AI的用药建议可信吗?它的能力边界在哪里?

过去几年，AI在医疗领域落地最快的不是“看病”，而是用药安全“把关”。目前国内很多医院的药学信息系统，都搭载了智能用药审核模块。系统根据药品说明书，对适应证、用药剂量、重复用药、药物配伍禁忌等内容进行前置筛查拦截。这类系统属于典型的窄人工智能，即在明确规则内做数据比对，结论可追溯、可复核，是可靠的安全底线。

与之相对的，是面向普通大众的对话式通用AI。老百姓拍照上传处方、输入症状后询问“这些药物能不能一起吃”。AI常常会输出一段结构完整、看似专业的答复。它训练自海量文献与网络文本，擅长归纳已有说法，但不擅长判断具体这个患者该如何用药。因此，我们需要明确，目前AI医疗在健康用药中的角色，实则是辅助工具，是信息中介和初步分诊，而非决策主体。

当然，AI给公众带来了实实在在的便利，降低了获取健康信息的门槛。深夜孩子突然发热，家长不必手足无措，或许可以借助AI先获得方向性的判断；长期用药的慢性病患者，AI能把晦涩复杂的用药注意事项拆解成一条条简明的提醒，在一定程度上提升了用药安全水平。

药师最担心的重复用药、相互作用与禁忌证，恰好是AI记得最全的部分。自动化审核可以拦截不合理处方，虽然无法替代药师的最终审核，却能解放人力，让药师把精力留给复杂的病例。

面对国内药师资源不足的现状，AI承担了大量重复性用药咨询工作，让优质药学服务触达更多人。同时，它还能把药品说明书通俗化，用易懂的语言解释服药时间、漏服处理等问题。

不过，AI难以给出真正贴合个人情况的用药方案。个体化用药的核心不只是判断“这个药对不对”，还要判断“这个药、这个剂量是否适合眼前的患者”，而通用AI最大的短板，就是无法“看到”这个患者。主要原因有以下4个方面。

1.关键信息常常缺失

肝肾功能检查结果、药物过敏史、妊娠或哺乳状态、正在服用的其他药物（含自购保健品）、近期检查结果，这些信息很难完整输入AI。缺少这些基础资料，剂量调整、禁忌甄别、药物相互作用都无从判断。

2.医学知识存在局限

罕见不良反应、迟发性过敏反应，孕产妇、儿童等特殊人群用药，是最需要给出精准指导的，然而这是AI的薄弱环节。AI习惯给出大多数人的通用答案，但临床用药追求的是“对这个患者最安全的答案”。

3.存在“幻觉”风险

生成式AI基于概率生成文字，当知识缺失时不会说“我不知道”，而是编出看似专业实则错误的内容，比如编造文献、虚构剂量、杜撰药物相互作用等。

4.不承担医疗责任

药品不良反应的第一发现者、处方合理性的第一把关人，只能是具备资质的医师和药师，AI既无处方权，也无法为用药后果负责。

因此，AI适合做信息层面的“加法”：把冗长的药品说明书讲清楚，把重复的审核做细致，把获取信息的门槛降低。而个体化用药决策必须做“减法”：回归患者本人，综合评估肝肾功能、过敏史、经济负担和用药依从性。

面对AI给出的用药建议，患者万万不可轻信，在用药前一定要前往医院或药店咨询执业医师、药师，核实AI给出的用药方案可行后再用，以免造成安全隐患。