一张网友恶搞的“门诊告示”刷屏了。上面写着“已经在豆包获得诊断的患者，请勿再向我们寻求意见，请改向千问或者元宝咨询”——医院没贴过这张纸，但无数医生在转发时心照不宣。玩笑背后，是真实到有些荒诞的现实：患者先问AI、再考医生，诊室里凭空多出一个“看不见的第三方”。

这并非中国独有的现象。全球范围内，大语言模型正以前所未有的速度渗入医疗场景，而医生们对此的态度，远非“抵制”或“拥抱”这样简单。

网友玩梗图

在复旦大学附属华山医院感染科主任张文宏明确拒绝将AI引入电子病历系统的同时，更多医学专家从不同角度划定了AI的边界。

世界中医药学会联合会中医药大数据产业分会副会长黄新霆的表述更为直接：“AI存在知识不全面、信息滞后等问题，导致大模型在患者诊断和处置上存在大量错误，因此不能作为医疗决策依据。”他援引大阪都会大学2025年的研究数据：生成式AI模型的平均诊断准确率为52.1%，与专家医生相比差距达15.8个百分点。黄新霆建议患者将AI定位为“医学科普工具”和“沟通助手”——用于理解症状可能指向什么、检查指标什么含义、就医前该准备什么，而非替代医生的专业查体与综合判断。

全国政协委员、北京大学第一医院心内科首席专家霍勇则从体系建设角度提出了“分类分级”的治理思路。他认为，应根据不同场景的应用价值和风险等级，明确各场景下AI的能力边界和权责，推动医疗机构、模型厂商、第三方机构协同建立行业公认的评测标准。这一思路与ESMO发布的《人工智能大语言模型在肿瘤临床实践中的应用指南》不谋而合——该指南将LLMs应用划分为“面向患者”“面向医护人员”“后台管理”三类，并确立了“人机协作、人类主导”的风险防控原则。

全国政协委员、中日友好医院原副院长姚树坤的关注点更偏向“建设性”的一面。他与贾楠委员联名建议推广“城市级医疗健康智能体”，将AI定位为串联“防治康管”全链条的服务工具，重点解决“排队多”“多头跑”等就医痛点，同时强调在个人授权基础上打通健康数据，为居民提供连续性的健康管理。

这些声音的共同底色是清晰的：AI可以赋能，但不能主导；可以辅助，但不能替代。

人民日报健康客户端报道的案例中，一位眼科医生接诊了急性闭角型青光眼发作期的患者。标准流程是先抗炎降眼压，待病情稳定后再行激光或手术。但患者执意要求直接激光治疗，理由是“豆包是这么说的”。医生不得不反复解释，耗费大量时间在“纠正AI”而非“治疗疾病”上。

图片AI 生成

更令人不安的是那个被反复引用的“溴中毒”病例。一名60岁男子向ChatGPT询问“盐能不能用别的东西代替”，AI推荐了溴化钠。他照做了，每天用溴化钠替代食盐，三个月后因严重溴中毒被送入精神病院——神志不清、被害妄想、幻听幻视。研究者用同版本模型复原对话后发现，AI在回答中加了一句“要根据具体情况判断”，但既未阻止，也未明确警告“这不能吃”。

图片AI 生成

这两个案例揭示了AI问诊风险的两种形态：一种是“自信的误导”——AI用流畅的语言给出看似合理的错误建议，患者缺乏辨别能力；另一种是“无责任的建议”——AI不必为它的输出承担任何后果，而患者可能付出健康甚至生命的代价。黄新霆的警告因此显得格外恳切：AI说错了不担责，风险全要由患者自己扛。

患者为什么不先问医生？数据给了最直白的答案：挂个号排队两小时，看诊可能只有三分钟。“医生看病就像过安检，话还没问完，安检就结束了。”这条微博评论获得过百点赞，也道破了AI填补的真正空白。

绍兴市人民医院胸外科主任医师王彬的经历颇具代表性。一位患者因CT报告中的“3mm肺结节、部分密度淡薄”，被DeepSeek提示“有肿瘤性病变的可能”，吓得忐忑不安。王彬逐帧查看CT后判断为良性结节，患者才如释重负。另一位患者带着AI提示的“恶性肿瘤”报告来问诊，王彬发现那颗结节十年未变化，同样是良性。王彬的做法是：不把患者的质疑当冒犯，而是用几分钟解释“为什么AI说的不对”。

但“补位”不等于“替代”。医学的本质是“望闻问切”——AI无法触摸脉搏，无法观察患者的表情和体态，无法在对话中捕捉那些未被言说的信息。临床诊断从来不只是数据的匹配，而是医生将知识与经验、观察与判断融为一体的认知过程。《Journal of Evaluation in Clinical Practice》2026年发表的一篇论文指出，算法诊断给临床医生提出了一个全新的认知挑战：“这个输出对这位患者可靠吗？”——这个问题无法靠临床经验回答，它需要的是对系统如何被训练、如何被验证、在什么条件下可能失效的理解。

监管层面已经有了动作。《互联网诊疗监管细则》明确规定人工智能不得替代医师提供诊疗服务，处方严禁AI自动生成。五部门联合印发的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》将AI定位为“辅助型”，要求建立“数智赋能、人工复核、全程留痕”的人机协同机制。但正如许多医生和评论者指出的，对于AI辅助问诊引发的具体问题——医生对AI结果的校验义务如何界定，患者使用AI获取诊断建议的行为如何规范，损害发生后责任如何分配——清晰的判定标准仍然缺席。

编后语

那张“门诊告示”是假的。但它所描述的现象是真的，医生们的疲惫是真的，患者的焦虑是真的，医患之间那条被时间压缩到几乎消失的沟通通道也是真的。AI不是问题本身，它是问题的一面镜子。当患者转向AI，他们用行动表达了对“三分钟门诊”的不满足。与其追问“AI能不能看病”，不如追问：我们能不能让医生有时间看病？

内容来源：搜狐健康，医视界综合整理。

-广告-

医视界MVW

点击上方名片“医视界MVW”

右上角“...”点选“设为星标”

设为★标 不再错过推送

医视界MVW