手机里的“第一诊室”

21世纪经济报道记者 闫硕

伊伊起初没把背上那几个小疙瘩当回事。患处发痒，她自行涂抹止痒消炎药膏，症状稍有缓解。可没过多久，疙瘩越长越多，瘙痒加剧，皮肤发红、起水疱。她拍下照片发给大模型，模型提示怀疑带状疱疹，建议尽快前往皮肤科就诊，还依据定位推荐了当地医院，并询问是否需要协助挂号预约。就诊后，线下诊断印证了这一判断。

这样的健康咨询对话，正在以千万级的频次发生。蚂蚁阿福每天发出“立即就医”建议20多万条，其中5万多条与危重症相关。更受业内关注的一组数据是：2026年8月，豆包单日健康咨询人次已突破2000万。而全国医院（不含基层医疗机构）日均门诊量，仅1000万余人次。

二者场景不同，性质不同，不宜简单相比，但它指向一个清晰变化：中国人寻医问药的第一站，或许正从医院大厅转移到手机屏幕上。

硬币的另一面同样不容忽视。安徽一家三级医院的工作人员向21世纪经济报道记者表示，医生们私下里最常说的一句话是“AI好也不好”：它能为诊疗提供辅助参考，但不少患者在自行检索时，可能会遗漏一些信息，反而贻误病情。

AI问诊的定位是怎样的？患者应该如何使用这类产品？当“算法”与“处方”只隔一层屏幕，风险边界又该划在哪里？

接住院外“空白地带”

中国青年报社社会调查中心今年8月发布的一项1333名青年参与的调查显示，92%的受访者用AI查询过病情、获取过就医建议；69.7%的受访者会主动带着AI诊疗建议和医生沟通。这显示出青年群体的一种习惯迁移：问病，先问AI。

AI在健康场景里的角色，已被产品经理们拆解得相当清楚。千问把AI的价值归为五个角色：日常预防的“健康管家”、症状判断的“安全守门人”、就医过程的“就诊小助手”、读懂报告的“健康档案员”、康复与情绪的“康复陪伴者”。五个角色串起来，恰好都落在医院围墙之外。

个案更有说服力。周婷的女儿陆续出现咳嗽、腹痛、发烧等症状，辗转医院小儿内科、小儿外科、感染科多个科室，排除了肠套叠、阑尾炎等多种疾病，始终没有答案。周婷尝试通过大模型系统性梳理女儿的全部症状，后者给出了关键提示：高度警惕川崎病的可能，并明确建议立即前往具备儿科心血管专科的医院针对性确诊。周婷随即带着这条指引就医，经专科医生检查后，很快明确诊断并对症治疗，孩子症状很快得到控制，最终康复出院。

企业披露的规模化数据更为具体。2025年，讯飞晓医帮助46.8万人识别重大疾病风险，向1514人提示罕见病线索并推动及时就医；用药环节科学规避247万次复杂用药风险，识别药物配伍禁忌312万次；检查后深度解读500万份报告单，为7.2万用户指出关键风险，预警病情恶化11万例。

而蚂蚁阿福每天的“立即就医”提示中，危重症占比约四分之一，其中肺栓塞相关每天约3000条，心梗相关每天超1万条，脑梗相关每天超1.6万条。

AI问诊真正接住的，是就医链条上几段长期供给不足的环节。

在门诊三分钟一个病人的现实里，AI能提供一段不被打断、不被催促、可以反复追问的对话。它补的不是医生的知识，而是医疗系统里最稀缺的两样东西：分诊能力和注意力的分配。

不能代替临床诊断

对大模型而言，想要输出可靠的专业判断，本身就依赖完整、准确的用户信息输入。

上述三级医院的工作人员向记者讲述了两个门诊案例：一名40多岁的女性因腹痛到门诊要求输液。医生查体后追问病史、月经史，建议进行抽血化验和彩超检查。患者随即打开大模型软件，称医生不会看病，提出要投诉。后经院方协调，患者完成检查，最终确诊为宫外孕。

夜班接诊一名呼之不应的醉酒患者，家属要求直接打醒酒针，医生查体后建议查CT排除脑出血。家属拿着大模型的结论和医生争执：“它建议输液就行，你就是让我们多花钱。”医生告知，不做CT需签署知情同意书。家属几经争执后，最终同意检查，结果提示脑出血。

该工作人员认为，需要关注的问题在于，一方面，患者往往难以准确描述自身情况，容易造成大模型回答得不准确；另一方面，患者带着AI给出的结论走进诊室，将其作为和医生沟通的依据，矛盾的核心已经不是要不要用AI，而是谁掌握最终诊疗决策权。

事实上，监管、临床以及技术领域的共识十分明确：大模型只能作为医生的辅助工具，最终诊断必须由执业医生作出。

这背后，也有多起值得关注的警示案例。西部战区总医院提醒，近期已有多起大模型误用的典型事件：美国一用户长期就头晕向AI咨询，AI反复淡化风险、劝阻就医，最终其被确诊大面积肺栓塞，2026年7月家属起诉OpenAI，成为全球首例AI医疗重伤诉讼。临床端同样存在风险，某三甲医院AI辅助系统把患者胸痛误判为“胃食管反流”，患者按胃病用药，3天后心梗死亡。

责任的划分由此变得关键。康德顾问团法律专家、上海市光明律师事务所郑一瑾律师向21世纪经济报道记者分析，如果AI针对具体症状作出疾病判断并给出用药方案，即构成诊疗活动，适用医疗损害责任；输出仅为健康信息与用药方向性提示、不构成诊疗活动的，适用一般过错侵权，以服务提供者未尽到与其服务定位相适应的注意义务为要件。

她强调，生成式人工智能服务被认定为服务而非产品，不适用产品责任的无过错归责原则。

值得一提的是，2026年药品安全宣传周期间，国家药监局发布的《公众十大用药提示》第十条专门提示：“辨症购药循正道，AI荐药慎参考。”

西部战区总医院将这类风险归结为AI的四重“看不见”：一是看不见“人”，不能面诊、查体、看化验报告，容易把大病当小病；二是不知“你的底细”，过敏史、慢病、肝肾功能、正在服用的药物一概不知；三是分不清处方药，可能直接给出处方药名，自行购买时剂量、疗程都容易出错；四是认不出急症，《Nature Medicine》一项研究显示，在明确需要急诊的病例中，AI错误地把52%的病例判为“无需立即急诊”。

多重考题待解

AI问诊的落脚点，可归结为三层问题：模型准不准、产品的价值导向是什么、出错之后谁承担责任。

首要难题是大模型幻觉。方舟健客相关技术负责人向21世纪经济报道记者表示，AI幻觉产生的主要因素，一是内容缺失，二是训练内容之间相互存在矛盾。抑制幻觉最好的方式，就是给模型提供准确的知识。

“公司在内部构建了包括药品说明书、医学文献、指南等专业信息在内的准确知识库，并以指南和文献作为知识库来源，进行标注引用，以保证准确性与专业性；同时用大模型对知识库反复检查，重点关注答案对文献的忠实度、一致性，让内容更准确，避免输出不可预测的内容。”该负责人说。

联想之星合伙人陆刚提出合格医疗智能体的三重标尺：一是专业边界，严谨克制、不妄下诊断，同时避免一味附和医生，防止收窄诊疗思路；二是利益中立，产品逻辑不能诱导购药、定向推药，必须以患者获益为唯一目标；三是定位清晰，既不替代医生，也不只是简单的工具。

行业参与者也在呼唤配套制度落地。一家头部互联网医疗企业的相关技术负责人向21世纪经济报道记者表示，从长远治理视角来看，建议加快推动医疗垂类大模型备案体系建设，当前“AI+医疗”领域发展缺乏前置准入与备案抓手，大量通用大模型跨界切入医疗健康赛道，业态边界模糊、风险分散，难以实现体系化、穿透式治理。通过垂类备案形成分类监管的基础框架，有利于厘清赛道权责、守住医疗安全底线，为整个“AI+医疗”生态的有序创新提供制度支撑。

法律层面的边界同样关键。郑一瑾分析，AI以“健康建议”“用药参考”名义输出，只要针对具体症状作出疾病判断并给出用药方案，即构成诊疗活动，且因实施主体无资质而属违法诊疗；仅作一般性提示与生活方式建议的，不构成诊疗。这种定性差异会导致行政、民事、数据等方面的责任不同。通用型AI服务的免责空间来自“非专业定位+充分提示+行业通行技术措施”三项事实，一旦以专业医疗AI出现，该免责空间即变小。

比责任更隐蔽的，是健康数据。问诊产生的病史、检验报告属于敏感个人信息，部分平台通过隐私政策一揽子勾选，将对话用于模型训练。

郑一瑾认为，这种概括勾选不满足《个人信息保护法》对敏感信息的单独同意要求。问诊服务和模型训练是两个独立处理目的，训练不属于提供服务的必需环节；单纯去标识化不能免责，只有达到现有技术下无法复原识别的匿名化，才不再属于个人信息。合规路径需要同时满足：单独同意、匿名化或高强度去标识化、个人信息影响评估。

回到伊伊。那张背上疙瘩的照片，换来的是一句“怀疑带状疱疹，请尽快去皮肤科”。这句话值多少钱很难量化，但它确实把一个可能被拖延的病程提前了几天。AI问诊真正的分水岭，或许不在模型有多聪明，而在人们是否清楚AI的能力和责任边界。

技术已经把就医的入口前移到了手机屏幕上，责任体系却还留在医院大门之内。这道时间差，成为“AI+医疗”下一程必须回答的问题。

（伊伊、周婷均为化名）