"知道一切，并不意味着值得信任。"

"它会想要顺着你的思路走。"

"我知道，再跟你聊半小时会有帮助，但我做不到。"

主持人 Marina 的女儿醒来后不停地抓痒，于是她拍了一张照片，发给 ChatGPT。按照她在访谈中的回忆，AI 判断是疥疮，还建议去急诊；她又把照片发给熟悉的医生，对方却认为是过敏。两边的答案差得这么远，她不知道该怎样问，才能既不被吓到，也不错过真正的问题。

坐在她对面的 Jonathan Chen，既是斯坦福的医生，也是计算机科学研究者，还负责医学教育中的 AI 工作。他教医生使用 AI，也研究人在什么时候会被它误导。Marina 带来的问题，正是他一直在琢磨的事：同一个聊天机器人，为什么有时帮了大忙，有时又把人带偏？

先描述发生了什么，别急着给病取名字

面对孩子突然起疹子，家长难免先在心里猜一个原因。Chen 建议，先把已经发生的事描述清楚：孩子起了疹子，痒得厉害，以前没有出现过，现在看起来是什么样。如果一上来就问“是不是严重感染，要不要去急诊”，自己的判断已经藏在问题里了。

"不要告诉它你的想法。"

AI 容易顺着提问者的思路继续说下去：用户先提出一种解释，它可能就围绕这种解释组织回答，让人以为自己的猜测得到了印证。Chen 说，医生也会受到这种影响：人先有了想法，再把它交给 AI 检查，对方未必能像一个独立的审阅者那样指出问题。

不过，Marina 那次为什么得到那样的答复，不能只凭这段回忆确定。Chen 提到，模型还可能出于产品安全策略，倾向于建议更高等级的就医。把情况描述客观一些，可以少给它一些暗示，却不能保证诊断正确，更不能用一个新问法排除病情。

AI 会答题，人却未必会用

Chen 曾亲眼看到，医生也不一定能把 AI 用好。团队做诊断推理研究时，原本期待给医生配上 GPT-4，成绩会明显提高，结果却让他们有些不安：GPT-4 单独作答，反而超过了拥有 GPT-4 使用权限的医生。他们本来想研究人和计算机怎样配合，先发现的却是配合本身有问题。

"研究中有三分之一的医生，此前从未用过聊天机器人。"

还有大约三分之一的医生，只用过一两次聊天机器人。Chen 回忆，这些参与者对工具并不熟悉，有些甚至不知道怎样使用。研究比较的是给定病例上的诊断推理表现，结果提醒团队重新考虑使用方式，不能直接推成 AI 已经比医生更会看病。

类似的困难也出现在普通用户身上。另一项研究里，模型单独回答医学情境题时表现不错，可交给没有医学背景的人使用，并没有稳定改善判断结果。人可能没有提供完整的信息，模型可能误解问题，用户也可能没能正确理解回答；能力很强的模型，放进真实对话后，仍会在这些环节出错。

看医生之前，先把问题准备好

Marina 对 AI 的信任，也有她自己的理由。因为胆固醇偏高，她找过不同的医生，希望多听一些意见。有的就诊很快就结束了，医生建议使用降胆固醇的药物，后来她才遇到愿意花一个小时讨论其他选择的医生。相比之下，AI 随时都在，也不会因为她追问太多而不耐烦。

那个夏天，她把从 2019 年开始的化验记录、医生说过的话，甚至一份基因检测原始数据，都放进 Perplexity 对话里。每次看新的专科医生前，她会先交代这次要见谁，让 AI 整理对方应该知道的信息，以及自己该问的问题，最后生成一份 PDF 带去就诊。

"我该问医生哪些问题？"

Chen 认可这件事的价值：患者先读懂自己的资料，见面时就能把更多时间用在需要讨论的事情上。如果病历里的术语看不懂，可以请 AI 用自己能理解的话解释，再记下哪些地方还需要问医生。这些解释可以在患者有空的时候慢慢看，医生则很难随时抽出时间，陪每个人逐页梳理资料。

准备好的 PDF 还需要核对，尤其是模型自己作出的解释和推断。Chen 更倾向于从医生实际写下的记录出发，请 AI 解释它说了什么、对生活可能有什么影响。原始记录和 AI 的回答放在一起，哪些是检查结果，哪些只是解释和猜测，见医生时仍要分得清楚。

主持人把多年化验记录整理成就诊资料，希望把与医生见面的时间用在具体问题上。

摘要没写错，也可能漏掉重要的事

把病历变短，似乎是 AI 最适合做的事，医院里也确实有不少人在花时间读记录、写摘要。患者住院一个月，资料可能积累到上千页，谁都希望有个工具帮忙读完，但 Chen 审查这些结果时发现，压缩内容的过程仍然需要判断。

"如果把一千页内容总结成一段话，你就已经漏掉了一些东西。"

摘要里每句话都对，也可能漏掉一件接下来必须处理的事。例如，其他情况交代得很顺，肺里那个需要复查的小结节却没有出现；或者药物信息列出来了，需要提前提醒患者的副作用却没有说。等到不舒服真的出现，患者可能因为此前没有得到提醒而更加慌张。

Marina 接着想到自己的资料库：放进去的东西那么多，去见医生时，会不会也漏了重要内容？Chen 说，大量旧记录还会带来另一个麻烦，模型可能混淆日期，把七年前的情况拿到今天来说。病历、化验和基因资料一股脑堆在一起，系统未必能始终分清哪些还与眼前的问题有关。

一句猜测，怎样变成了病历里的事实

有时，错误甚至不用由 AI 编造，病历里本来就有。Chen 讲起团队照顾过的一位无家可归患者：有人怀疑他患有精神分裂症，后面的记录便一直沿用这个说法。精神科实际评估后，并不支持这一判断，但其他医生写病历时，仍然把原来的描述复制了过去。

"它也在信心十足地重复其他人说过的话。"

等 AI 来总结，那句描述又出现了。这让 Chen 很在意：系统能读到精神科的评估，本来有机会回头核实，却继续复述了大家反复写过的话。原先的猜测经过一轮整理，看上去更像已经确认的病史。

一件事在记录里出现很多次，不等于它被认真核实过很多次。访谈中用“chart lore”称呼这种现象，指未经核实的信息在病历间不断流传，最后被当成事实。对这个患者而言，问题早在 AI 介入之前就存在；AI 读完更多资料，也没有自动发现其中的矛盾。

病历中的未经核实信息，可能在反复复制中被当成事实；AI 摘要也可能沿用这种错误。

没有满意的答案，可以怎样继续问

Marina 想到另一种处境：看过好几位医生，症状却始终解释不清，这时能不能找 AI 再想想？Chen 认为这值得尝试，因为医生时间有限，通常会优先考虑常见原因。如果问题一直没有解决，可以把已有信息整理出来，请 AI 提醒自己还有什么值得向医生询问。

"有没有什么是大家可能遗漏的？"

接下来可以继续问，还有哪些可能性值得讨论，是否有检查值得向医生咨询，就诊时哪几条信息应该先讲。让 AI 帮忙找遗漏，比指定一个自己怀疑的病名、等它证明更有用。这些问题可以带进诊室继续讨论，而生成的病名列表本身，不能当作诊断。

Chen 还喜欢用它练习对话，让 AI 扮演医生，自己试着描述情况，也可以交换角色，听听同一段话从另一边听起来是什么感觉。和搜索到一篇文章相比，能继续追问、能换一种表达，是他觉得这类工具很有价值的地方。

他也会让不同模型检查同一份回答，看看是否发现了不同的问题。这样可以获得补充意见，但几个模型说法一致，并不构成医疗确认。尤其涉及是否接受治疗、选择哪种手术时，需要把这些问题交给了解病情的医生核对。

有些决定，知道答案还不够

谈到治疗选择，Chen 举了一个假设：某项化疗可能让晚期癌症患者多活两个月，但这两个月也会伴随严重的副作用。AI 可以帮助解释有关疗效和风险的信息，可当患者问“这对我值不值得”时，对话就必须继续往下走。

"这是一个价值观和偏好的问题。"

患者愿意怎样度过这两个月，需要有人听他自己怎么说。对寿命的期待、对副作用的承受程度，都与选择有关。Chen 希望医生能够理解这些考虑，再结合患者的处境讨论医学信息，了解知识并不能省去彼此沟通的过程。

聊到医学教育时，Marina 追问，如果判断这么重要，它不也是从知识里长出来的吗？Chen 很赞同，所以他仍然要求医学生认真学习。即使背知识点比不过 AI，也得先听懂讨论中的概念，才能进一步判断一个建议适不适合眼前的人。

他也提醒同行，不能简单地用“我有人情味”来证明自己的价值。人们已经会与聊天机器人建立关系，甚至愿意向它倾诉更多事情。医生需要练习的，是怎样应用知识、说明取舍，帮助患者作出决定；他把专业能力、沟通和品格都看作这份工作的组成部分。

医生最想要的，是再多半小时

说到最期待的改变，Chen 讲起自己在诊室里的挫败。他以前做过软件工程师，喜欢计算机，转向医学是想用技术做真正影响健康的事。可当了医生才发现，自己有时明明知道患者需要什么，却没有办法及时帮上忙。

"我知道，再跟你聊半小时会有帮助，但我做不到。"

一次就诊只有十五分钟，他知道再解释一会儿会更有帮助，可后面还有二十位患者等着。有时终于弄清楚病因，需要找专科医生，预约却要排到六个月后。这些时刻让他沮丧：医学上已经知道下一步该做什么，患者却仍然得不到需要的帮助。

他期待 AI 能让更多人及时获得解释和沟通的机会。让患者在见面前把资料读明白，把问题准备好，让那些暂时见不到医生的人也有地方了解基本信息，都是他看得到的用处。至于具体病情中的判断和治疗选择，还需要把这些信息与患者的实际情况对上。

写在最后

下次拿到看不懂的病历，可以先让 AI 解释术语，帮自己列出准备问医生的问题。看完摘要，也记得回头核对原始记录，尤其留意日期和需要复查的事项。遇到新的症状，先说清楚自己观察到了什么，不急着猜病名。涉及治疗或紧急就医时，仍然要寻求专业评估。让这段对话帮助自己把情况说清楚，是一个可以从现在开始尝试的用法。