目錄

AI 醫療建議的現實鴻溝：理論與實測的差距

牛津大學互聯網研究所聯同納菲爾德基金會基層健康科學系發布了一項被視為里程碑的研究成果。這項首次針對 AI 聊天機械人醫療建議的隨機對照研究，涉及 1,298 名英國參與者，測試 10 個由醫生精心設計的醫療情境。研究結果揭示了一個令人不安的事實：AI 在獨立測試中展現的高準確率，並未轉化為實際使用場景中的有效表現。

研究團隊將參與者隨機分配至兩組，實驗組使用大型語言模型（LLM）包括 GPT-4o、Llama 3 和 Command R+，對照組則維持其個人常用的診斷方法，大多是網上搜尋或依賴既有知識。這個設計旨在模擬真實世界中民眾尋求健康建議的典型行為模式。

數據上的對比更為殘酷。獨立測試中，LLM 識別相關病症的準確率高達 94.9%，正確行動建議率達 56.3%；但當真實用戶參與時，識別健康狀況的成功率驟降至 34.5% 以下，建議正確行動的成功率更低於 44.2%。這道約 60 個百分點的鴻溝，正是理論與現實的距離。

用戶提問方式如何影響 AI 診斷質素？

研究中最具啟發性的發現之一，在於用戶與 AI 系統互動時的提問品質。研究團隊觀察到一個普遍的困境：當面對健康問題時，民眾往往不清楚應該如何向聊天機器人提問才能獲得有意義的答案。這個「提問鴻溝」直接導致了不同提問方式得到的回答品質參差不齊。

許多參與者在測試中使用了模糊、簡略或缺乏上下文的表述。例如，有人僅輸入「頭痛」而非完整描述症狀開始的時間、強度、伴隨症狀或潛在觸發因素。這種資訊不完整的請求，使得 AI 難以進行有效的症狀分析和建議。

這項發現對 AI 醫療應用的設計提出了關鍵挑戰：如何在用戶缺乏醫療背景知識的情況下，引導他們提出有效的問題？單純提供一個對話界面是不夠的，需要更智能的問題引導機制來幫助用戶準確描述症狀。

為何大型語言模型在醫療場景頻頻失手？

大型語言模型在醫學執照考試中取得近乎完美的成績，這一事實常被用來證明其醫療能力。然而，牛津大學的这项研究揭示了一个残酷的真相：考试能力并不能等同于实际诊疗能力。

研究人員識別出幾個關鍵因素导致 AI 在实际医疗场景中表现不佳：

第一，情境脈絡的缺失。標準化測試中的問題經過精心設計，包含了所有必要資訊；但現實中，患者往往只提供片段化、不完整的資訊。AI 雖然能夠處理這些輸入，卻無法像醫生那樣通过追問来补全关键信息。

第二，人類與 AI 溝通出現斷層。研究發現參與者经常误解聊天机器人的回应，或者在阅读建议后反而淡化风险。这种人机沟通的失败，导致了本可避免的决策错误。

第三，嚴重病症的識別盲點。部分參與者未能發現 AI 建議中的严重健康问题，甚至在 AI 已经明确提示风险后，仍然选择忽视。这种现象凸显了公众对 AI 建议的盲目信任或完全不信任都是危险的。

2026 年 AI 醫療產業的危與機

2025 年 11 月 Mental Health UK 的調查揭示了一個驚人的趨勢：超過三分之一的英國居民已經使用 AI 來支援心理健康或整體健康諮詢。這意味著即便缺乏充分的科學驗證，公眾對 AI 醫療建議的需求正在快速攀升。

全球 AI 醫療市場正處於高速增長期。根據多項市場研究預測，2027 年全球 AI 醫療市場規模預計突破 2,080 億美元，年複合增長率維持在 40% 以上。然而，牛津大學的这项研究為這個火熱的市場泼了一盆冷水：当技术尚未准备好大规模部署时，激进的商业推广可能带来严重后果。

研究人員強調，這並不意味著 AI 在醫療領域毫無價值。相反，這項研究指出了明確的改進方向：

• 提升用戶互動體驗：開發更智能的問題引導系統，幫助用戶提供完整的症狀資訊。
• 強化安全性防護：在 AI 系統中加入更嚴格的紅旗警示機制，對潛在嚴重症狀進行強提醒。
• 明確的能力邊界：讓用戶清楚了解 AI 能做什麼、不能做什麼，避免過度期待。

監理機構的角色也將變得越來越重要。預計各國將陸續推出針對 AI 醫療建議的指導方針和規範，要求開發商對系統的準確率和安全性進行更嚴格的驗證。這對產業來說既是挑戰，也是建立用戶信任的契機。

專家呼籲：AI 應支援而非取代臨床醫生

牛津大學研究的作者群一致強調，當前的 AI 聊天機器人技術尚未準備好作為獨立的醫療決策工具。Rocher 副教授明確呼籲：「AI 應支援臨床醫生而非取代醫生，在任何健康相關 AI 系統中，安全性、防護機制及人類監督必須放在首位。」

這個結論呼應了全球醫學界對 AI 輔助診斷的主流觀點：AI 最理想的角色是「第二意見提供者」或「初篩工具」，而非直接面對患者的診斷者。醫生的價值不僅在於知識儲存，更在於整體評估能力、臨床判斷力和醫患溝通技巧——這些都是當前 LLM 難以複製的。

對普通民眾而言，這項研究提供了明確的行動指引：

展望未來，AI 與醫療的結合仍蘊含巨大潛力。關鍵在於穩健的技術開發、嚴謹的臨床驗證，以及負責任的產品部署策略。牛津大學的這項研究，或許正是推動產業走向成熟的催化劑。

常見問題 (FAQ)

AI 聊天機器人的醫療建議到底可不可信？

根據牛津大學研究，AI 在獨立測試中可達到 94.9% 的病症識別準確率，但實際使用時因用戶提問方式、溝通斷層等因素，成功率僅有 34.5%。因此，AI 醫療建議應作為參考而非依據，涉及健康決策時仍應諮詢專業醫護人員。

為什麼 AI 醫療執照考試高分卻在現實中表現不佳？

標準化測試提供完整、清晰的問題設定，但現實醫療場景充滿模糊、不完整的資訊。AI 無法像醫生那樣通过追問補全關鍵資訊，也难以进行整体性臨床判斷。這凸顯了「考試能力」與「實際診療能力」之間的根本差異。

使用 AI 健康諮詢時應該注意什麼？

首先，提供盡可能完整的症狀資訊；其次，關注 AI 是否給出「建議就醫」的警示；第三，切勿以 AI 建議取代專業診治；最後，對嚴重症狀應立即尋求醫療協助。專家強調，AI 應作為臨床醫生的輔助工具，而非獨立的醫療決策者。

參考資料

• 牛津大學官方網站 – 研究發布機構
• Nuffield Foundation 納菲爾德基金會 – 研究合作機構
• MIT Technology Review – 科技研究評論平台
• 世界衛生組織 WHO – 國際衛生指導機構