撰文丨王聰

編輯丨王多魚

排版丨水成文

據OpenAI于 2026 年 1 月發(fā)布的報告顯示，在全球范圍內，有超過 5% 的與ChatGPT的對話與醫(yī)療保健相關，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)療產品——ChatGPT Health，這是一款面向消費者用戶的健康服務產品 ，旨在幫助用戶理解醫(yī)療信息，并為與人類臨床醫(yī)生的會面做好準備。

ChatGPT Health并非一個獨立的應用程序（App），而是存在于 ChatGPT 內部，作為一個專門的空間或標簽頁，專注于健康相關的問題、文檔和工作流程。OpenAI 表示，其與來自 60 個國家、從事數十種專科的 260 多名醫(yī)生合作，歷時兩年，對與健康相關的模型回復進行了超過 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)療相關的問題。相反，它的回答會更加謹慎，對信息的解釋有更嚴格的限制，并更明確地提示尋求專業(yè)護理。

那么，ChatGPT Health的實際表現如何呢？

2026 年 2 月 23 日，西奈山伊坎醫(yī)學院的研究人員在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，結果顯示，其 存在漏判高危急癥以及危機干預觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔憂。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，研究團隊使用臨床醫(yī)生撰寫的涵蓋 21 個臨床領域的60個病例情景，在16種不同條件下（總計 960 份回應），對ChatGPT Health的分診建議進行了結構化壓力測試。

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

在明確需要急診的“金標準”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”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的危機干預的觸發(fā)情況難以預測，在患者未描述具體 Suicide 方法時，危機干預觸發(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干預觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔憂。在消費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。

論文鏈接：

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