解放日报记者 任翀
在回答“大模型看病能否相信”前，申城好网民专家、复旦大学附属华山医院普外科副教授周易明先举了一个真实案例：一名患者胃上部溃疡伴巨大穿孔，按照临床诊疗指南应全胃切除，通用大模型也建议全胃切除，却紧接着给出一个让人啼笑皆非的建议：术后使用质子泵抑制剂（一种抑制胃酸的药物）预防应激性溃疡。胃已全部切除，何谈抑制胃酸？
当前，患者带AI大模型就医的话题热度很高。周易明和AI创业团队联合研发的医学AI引擎“KnowS”是国内首个面向临床医生的专业AI医学知识引擎，近日已通过成果转化成功落地，正帮助全国31个省市医护诊疗。作为从业10余年并且懂大模型架构和原理的医生，他明确表示，公众应谨慎参考大模型建议，不可轻信，并给出了详细理由。
问题一：AI幻觉
结论看似有据，其实并不合理
最大的问题是不少大模型存在“AI幻觉”。大模型给出的结论看似有凭有据，但其实并不合理。“医疗工作容错率很低，一个很小的差错，就可能导致不可挽救的后果。所以，‘AI幻觉’非常可怕，但普通人无法识别。”周易明说。
医生们在使用通用大模型时，还发现通用大模型缺乏理解医学逻辑的能力，给出的建议看似专业，其实模棱两可，并不准确。例如，在一个复杂直肠癌病例中，患者直肠系膜淋巴结阴性，但右侧侧方淋巴结怀疑转移，8毫米大。医生需要判断患者先开刀还是先做放化疗。对此，通用大模型表示“需结合影像学特征，进一步明确淋巴结性质再做决定”。然而，根据最新专家共识，淋巴结短径大于7毫米即可临床判断为转移。可见，大模型虽然找到了正确的文献，而且给出的建议方向正确，却没有理解“如何判断侧方淋巴结是否转移”的医学逻辑，从而给出不够准确的答案。
问题二：数据更新延迟
诊疗建议过时，误导患者医生
周易明指出，公众使用的通常是通用大模型，而非医学专业大模型，经常存在数据更新延迟等问题，致使大模型给出的诊疗建议不符合最新的临床诊疗指南，引发错误诊疗。
比如，结直肠癌患者术后服用阿司匹林是临床诊疗指南中的建议，但不同群体、不同病情有不一样的用药建议，而且2025年最新版的医生采用版临床指南对用药建议进行了大幅度更新。
可是，当医生测试不同通用大模型时，发现大部分都没有及时更新，极易误导患者和医生——事实上，这也是华山医院医生和AI创业团队联合研发“KnowS”的重要原因。他们通过实时更新和锁定数据库，确保“KnowS”收录和提供的内容是最新且准确的医疗研究成果，更好地帮助医护人员查找临床治疗资料。
问题三：处理能力有限
提供文字建议，却读不懂图片
通用大模型的多模态处理能力较为有限。简单来说，它能提供文字建议，却无法“读懂”图片类信息。就诊时，患者自述、图文检查报告等都是重要的基础信息，但大模型无法同时处理这些多元内容，难以完整掌握患者情况，自然无法给出准确的诊疗建议。
建议一：“怎么问”很重要
患者问对重点，医生问对方向
有患者询问，如果普通人用专业的医用大模型，是不是就能得到准确的诊疗建议了呢？答案同样存疑。
周易明说，“怎么问”大模型非常重要。大模型拥有庞大的数据库，简单来说，就是它确实具备充分的医疗知识。
但是，不少通用大模型并不能像医生那样思考，普通患者也不知道如何从知识库中找出最适合自己的建议。医生在上岗前，都会经过严格的培训，这种培训不仅是知识积累，更是思维模式锻炼。所以，医生问诊也是一门学问，问得精准、排除干扰信息，然后将个体情况与医疗知识库结合，制定合适的诊疗方案。
普通患者询问大模型时，往往事无巨细都会问，却不知道哪些需要重点关注，哪些是干扰信息。患者问得越多，大模型的回答也越多，最终导致信息繁杂，患者反而无所适从。
“其实，不仅患者可能问错重点，医生也会问错方向。这也是专业医用大模型正在努力解决的问题。”周易明说，“KnowS”也在不断优化，以便提高大模型的“诊疗思维”能力：一方面采用树状思维，确保考虑问题周全无遗漏；另一方面运用链式思维，将诊疗环节拆解，力求每个环节的回答都更明确、更简洁。
建议二：带着大模型就诊
储备医学知识，厘清求医思路
“请患者不要轻信大模型，这并非全盘否定它的价值。”周易明强调，“公众完全可以借助通用大模型，填补自身与医生之间的医学知识差距，进而提升医患沟通的效率。简单说，就是‘更能听懂医生在讲什么’，避免因专业术语隔阂导致沟通不畅。”
他进一步解释，这背后正是人工智能大模型遵循的DIKW逻辑：从收集零散的原始数据（Data），到加工解读为有意义的信息（Information），再整合归纳为可用于行动指导的知识（Knowledge），最终朝着能进行决策和创造的智慧（Wisdom）层层递进。
用做饭类比的话，买菜是数据采集，洗切是加工信息，菜谱是知识储备，真正能做出一桌美味的饭才是智慧。这套逻辑也是大模型处理信息、生成内容的核心框架。
当前通用大模型的优势，恰好体现在医疗数据的收集与信息的整理上。对公众而言，既能通过它快速储备基础医学知识，比如提前了解与自身症状相关的疾病常识，避免就诊时“一问三不知”；也能提前厘清求医思路，让问诊更有针对性。
“进一步说，若在病程较长、病情相对比较复杂的情况下，患者或家属如果具备一定的AI使用经验和医学常识，可以把大模型当作自己的‘就诊小秘书’，对已有的就诊资料进行梳理、提炼和总结。”
周易明补充道，“这样在向医生陈述病情时，能更加条理清晰，帮助医生更快得到核心信息。当然，这绝非对患者的硬性要求，更不是让患者只带着大模型的结论就诊。而是在条件允许时，将大模型整理的内容与原始检查报告、病历一起带给医生——前者帮医生‘快速抓重点’，后者确保信息‘真实无偏差’，最终让医生更高效、准确地掌握病情。”
拉伯配资-拉伯配资官网-郑州配资网站-炒股配资门户提示：文章来自网络，不代表本站观点。
