撰文丨王聰

編輯丨王多魚

排版丨水成文

據(jù)OpenAI于 2026 年 1 月發(fā)布的報告顯示，在全球范圍內(nèi)，有超過 5% 的與ChatGPT的對話與醫(yī)療保健相關(guān)，每天有超過 4000 萬人向 ChatGPT 醫(yī)療保健方面的問題。

2026 年 1 月，OpenAI 推出了其首款 AI 醫(yī)療產(chǎn)品——ChatGPT Health，這是一款面向消費(fèi)者用戶的健康服務(wù)產(chǎn)品 ，旨在幫助用戶理解醫(yī)療信息，并為與人類臨床醫(yī)生的會面做好準(zhǔn)備。

ChatGPT Health并非一個獨(dú)立的應(yīng)用程序（App），而是存在于 ChatGPT 內(nèi)部，作為一個專門的空間或標(biāo)簽頁，專注于健康相關(guān)的問題、文檔和工作流程。OpenAI 表示，其與來自 60 個國家、從事數(shù)十種專科的 260 多名醫(yī)生合作，歷時兩年，對與健康相關(guān)的模型回復(fù)進(jìn)行了超過 60 萬次審查。因此，它不會像普通聊天那樣以開放式的回答任何聽起來與醫(yī)療相關(guān)的問題。相反，它的回答會更加謹(jǐn)慎，對信息的解釋有更嚴(yán)格的限制，并更明確地提示尋求專業(yè)護(hù)理。

那么，ChatGPT Health的實(shí)際表現(xiàn)如何呢？

2026 年 2 月 23 日，西奈山伊坎醫(yī)學(xué)院的研究人員在Nature Medicine期刊發(fā)表了題為：ChatGPT Health performance in a structured test of triage recommendations 的論文。

該研究測試評估了ChatGPT Health在分診建議方面的表現(xiàn)，結(jié)果顯示，其 存在漏判高危急癥以及危機(jī)干預(yù)觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔(dān)憂。例如， 對于“糖尿病酮癥酸中毒”和“即將發(fā)生的呼吸衰竭”這類危及生命的狀況，其建議患者在“24-48 小時后再評估”，而不是立即前往急診科。

在這項研究中，研究團(tuán)隊使用臨床醫(yī)生撰寫的涵蓋 21 個臨床領(lǐng)域的60個病例情景，在16種不同條件下（總計 960 份回應(yīng)），對ChatGPT Health的分診建議進(jìn)行了結(jié)構(gòu)化壓力測試。

結(jié)果顯示，ChatGPT Health的測試總體表現(xiàn)呈“倒 U 型”分布，其在處理中等緊急程度的病例時表現(xiàn)尚可，最危險的失誤集中在兩個臨床極端——非緊急臨床表現(xiàn)（失誤率 35%）和緊急狀況（失誤率 48%）。

在明確需要急診的“金標(biāo)準(zhǔn)”病例中，ChatGPT Health錯誤地將 52% 的病例判斷為不需要立即急診。錯誤示例——對于“糖尿病酮癥酸中毒”和“即將發(fā)生的呼吸衰竭”這類危及生命的狀況，其建議患者在“24-48 小時后再評估”，而不是立即前往急診科。正確判斷示例——正確識別并分診了“中風(fēng)”和“過敏性休克”等典型急癥。

該研究還顯示，ChatGPT Health易受他人意見影響，也就是存在錨定偏見，當(dāng)病例描述中提到家人或朋友低估了癥狀，其給出的分診建議會顯著地向“降低緊急程度”偏移。這種影響在邊緣案例中尤為明顯。

對于有Suicide傾向的患者，ChatGPT Health的危機(jī)干預(yù)的觸發(fā)情況難以預(yù)測，在患者未描述具體 Suicide 方法時，危機(jī)干預(yù)觸發(fā)頻率反而高于描述具體方法時。

總的來說，這項研究結(jié)果揭示了人工智能分診系統(tǒng)（Artificial Intelligence Triage Systems）存在漏判高危急癥以及危機(jī)干預(yù)觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔(dān)憂。在消費(fèi)級人工智能分診系統(tǒng)部署之前，這些安全問題需要通過前瞻性驗證來加以確認(rèn)。

論文鏈接：

https://www.nature.com/articles/s41591-026-04297-7