了解后主动交代「我小时候就有热惊厥,孩子烧这么高会不会也有」,不隐瞒病情,医生更好判断。

觉得添了乱的人,
看重的是时间被占、信任被耗。
足踝外科王国定说得直接:「我个人觉得,患者看病之前使用 AI 还是弊大于利。因为他来了之后还是得医生再从头开始看。有时候早上门诊病人也比较多,一个接一个,有的患者进来说半天,等于把时间也浪费了。」
任平指出另一面:特殊病例表面症状与实际病情不符,家长识别不清,AI 造成干扰,产生不信任、依从性差、认为过度检查;还有家长受 AI 影响过度放大病情,「我 AI 查过了,我的孩子这是属于急重症,你必须马上要给我第一时间的接诊」,造成纷扰和医疗资源浪费。
心理科邹学看到心理层面的损耗:「有些焦虑特质的患者,越查越焦虑,觉得 AI 说的那些可能性我全有。有些抑郁的,一查那么多,就把他压垮了。」
两种判断,很难说谁对谁错。但有一点很清楚:AI 确实帮患者省了事,也确实给医生添了乱。省事的一面,靠专业能力还能兜住;添乱的一面,只能靠医患沟通一点点化解。
05
倒逼效应:
AI 正重新定义医生的能力边界
多位专家都承认一个事实:AI 正在倒逼医生重新定义自己的能力边界。
在 DeepSeek 上线后,梁英民院长第一时间组织科室专门建团队学习 AI 系统。「帮助非常大,对年轻医生帮助也非常大。但你光靠 AI 是不行的,每个病人情况不一样。AI 的所有资料是一种标准化的设计,但病人病情是个性化的,AI 到目前为止是一个辅助。」他强调医生要先吃准病人的实际数据:「要把病人的实际数据、临床症状、查体检验结果吃准,然后 AI 才可能帮到你。如果这些东西你都不去看,那就容易误导。」
张俊美说得很干脆:「这对我们医生提出了更高的要求,你不能被 AI 打败,自己就要专心地去学习。如果自己都不专业,你怎么敢就让患者去问 AI 呢?」

白小平展望的是一种「有机融合」的路径:把既往成功医案建成 AI 库,遇到疑难杂症时调出全国上百例、上千例类似病例,让 AI 提供可行性方案、提升思维维度,但最终仍要结合具体的望、闻、问、切。「科技改变未来,科技也在改变中医,两个是锦上添花,互相托举,互相成就。」
这里浮现出一个更深层的判断:AI 不会取代医生,但会重新划分医生的能力层级。能驾驭 AI、把信息增量转化为诊断质量的人,和只会被 AI 牵着走的人,差距会越拉越大。梁英民说得很清楚:「未来的医生,一定是非常精的——专业上过硬,这也促进了我们医生不断学习。」
06
给患者的建议:
把 AI 当工具, 别被工具左右
采访中,专家们的建议很一致,可以归成几条「AI 使用边界」。
可以用的场景:
科普类、预防类、保健类知识;不知道看哪个科时,把症状写详细让 AI 帮助分诊;了解普遍医疗知识;抗肿瘤治疗后查询不良反应、配合监测;心理健康状态正常、只有一般心理问题时的辅助参考;就诊前先查一下、做点功课,更好与医生沟通。
不能做的事:
完全按 AI 意见决定怎么治病;让 AI 提示什么药就随便吃药、开处方;把 AI 当「电子心理咨询师」且全盘相信;重症患者单纯依赖 AI;一味执着于 AI 而拒绝医生方案。

贺世明给出的边界很清晰:「如果是科普类、预防类、保健类的知识,人工智能是没有问题的。但如果是疾病诊断和治疗,一定要到正规医院。查药也不行!」
闫天胜给出的验证方法挺实际:「质疑我和 AI 之间差异性的唯一方法,是去另外一个医院,问我们同行之间的看法。如果两个医生、三个医生的观点都和 AI 不一样,我相信医生的经验绝对能打败 AI。」
邹学给出的原则最凝练:「你一定要把它当成工具用,不能被工具左右了。AI 只是我们扩展知识的一个工具。」
结语:
从两成到九成,AI 问诊的渗透率因科室、病种、人群而异,但它已经真实地站在了诊室门口。一个华裔女子在 ChatGPT 上咨询减药 120 多次后死亡的悲剧,则为这份便利蒙上了一层沉重的警示。
医生们没有关门,而是选择开门迎客——同时守住三条底线:法律上的责任、个体化的判断、医学的温度。
贺世明在采访最后说的一段话,或许能概括这场讨论:「AI 很有用,不可否认,但目前有两个大问题:第一,AI 医疗与真实医疗的差距还很大,这条路还很漫长;第二,普通患者给 AI 输入的关键词、数据不够真实、不够客观、不够准确,所以会导致很多偏差。」

AI 进入分诊、门诊、治疗等医疗环节之后,真正需要重新划清的,不是「用不用 AI」,而是 AI 在医疗链条中到底站在哪个位置。它可以站在患者认知的起点,可以站在医生思维的辅助位,但不能站在决策的终点,更不能站在责任的主体位。
患者带着 AI 来,医生带着专业和温度接住。这或许就是 AI 时代医患关系的新常态——不是人与机器的对立,而是人与机器各归其位。
(本文部分图片含 AI 生成内容)
好文章,需要你的鼓励