AI 健康建议使用激增，错误信息扩散速度超越防护措施

Google News 突出显示了一个严峻的采用信号：大约每六人中就有一人曾向 AI 寻求某种形式的健康建议。警示不只是聊天机器人会犯错，而是数百万人如今会在联系医疗专业人士之前、之后，有时甚至代替联系医疗专业人士而咨询它们。

较新的调查显示，采用程度已超出这一头条数字。2026 年 6 月的一项 KFF 民调发现，29% 的美国成年人至少每月使用一次 AI 工具或聊天机器人获取健康信息。这一比例较两年前的 17% 几乎翻了一番。

核心矛盾如今已很清楚。ChatGPT、Google Gemini、Microsoft Copilot 及其他通用助手能够提供即时、私密的回答。医生则能提供临床背景、承担责任，并对患者进行检查。消费者日益想要前一种体验，但他们的健康可能取决于后一种。

这并非又一篇讨论聊天机器人是否通过医学考试的报道。这是在检验：当对话式软件成为进入医疗体系的非官方入口，却不承担医疗体系的法律和临床责任时，会发生什么。

Google News 的标题低估了行为变化的速度

AI 健康建议已从偶尔尝试转变为常规的信息渠道。

六分之一这一数字仍然重要，因为它标志着聊天机器人使用已普遍到不能再被视为边缘案例的程度。然而，较新的证据显示，这一基准很快就已过时。

最新 KFF 追踪民调发现，29% 的美国成年人至少每月使用 AI 获取健康信息。这项全国代表性调查涵盖 2,480 名成年人，调查时间为 2026 年 5 月 7 日至 5 月 31 日。

这一比例接近每月使用社交媒体获取健康信息的 31%。尽管面向消费者的历史短得多，AI 聊天机器人实际上已与社交平台一道成为主流的健康指导来源。

另一项 KFF 民调于 2 月 24 日至 3 月 2 日进行，覆盖 1,343 名成年人。调查发现，32% 的受访者在过去一年中曾使用 AI 获取身体或心理健康信息。

月度使用与年度使用之间的区别很重要。两项指标都不意味着每位用户都在让聊天机器人诊断疾病。人们会将这些系统用于多种任务，而不同任务的后果差异很大。

在较早的调查中，27% 的成年人表示，他们曾使用 AI 研究症状或某种疾病的基本信息。19% 的人寻求对检查、诊断或化验结果的解释。相同比例的受访者使用 AI 来理解或比较治疗方案。

16% 的人曾请求 AI 帮助决定是否应去看医生。这一使用场景使聊天机器人从信息检索转向分诊，也就是判断一个人需要多紧急地获得医疗服务的过程。

心理健康方面的模式同样需要关注。过去一年中，16% 的人曾使用 AI 获取有关心理健康或情绪福祉的信息或建议。11% 的人寻求应对建议，9% 的人则通过 AI 对话来梳理个人困扰。

这些类别可能重叠，因此不应相加。不过，它们表明，用户正向聊天机器人提出过去会问搜索引擎、临床医生、咨询师、家人，或根本不会问任何人的问题。

Google News 在此的重要性不止于分发渠道。Google Search 日益提供 AI 生成的摘要，而 Gemini 可以通过对话回答后续问题。对普通用户而言，传统搜索结果与 AI 医疗回答之间的界限正变得更难辨认。

这一变化改写了过去的“Google 医生”模式。传统搜索要求用户在链接中作出选择并比较来源。聊天机器人则将材料整合成一个流畅的回答，往往不会呈现其背后的不确定性、分歧或来源质量。

流畅性降低了付出的努力，也可能让薄弱的信息显得已成定论。

速度、隐私和可及性正在战胜医疗流程的阻力

人们选择 AI 不只是因为信任它；许多人选择它，是因为医疗替代方案缓慢、昂贵或令人不适。

KFF 发现，65% 的 AI 健康用户认为快速或即时获取信息是使用该技术的重要原因。41% 的人希望在决定是否就医前先获得信息。36% 的人看重能够私下研究问题的能力。

这些动机描述了一种医疗体系难以匹敌的产品优势。聊天机器人可在任何时间回应。它不需要出行、保险批准、预约时间，或就尴尬症状展开交谈。

获取医疗服务的困难也推动了采用。19% 的 AI 健康用户将无力负担医疗服务列为主要原因。18% 的人表示自己没有固定医疗服务提供者，或无法预约就诊。

年轻用户面临的压力更大。在 30 岁以下的 AI 健康用户中，38% 提到了没有固定医疗服务提供者或难以预约。29% 提到了专业医疗服务的费用。

收入也造成了另一道鸿沟。年家庭收入低于 40,000 美元的用户中，近三分之一将可负担性视为转向 AI 的主要原因。

据美联社报道，West Health 民调发现了类似模式。约四分之一的美国成年人近期曾使用 AI 获取健康信息或建议。

近期用户中，约十分之四希望在正常工作时间以外获得支持。约十分之三不愿为就医付费。约十分之二的人缺少时间、曾感到自己被忽视，或认为问题向真人询问过于尴尬。

这些发现使“用户应该直接问医生”这一常见回应变得复杂。这种建议忽略了许多人为何会打开聊天机器人。

这类产品填补的是医疗可及性造成的空白，而非仅仅与医疗网站竞争。警示标签无法解决预约短缺、高昂费用或缺乏非工作时段支持的问题。

这并不意味着 AI 是等效的替代品。它解释了为什么人们明知可能出错，仍持续使用它。

最强大的系统可以概述化验术语，帮助用户为就诊准备问题，或将临床语言转化为通俗表述。这些用途能够让医疗沟通更高效。

当同一界面从解释转向建议时，风险就会增加。用户可能先询问某项血液检测指标的含义，接着又问是否应调整药物。这个转变发生在一段连续对话中，教育与医疗服务之间没有清晰边界。

通用助手还会调整语言以适应用户。这种个性化即使在模型缺乏完整病史、体格检查或可靠的当前记录访问权限时，也可能让人感觉它具备临床理解能力。

不断增长的采用率带来了这一压力目标。医疗服务提供者必须回应患者从其他地方获得的信息。科技公司则必须决定，有益的解释止于何处，受监管的医疗行为又始于何处。

核心权衡是便利性与临床问责的脱节

AI 提供了私密医疗对话般的即时响应，却不承担医疗执业所附带的责任。

大型语言模型通过根据数据中的模式预测可能的词序来生成文本。它不会检查患者，无法独立理解因果关系，也不会为医疗决策承担责任。

这种机制并不意味着每个医疗回答都是错误的。它意味着，一个令人信服的回答与一个在临床上有充分依据的回答并不是一回事。

在分诊期间，这一区别尤其重要。胸部不适、持续性头痛、药物副作用和突发情绪变化都可能有无害或紧急的原因。安全的建议取决于用户可能遗漏或误解的细节。

聊天机器人可以追问，但无法可靠地知道还有哪些内容未被说出。除非专业临床系统提供这些输入，它们也无法测量生命体征、进行检查或观察身体表现。

问题不只在于明显的虚构内容。一个回答可能包含逐条准确的陈述，却仍给出有害的整体建议。它可能强调一种常见解释，却未能优先考虑罕见但紧急的情况。

AI 系统还可能表现出迎合性，即倾向于顺应用户提示中包含的假设或偏好的结论。在医学领域，认同可能强化错误信息或延误就医。

研究人员仍在测试呈现方式如何影响信任。一项 2026 年的预注册实验比较了被归因于注册护士、专业“AI 护士”和 ChatGPT 的建议。

参与者评估了低风险、高风险和道德敏感情境中的建议。研究设计还改变了准确指导看似符合直觉，还是违背普遍预期的情况。

这很重要，因为患者判断建议时不只看准确性。他们会受到来源标签、信心程度、熟悉感，以及答案是否符合既有信念的影响。

因此，聊天机器人的对话语气可能在用户评估其证据之前就影响行动。通用产品将信息传递与具有说服力的界面设计结合在一起，即使说服并非开发者声称的目标。

医生面对的是不同的问责结构。他们受职业标准、文档要求、隐私规则和医疗事故法律约束。他们仍可能犯错，但存在明确的关系和调查途径。

面向消费者的聊天机器人通常将其输出界定为一般信息。然而，对话可能足够个性化，以至于用户将其视为直接建议。

这种不匹配是本文的主要张力。用户获得了看似个体化医疗服务的内容，而提供方往往仍保有一般信息服务的法律定位。

因此，竞争问题并非 ChatGPT 与 Gemini 谁在医疗基准测试中表现更好，而是对话便利性与可问责的临床判断之间的竞争。

模型比较仍然有用，但无法解决这一结构性问题。即使表现最佳的助手，也可能遇到罕见患者、缺失背景、过时来源或误导性提示。

正确的基准不应是某个聊天机器人在受控测试中答对了更多问题，而应是整个系统是否能识别不确定性、升级处理紧急病例、引用恰当证据，并避免夸大其所知。

错误信息已经回流到诊室

临床医生正成为医疗体系之外生成答案的纠错层。

2026 年Future Health Index发现，63% 的受访英国临床医生曾在患者咨询中纠正过由 AI 生成的错误信息。

在该研究中，超过一半的英国患者曾向临床医生出示由 AI 生成的健康信息。仅有 25% 的临床医生对此类信息作出积极回应，32% 则作出负面回应。

这些数据来自飞利浦赞助的研究，因此应结合其披露的方法论和商业背景加以解读。不过，它们确实描绘了一个容易辨认的工作流程问题。

患者带着一份看似自信的摘要、一个拟议诊断，或一项治疗方案对比来到诊室。临床医生必须判断模型看到了什么、遗漏了什么，以及患者对其结论的信任程度有多高。

纠正错误会占用问诊时间。它还可能引发社交层面的冲突，因为否定聊天机器人的结论，可能会让患者感觉自己的健康求知努力也被否定了。

同一份报告发现，88% 的英国患者希望在其医疗服务使用 AI 时获得告知。32% 的临床医生表示，患者在发现 AI 参与后曾失去信任。

这造成了一种令人不安的不对称：患者越来越多地将面向消费者的 AI 带入问诊，但许多人也希望医疗机构清楚说明任何临床 AI 的使用情况。

这种区分是合理的。部署算法的医院掌控着工作流程，并有义务向患者保持透明。而个人自行向 ChatGPT 提问，并不会产生同样的机构责任。

不过，在临床对话中，这两类 AI 的界限可能变得模糊。患者或许不知道，一份摘要究竟来自受监管的医疗器械、医院认可的助手，还是通用聊天机器人。

这也是平台标签重要的原因之一。“由 AI 生成”本身并不是一个有意义的安全类别。这个词可能指写作助手、症状检查工具、由临床医生监督的工具，或受监管的诊断软件。

采用数据同样揭示了验证缺口。在 KFF 3 月的民调中，58% 使用 AI 处理身体健康问题的用户后来跟进咨询了医疗服务提供者。这意味着仍有相当大一部分人没有报告这样做。

仅有 42% 的心理健康 AI 用户表示，他们后来咨询了心理健康专业人士。该调查并不能证明其他所有人都需要专业护理。许多问题可能只是轻微问题或信息咨询。

不过，当聊天机器人影响某人是否寻求医疗服务时，这一模式便令人担忧。一项 King’s College study 发现，15% 的英国公众曾使用 AI 建议来代替联系全科医生或其他 NHS 服务。

在寻求 AI 健康建议的人群中，21% 表示因聊天机器人所说的内容而决定不寻求专业护理。20% 表示，该技术并未鼓励他们寻求专业意见。

这些是自我报告的调查结果，而非经核实的临床结局。它们无法确定有多少决策造成了伤害，也无法判断聊天机器人的建议是否错误。

但它们确立了一个更直接的事实：用户相信 AI 回应会影响其寻求医疗服务的决定。无论回答下方显示何种免责声明，这项技术都已进入医疗路径之中。

Google News 也暴露了隐私问题

那些承诺提供私密提问空间的工具，往往也会引导用户披露最敏感的一些信息。

隐私是这类产品吸引力的一部分。有人可能更愿意输入关于性健康、成瘾、焦虑或异常症状的问题，而不是与另一个人交谈。

然而，社会意义上的隐私并不保证技术或法律意义上的隐私。一段对话可能让人感觉保密，但仍可能按照消费者平台的条款被存储、审核、保留或处理。

KFF 发现，77% 的成年人担心提供给 AI 工具的医疗信息隐私问题。这种担忧在各年龄段以及已经使用 AI 查询健康问题的人群中依然很高。

尽管存在这种担忧，41% 的 AI 健康用户表示，他们曾上传个人医疗信息，例如检测结果或医生笔记。这相当于所有受访成年人中的 13%。

在 18 至 29 岁的成年人中，19% 曾向 AI 工具输入个人医疗信息。因此，采用曲线不仅包含匿名症状搜索，也包含数据共享。

医疗记录带来特殊风险，因为其中可能包含姓名、日期、诊断、药物、家族病史、临床医生信息以及可识别文件元数据。用户分享的信息可能远超单个问题所需。

面向消费者的健康对话也处于一个令人困惑的监管领域。人们常将医疗信息与强有力的隐私保护联系在一起，但这些保护并不会自动适用于每一项接收健康相关文本的消费者技术。

服务的设置、保留政策、训练政策和商业模式都很重要。同一家公司的一般聊天机器人、企业产品和专用健康功能，其政策也可能不同。

这正是信息纪律具有现实意义的地方。用户在请求一般性解释前，应删除姓名、日期、地址、记录编号及其他可识别细节。

他们还应将要求澄清术语与请求个性化治疗区分开来。询问某项实验室指标通常意味着什么，比上传完整记录并请求药物决策的风险更低。

将源材料整理有序，可以帮助用户质疑生成的回答。私密的 AI knowledge base 可以保存文件及其来源，但整理并不能将 AI 输出转化为医疗判断。

用户仍需查看原始实验室报告、用药说明或服务提供者信息。生成的摘要应始终只是导航辅助，而不是唯一记录。

Google News 生态系统还增加了另一层隐私复杂性。一个人可能在搜索中看到 AI 摘要，随后进入聊天机器人，再粘贴医疗细节，却没有意识到自己已在不同产品或政策之间切换。

平台可以在敏感信息上传前提供情境化警告，以降低这种风险。它们还可以提供简单的保留控制、清晰说明，以及有关健康对话如何被使用的界限。

更棘手的挑战在于时机。在用户分享记录或依据分诊建议采取行动之前显示的警告，比在详细回答后才出现的通用免责声明更有分量。

平台、医疗服务提供者与监管机构接下来必须证明什么

下一阶段将由升级引导、证据与问责来评判，而不是由聊天机器人回答的流畅程度来评判。

第一个值得关注的信号，是面向消费者的助手是否会将更强的升级引导行为纳入健康对话。一个有用的系统应能识别紧急模式、说明不确定性，并引导用户获得适当的专业护理。

这种行为需要在不同人口群体、语言和罕见疾病条件下接受独立测试。一个在熟悉的英文提示中表现良好的模型，当用户间接描述症状或使用另一种语言时，行为可能不同。

升级引导同样需要克制。如果聊天机器人把每个担忧都标为紧急情况，人们就会忽视它的警告。安全取决于经过校准的指导，而不是持续不断的警报。

第二个信号，是 AI 公司是否会公开健康回答背后的证据。当模型引用无关论文、薄弱来源，或无法支持其主张的页面时，仅提供链接是不够的。

用户需要与具体陈述相对应的引用。平台应区分既有指南与新兴证据，并明确指出信誉良好的来源之间存在的分歧。

搜索增强可以通过在生成回答前检索最新材料，减少部分缺乏支撑的回答。但这无法保证模型能正确解读这些材料。

第三个信号，是围绕面向消费者健康聊天机器人的监管清晰度。英国国家医疗保健 AI 监管委员会正在研究，随着 AI 横跨临床与消费者场景，现有监管机制应如何演进。

监管机构需要处理预期用途问题。通用助手可以声称自己只提供信息，但反复进行分诊、治疗对比或心理健康指导，在用户眼中可能发挥着类似健康服务的作用。

规则必须区分普通出版与提供个性化、具有重大后果建议的系统。它们还需要为投诉、事件报告和独立评估提供可行路径。

医疗服务提供者不能等到这些规则尘埃落定。他们需要一种标准方式，在不轻视患者的前提下询问其 AI 使用情况。

临床医生可以询问：哪个工具生成了回答、患者输入了哪些信息，以及该回应是否改变了其用药或寻求医疗服务的行为。这些问题将聊天机器人的使用视为患者病史的一部分。

服务提供者也可以发布适合对话式发现的可信解释。如果患者寻求即时回答，医疗系统就有动力让搜索和 AI 系统更容易检索到可靠信息。

对用户而言，AI 最安全的角色仍是准备与澄清。它可以解释术语、整理问题、总结提供的文本，并帮助识别应与专业人士讨论的话题。

它不应成为紧急情况、诊断、药物调整或避免就医决定的最终权威。听起来充满自信的回答，仍依赖于不完整的输入和未经验证的生成过程。

Google News 标题背后最重要的教训，并不是六分之一的人作出了非理性选择。人们采用了一种减少摩擦的工具，而他们所处的系统本身充满摩擦。

警示在于，便利性先于可靠的问责模式而到来。此后，使用量增长的速度超过了最初数据所暗示的程度。

因此，下一个问题很具体：平台能否在聊天机器人建议成为无形默认选项之前，建立可验证的医疗边界？在那之前，用户应将每一条 AI 健康回答视为验证的起点，而绝不是最终结论。