Cover 在向您首选的AI聊天机器人咨询AI健康问题之前，先学习如何优化提问，以获取更有力的证据、更相关的研究资料以及对自身局限性的清醒认知
在向您首选的AI聊天机器人咨询AI健康问题之前，先学习如何优化提问，以获取更有力的证据、更相关的研究资料以及对自身局限性的清醒认知
1 / 1
AI可以作为一种实用的健康研究工具，帮助您解读医学信息、准备更精准的问诊问题，并在下次就医时获益良多——前提是您得学会如何正确使用这些AI健康问题工具。
我们都有过这样的经历：身体出现不适、血检结果让人困惑、或者听到某种补剂或疗法。在咨询医生之前，我们往往会先去问ChatGPT或Claude。然而，这种做法是否明智，目前仍存在争议。
支持者指出其显而易见的优势。AI能够翻译医学术语，快速筛选研究资料，并帮助人们在就诊时提出更深入的问题。在印度，参与2026年飞利浦未来健康指数（Philips Future Health Index）调查的患者中，有68%表示生成式AI帮助他们更高效地利用了与医生交流的时间。在医疗专业人士中，85%的人认为AI有助于改善患者的健康状况。
当然，质疑声也合情合理。大语言模型（LLM）可能会出错。它们可能忽略语境，过度解读薄弱的研究数据，并以令人信服的口吻给出不确定的答案。此外，人们还担心隐私问题，以及当技术开始取代而非辅助医患沟通时会产生什么影响。在印度尼西亚，74%的受访患者对医疗领域中的AI持乐观态度，但同时也有54%的受访者担心这会缩减与医生面对面交流的时间。
另请参阅：亚洲如何重新定义“长寿”的内涵
目前的医疗系统正试图寻找一个平衡点。例如，新加坡的HealthHub平台现已引入生成式AI助手，但其答案源自公共医疗机构提供的健康信息，且明确警告用户不要将这些回答视为医疗建议。
尽管如此，人们使用AI咨询健康问题的事实已不可逆转。
Above 一些医生认为AI是患者在就诊前获取健康知识的有效途径，而另一些医生则担心患者会因不完整的信息或微弱的证据而对某种诊断或治疗产生固执的见解（图片来源：Getty）
一些医生认为AI是患者在就诊前获取健康知识的有效途径，而另一些医生则担心患者会因不完整的信息或微弱的证据而对某种诊断或治疗产生固执的见解（图片来源：Getty）
1 / 1
Suwanna Suwannaphong博士拥有超过20年的临床经验。作为一名心脏科和内科专家，她目前担任泰国曼谷VitalLife科学健康中心（VitalLife Scientific Wellness Center）的课程主任，同时也在泰国顶尖的私立医院康民国际医院（Bumrungrad International Hospital）执业，专注于预防医学和预防心脏病学。
VitalLife为相关讨论带来了不同的专业视角。自2001年成立以来，该中心深耕预防医学与长寿医学领域超过20年，并依托康民国际医院广泛的临床基础设施。
医生们现在面临的问题是，该如何处理患者带来的AI信息。一些医生认为这是患者在就诊前自我教育的有效方式；另一些医生则担心患者会因受到AI基于不完整信息、薄弱证据或过分自信的诊断建议的影响而产生误解。
Suwannaphong博士坚定支持前者，但前提是有条件的。她并没有要求患者停止使用大语言模型，而是希望他们能更好地利用它。她提出的第一个问题便切中要害：“您是如何向AI提问的？”
AI健康问题：从研究源头开始
Suwannaphong博士的第一条建议是：告知大语言模型您希望它参考哪类资源。
如果您泛泛询问某种疗法是否有效，它可能会检索研究论文、新闻报道、诊所网站和营销文案。她的建议是收窄范围：明确要求AI检索原始研究和已发表的学术文章，并询问这些研究与您的问题关联度如何。
“任何具备网络访问权限的大语言模型都能找到广告、商业文章或其他碎片化内容，”她表示，“如果您指示模型排除这些内容，并专注于原始研究，就能极大地精简干扰信息。”
接着，仔细检查证据类型：该研究是在人体上进行的吗？参与人数规模如何？是有多项研究指向同一结论，还是只有一项小规模研究在网络上反复转载，以至于听起来像是一个定论？
选用您能接触到的最佳AI模型
并非所有大语言模型的表现都在同一水平。
对于健康研究而言，Suwannaphong博士建议尽可能使用能力更强的模型。在实践中，这可能意味着使用付费版本而非免费版本。
模型之间的性能差异会显著体现在搜索质量、处理复杂问题以及分析研究资料的深度上。
她的观点很简单：如果您正在使用AI调查像健康这样至关重要的问题，那么所用工具的质量也至关重要。
提供更具体的个人背景信息
Above 当您向AI输入AI健康问题时，提供的背景信息越详尽，研究结果就越具备相关性（图片来源：Getty）
当您向AI输入AI健康问题时，提供的背景信息越详尽，研究结果就越具备相关性（图片来源：Getty）
1 / 1
问题越笼统，得到的答案也就越泛泛。
Suwannaphong博士给出了一个简单的例子：针对一位45岁东南亚女性的研究结果，可能并不适用于一位35岁的德国男性。
年龄、性别、族裔、病史以及正在服用的药物，都会影响研究资料的参考价值。
大语言模型可以辅助搜索那些较难找到的小众且具体的案例研究。虽然这并不能替代个性化的医疗建议，但能让您带入诊室的研究资料变得更具针对性。
询问AI证据的边界
Suwannaphong博士推荐了一个特别实用的指令：告诉AI，当它不知道答案时请直说。
大语言模型往往倾向于不断给出回答。在医学领域，这可能成为一个严重问题。
要求它区分哪些是医学界的共识，哪些是尚处于早期阶段、存在冲突或证据不足的观点。询问研究中是否存在重要的空白点。如果现有信息不足以准确回答问题，要求AI如实告知。
莫将自信混同于准确性
Suwannaphong博士认为，这一点上AI与某些健康网红非常相似：两者听起来都极其自信。
医生往往会显得谨慎，因为医学本身就涉及权衡利弊、禁忌症以及不完全的信息。“医学领域不存在百分之百的定论，”她说，“我们往往因为AI展示答案时的自信而倾向于相信它。”
然而，这种自信绝不应成为您信任AI的理由。
用好AI，提升您的就诊体验
Suwannaphong博士并非对AI本身持怀疑态度。她认为医生未来将越来越需要借助AI来跟进海量的医学研究。但就目前而言，通用大语言模型最实用的角色其实很简单。
用AI帮助您理解医学证据，询问哪些研究可能适用于您，并明确它的局限性。
最后，请务必带着这些问题去咨询能为您提供全面诊断的专业医师。
Tamara Lamunière 是 Tatler Asia Group 的总裁。
