在回答“大模型看病能否相信”前，申城好網民專家、復旦大學附屬華山醫院普外科副教授周易明先舉了一個真實案例：一名患者胃上部潰瘍伴巨大穿孔，按照臨床診療指南應全胃切除，通用大模型也建議全胃切除，卻緊接著給出一個讓人啼笑皆非的建議“術后使用質子泵抑制劑（一種抑制胃酸的藥物）預防應激性潰瘍”——胃已全部切除，何談抑制胃酸？

當前，患者帶AI大模型就醫的話題熱度很高。周易明和AI創業團隊聯合研發的醫學AI引擎“KnowS”是國內首個面向臨床醫生的專業AI醫學知識引擎，近日已通過成果轉化成功落地，正幫助全國31個省市醫護診療。作為從業10余年并且懂大模型架構和原理的醫生，他明確表示，公眾應謹慎參考大模型建議，不可輕信，并給出了詳細理由。

(資料圖)

AI幻覺、數據更新不及時都可能誤導

最大的問題是不少大模型存在“AI幻覺”。大模型給出的結論看似有憑有據，但其實并不合理。“醫療工作容錯率很低，一個很小的差錯，就可能導致不可挽救的后果。所以，‘AI幻覺’非常可怕，但普通人無法識別。”周易明說。

醫生們在使用通用大模型時，還發現通用大模型缺乏理解醫學邏輯的能力，給出的建議看似專業，其實模棱兩可，并不準確。例如，在一個復雜直腸癌病例中，患者直腸系膜淋巴結陰性，但右側側方淋巴結懷疑轉移，8毫米大。醫生需要判斷患者先開刀還是先做放化療。對此，通用大模型表示“需結合影像學特征，進一步明確淋巴結性質再做決定”。然而，根據最新專家共識，淋巴結短徑大于7毫米即可臨床判斷為轉移。可見，大模型雖然找到了正確的文獻，而且給出的建議方向正確，卻沒有理解“如何判斷側方淋巴結是否轉移”的醫學邏輯，從而給出不夠準確的答案。

周易明還指出，公眾使用的通常是通用大模型，而非醫學專業大模型，經常存在數據更新延遲等問題，致使大模型給出的診療建議不符合最新的臨床診療指南，同樣引發錯誤診療。

比如，結直腸癌患者術后服用阿司匹林是臨床診療指南中的建議，但不同群體、不同病情有不一樣的用藥建議，而且2025年最新版的醫生采用版臨床指南對用藥建議行了大幅度更新。可是，當醫生測試不同通用大模型時，發現大部分都沒有及時更新，極易誤導患者和醫生——事實上，這也是華山醫院醫生和AI創業團隊聯合研發“KnowS”的重要原因，通過實時更新和鎖定數據庫，確保“KnowS”收錄和提供的內容是最新且準確的醫療研究成果，更好地幫助醫護人員查找臨床治療資料。

具備醫學知識，但是缺乏醫學思維

也有患者詢問，如果普通人用專業的醫用大模型，是不是就能得到準確的診療建議了呢？答案同樣存疑。

周易明說，“怎么問”大模型非常重要。大模型擁有龐大的數據庫，簡單來說，就是它確實具備充分的醫療知識。但是，不少通用大模型并不能像醫生那樣思考，普通患者也不知道如何從知識庫中找出最適合自己的建議。醫生在上崗前，都會經過嚴格的培訓，這種培訓不僅是知識積累，更是思維模式鍛煉。所以，醫生問診也是一門學問，問得精準、排除干擾信息，然后根據個體情況與醫療知識庫結合，制定合適的診療方案。

對普通患者來說，詢問大模型時，往往事無巨細都會問，卻不知道哪些需要重點關注，哪些是干擾信息。患者問得越多，大模型的回答也越多，最終導致信息繁雜，患者反而無所適從。

“其實，不僅患者可能問錯重點，醫生也會問錯方向。這也是專業醫用大模型正在努力解決的問題。”周易明說，“KnowS”也在不斷優化，以便提高大模型的“診療思維”能力：一方面采用樹狀思維，確保考慮問題周全無遺漏；另一方面運用鏈式思維，將診療環節拆解，力求每個環節的回答都更明確、更簡潔。

此外，通用大模型的多模態處理能力也較為有限。簡單來說，它能提供文字建議，卻無法 “讀懂” 圖片類信息。就診時，患者自述、圖文檢查報告等都是重要的基礎信息，但大模型無法同時處理這些多元內容，難以完整掌握患者情況，自然無法給出準確的診療建議。

普通人看病可以這樣用大模型

“請患者不要輕信大模型，并非全盤否定它的價值。”周易明強調，“公眾完全可以借助通用大模型，填補自身與醫生之間的醫學知識差距，進而提升醫患溝通的效率。簡單說，就是能‘更聽懂醫生在講什么’，避免因專業術語隔閡導致的溝通不暢。”

他進一步解釋，這背后正是人工智能大模型遵循的DIKW邏輯：從收集零散的原始數據（Data），到加工解讀為有意義的信息（Information），再整合歸納為可用于行動指導的知識（Knowledge），最終朝著能進行決策和創造的智慧（Wisdom）層層遞進。用做飯類比的話，買菜是數據采集，洗切是加工信息，菜譜是知識儲備，真正能做出一桌美味的飯才是智慧。這套邏輯也是大模型處理信息、生成內容的核心框架。當前通用大模型的優勢，恰好體現在醫療數據的收集與信息的整理上。對公眾而言，既能通過它快速儲備基礎醫學知識，比如提前了解自身癥狀相關的疾病常識，避免就診時“一問三不知”；也能提前理清求醫思路，讓問診更有針對性。

“進一步說，如果病程較長，病情相對比較復雜的情況下，患者或家屬如果具備一定的AI使用經驗和醫學常識，還可以用大模型當作自己的‘就診小秘書’，對已有的就診資料進行梳理、提煉和總結。”周易明補充道，“這樣在向醫生陳述病情時，能更加條理清晰，減少冗余，幫助醫生更快得到核心信息。當然，這絕非對患者的硬性要求，更不是讓患者只帶著大模型的結論就診。而是在條件允許時，將大模型整理的內容與原始檢查報告、病歷一起帶給醫生——前者幫醫生‘快速抓重點’，后者確保信息‘真實無偏差’，最終讓醫生更高效、準確地掌握病情。”

關鍵詞： 大模型 周鴻祎 北京 開源 OpenAI 模型 醫生 醫院 普通人 看病