这场争议的核心，不在AI本身，而在于一个被很多人忽略的关键环节——AI的结论，正在反向塑造你对自己的判断。
今年8月，浙江杭州一名3岁男童阳阳因为咳嗽、夜间咳喘，被妈妈带着跑了一趟浙江省中医院。
和普通就诊不同，阳阳妈妈进诊室时，手机屏幕还亮着AI问诊的页面——她提前把“过敏、哮喘、咳嗽、夜间咳喘”输进了某款AI应用，AI几秒内给出了“支气管哮喘急性发作”的诊断，并附上了雾化用药建议。
用户通过手机应用使用AI线上问诊服务
阳阳妈妈对医生说：“你给我们开个雾化药就行了。”
接诊的儿科主任李岚用听诊器一听，发现孩子肺部有明显的湿啰音，这是肺炎的信号，建议做胸片检查。但阳阳妈妈拒绝了，坚持按AI的建议只开雾化药回家。两天后孩子病情急剧加重，返院确诊为偏肺病毒肺炎叠加细菌感染，双肺大面积炎症病灶，紧急住院。
AI在这件事里扮演的角色，远比“误诊”二字更复杂。下面的拆解不是为了站队，而是为了看清：当AI问诊单日承载量已经超过全国医院日均门诊总量时，你到底该把它放在什么位置。
从家长的角度看，AI不是诊断工具，是偏见放大器
阳阳妈妈并不是不关心孩子——阳阳本身有哮喘病史，此前多次因喘息发作就诊。这次孩子一咳嗽，她的第一反应是“老毛病又犯了”。
她把“过敏、哮喘、咳嗽、夜间咳喘”输入AI时，已经在潜意识里筛选了符合“哮喘”的关键词，忽略了咳嗽有痰、夜间频繁咳醒这些在医生听来更接近肺炎的信号。
李岚事后复盘时指出了这个恶性循环：家长先入为主地判断孩子是哮喘——向AI输入经过筛选的症状——AI给出强化这个判断的结论——家长更笃定自己是对的——进诊室后拒绝医生建议的检查。
这不是AI独有的问题。牛津大学团队的一项研究发现，普通人用多模态语言模型识别疾病的准确率，反而不如自己上网搜——因为非专业人士很难准确地提供关键症状信息，也很难从AI给出的一长串可能性里甄别出最准确的那一个。
但AI比搜索引擎多了一层危险：它用流畅、笃定的语气输出结论，听起来像权威。当这个“权威”恰好印证了你的猜测，你就更难怀疑它。
而代价是真实的。阳阳的案例不是孤例——长沙一名52岁男子突发头晕，AI判断为“眩晕症”，他没去医院，3天后确诊为左侧小脑大面积脑梗死；温州一名颅内支架术后患者，把复查报告上传AI，被错误判定为“药物无效，建议换药”，险些擅自停掉保命的抗血小板药物。
标注小脑梗死病灶的头部核磁共振影像
中国医科大学附属第一医院陈思娇教授还列举过更触目惊心的案例：胸痛被AI判定为肋间神经痛，实际是心肌梗死；儿童发热皮疹被判定为普通病毒疹，实际是脑膜炎球菌血症；皮肤肿物被误判为良性痣，实际是早期黑色素瘤。
从医生的角度看，AI的可靠性和它的使用场景高度绑定
反对“AI问诊完全不靠谱”这个笼统结论的，恰恰是那些正在把AI用进临床的医生。但他们说的“AI”，和你手机里那个通用问答应用，不是一回事。
上海瑞金医院的RuiPath病理大模型，覆盖90%的中国常见癌种，经过数据飞轮实战训练后，临床准确率超过90%。在邯郸市中心医院落地后，组织学类型的诊断准确率从人工读片的63%提升到了90%以上。
科大讯飞的智医助理在门诊场景诊断准确率达到93.1%，首诊合理度98%，已覆盖全国801个区县，累计提供11亿次辅助诊断。
星火医疗大模型与医师诊疗能力数据对比
清华大学的DUCG人工智能辅助诊疗系统在湖北应城185家公立医疗机构上线后，帮助基层医生整体诊断能力平均提升30%，累计筛查出心肌病、心衰等危重疾病122例。
但这些数据的背后都有一个共同前提：AI不是在替代医生做决策，而是在帮医生查漏补缺。北京大学第三医院副主任医师刘振龙把这种关系概括得很清楚——AI承担的是事务性、初筛类工作，最终诊疗决策必须由人类医生完成。
这和你打开手机App输入症状、拿到一份用药建议，是完全不同的两套逻辑。前者有医生做信息把关和质量控制，后者你既是提问者，也是把关人——而你又恰好是最不具备医学判断能力的那一方。
中山大学附属第一医院肖海鹏团队发表在《柳叶刀数字健康》上的一项研究就揭示了一组令人警惕的数据：当临床医生得知自己的判断与AI不一致时，超过一半的医生会修改自己的原有判断；但最终病理结果证明，改结果的医生中有四分之一原本得出的结论是正确的。
连专业医生都可能被AI带偏，普通人面对AI输出的笃定结论，抵抗力只会更低。
从监管的角度看，红线早就划好了，但很多人并不知道
国家层面关于AI在医疗领域应用的定位，从2022年至今一直很明确。最核心的几条规定其实不复杂：
2022年发布的《互联网诊疗监管细则（试行）》写得直白：人工智能软件不得冒用、替代医师本人提供诊疗服务；严禁使用人工智能自动生成处方。
2025年10月，国家卫健委等五部门联合印发的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，确立的核心原则就四个字：“赋能而不替代”。
这些规定的共同之处在于：从始至终，AI就没有被赋予独立诊疗决策的权限。但问题是，数以千万计的用户正在用手机上的AI应用进行事实上的“首诊”——某AI健康助手单日承载的问诊量已达两三千万人次，超过了2025年1-11月全国医院日均门诊总量。
这意味着，每天有远超线下就诊人数的人群，在把AI当成自己的第一个“家庭医生”用，而其中大多数人并不清楚你说的“用药指导”和医生开的处方，在法律上的权重差距有多大。
回到阳阳的案例，如果阳阳妈妈在拿AI结果去医院的路上，看到的不是一句“症状缓解后可继续观察”，而是一条明确的提醒——“本建议仅供参考，不能替代医生面诊”——结果会不会不一样？这个问题没有答案。
但有一点是可以确定的：截至目前，能让每个用户在使用前就清楚“AI的建议不是诊疗结论”这件事，做得还远远不够。
AI问诊该放在什么位置
综合以上三个维度，AI问诊不是“能不能信”的二元问题，而是“该在什么场景下信、信到什么程度”的分层问题。
从风险大小来倒推，使用边界其实很清晰：日常健康咨询、体检报告术语解释、分级就医引导——这些场景下，AI是合格的信息助手，能填上深夜突发不适、偏远地区缺医少药等真实空白。
但一旦涉及“我该不该用这个药”“这个症状是不是要去医院”“AI说没事我就不去了”——这几个问题只要触发一条，就应该立刻停止追问AI，转去找真人医生。
中国科学院院士张钹给出过一个绕不开的底线判断：AI缺乏真正的推理与因果理解能力，大语言模型给出的临床诊疗意见，最终必须由人类医生把关。
这不是保守，是AI目前的技术本质决定的——它能匹配症状，但不会查体；能输出方案，但不理解“为什么是你”和“为什么是现在”；能模仿共情，但无法承担医疗决策的后果。
阳阳住了院，李岚那句“他们要是早点听我的，病情也不至于这么严重”，说的不是AI没用，说的是——当你把自己的判断交给一个不会为结果负责的算法时，最终兜底的，还是那个活生生的、能听诊的、敢在病历上签字的医生。
ChatChat小脑掌上长沙icswb.com超90%63%RuiPath病理大模型准确率人工组织学读片准确率801个93.1%讯飞智医助理诊断准确率智医助理覆盖区县数业界首次，星火医疗大模型专科AI能力达到等级医院主任级医师水平门诊场景诊疗能力对比住院场景诊疗能力对比92.3%93.1%91.3