“打开手机就能问健康问题，不用排队、不用尴尬，AI比医生还‘有耐心’”——如今，这样的场景已不再陌生。2026年开春以来，科技巨头们纷纷加码健康AI赛道：微软推出可关联病历的Copilot Health，亚马逊将Health AI向大众开放，OpenAI的ChatGPT Health、Anthropic的Claude也早已布局其中。

AI健康工具的数量达到了前所未有的规模，它们打着“便捷、高效、个性化”的旗号，试图填补医疗资源的缺口，成为人们身边的“私人健康助手”。但热闹背后，一个值得深思的问题始终萦绕在我们心头：这些AI工具的效果究竟如何？它们是能为医疗资源有限的人群带来希望的曙光，还是可能在未被充分验证的情况下，埋下健康隐患？在没有足够多独立测试的支撑下，我们难以确定，这份“智能守护”最终会成为助力，还是潜藏着未知的伤害。

医疗资源的不均衡、就医流程的繁琐，让大众对便捷健康咨询的需求日益迫切，而AI技术的迭代的突破，恰好踩中了这一痛点，推动健康AI工具迎来爆发式增长。这场风口的到来，从来不是偶然，而是技术进步与市场需求双向奔赴的结果，只是在喧嚣的趋势之下，我们既能看到希望，也能窥见隐忧。

图自《麻省理工科技评论》

AI健康工具的崛起，本质上是对现有医疗体系痛点的回应。在现实生活中，许多人面临着“看病难”的困境：偏远地区医疗资源匮乏，普通人挂号排队动辄数小时，轻微不适不愿占用医疗资源，隐私性健康问题难以向医生启齿。

而AI健康工具的出现，似乎提供了一种解决方案——全天候在线、不带评判、响应迅速，恰好契合了大众对便捷健康咨询的核心需求。微软发布的报告显示，其Copilot移动应用每天会收到5000万个健康相关问题，健康话题已然成为平台上最热门的讨论方向，这一数据背后，是无数人对便捷健康服务的迫切渴望。

技术的突破性进步，为健康AI工具的落地提供了可能。微软人工智能健康部门副总裁、前外科医生多米尼克·金直言，生成式AI在解答健康问题、提供优质回应方面的能力提升，是微软推出Copilot Health的核心原因。作为当前健康AI工具的核心支撑，大语言模型的迭代让AI能够更精准地理解复杂的健康问题，甚至能解析医疗数据、提供个性化建议。Copilot Health可连接美国超过50000家医院和医疗机构的健康数据，在获得用户许可后，能查看测试结果、病史、用药情况，甚至整合Apple Watch等可穿戴设备的数据，将复杂医学术语转化为通俗易懂的语言，为用户提供可落地的健康洞察。

optometryadvisor.com

各大科技企业的纷纷入局，让面向大众的健康AI正式成为行业趋势。除了微软的Copilot Health，亚马逊将此前仅对One Medical会员开放的Health AI推向大众，OpenAI的ChatGPT Health、Anthropic的Claude也凭借大语言模型优势，加入健康咨询赛道。这些工具的宣传愿景十分美好：帮助用户判断是否需要就医，为轻微病症提供居家管理建议，为慢性病人提供长期健康指导，既减轻用户的就医负担，也缓解医疗系统的压力。但正如西奈山医疗系统的首席人工智能官吉里什·纳德卡尼所言，这些工具能占据一席之地，核心是因为“获取医疗服务并不容易，对特定人群来说更是难上加难”，而这份需求背后，也隐藏着对工具安全性的极高期待。

面对井喷的AI健康工具，企业纷纷宣称已对产品进行严格测试，确保回复的安全性和实用性。OpenAI就专门推出了HealthBench基准测试工具，联合60个国家和地区的262位执业医师，收录5000份真实医疗对话场景，用于评估大语言模型在健康场景中的表现，其GPT-5模型在该测试中的得分远优于前代产品。微软也表示，Copilot Health的开发有230多位医生参与，对安全性进行了严格审查，还采用加密技术保护用户健康数据，与普通Copilot聊天记录分开存储，保障隐私安全。

但这些企业自测的局限性，早已被研究人员和专家点破。牛津互联网研究所的博士生安德鲁·宾及其同事的研究发现，即便大语言模型能在虚构场景中准确识别病症，缺乏医学专业知识的普通用户，在AI辅助下也只有三分之一的概率得出正确结论。

这是因为用户可能不知道该向AI提供哪些关键信息，也可能误读AI给出的建议，而HealthBench等测试工具的场景的是由AI生成的，与真实用户的使用场景存在差距，无法完全反映工具的实际表现。更值得注意的是，OpenAI报告显示，其旗舰版GPT-5.4在主动寻求上下文信息方面，反而不如早期版本的GPT-5.2，这意味着AI在面对复杂健康问题时，仍可能因信息不足给出不准确建议。

第三方独立评估的缺失，更是让AI健康工具的安全性蒙上一层阴影。在健康这一关乎生命安全的领域，仅依靠企业自身评估显然不够——即便企业的研究足够严谨，也难免存在认知盲区，而广泛的科研界才能助力填补这些空白。

图自unsplash

谷歌的AMIE医疗AI模型就是一个典型案例，其在测试中展现出与人类医生相当的诊断准确率，且未出现重大安全隐患，但谷歌并未急于推向市场，而是表示仍需解决公平性、公正性等方面的局限，继续开展安全测试。反观当前已推出的多数健康AI工具，在面向大众之前，几乎没有经过独立专家的严格评估，西奈山医院的研究就发现，ChatGPT Health有时会为轻微病症推荐过度诊疗方案，还可能遗漏紧急情况，这一问题引发了人们对工具安全性的广泛担忧。

尽管专家们普遍认可健康AI的潜在价值，但也一致强调评估的重要性。斯坦福大学的MedHELM框架试图弥补评估体系的不足，涵盖121项临床任务和35个基准，对AI在各类医疗场景中的表现进行全面测试，但该框架仅能评估AI的单次回复，无法适配用户与AI多轮对话的真实场景。

项目负责人尼加姆·沙阿坦言，他们正着手开发更全面的评估体系，但需要大量的时间和资金投入，而在此之前，企业推出产品的脚步并不会停止，这种“先推出、后评估”的模式，本身就潜藏着风险。

在AI健康工具的浪潮中，并非所有参与者都急于求成，麻省总医院布莱根医疗系统的实践，为行业提供了一份理性范本。该医疗系统的首席医疗信息官丽贝卡·米舒里斯表示，决定采用哪些AI工具，核心不在于技术炒作，而在于实际证据和真实影响，他们对AI始终保持“谨慎乐观”的态度——既看到其变革潜力，也绝不忽视安全风险。这种谨慎，体现在AI工具的全流程管理中，也为行业树立了标杆。

麻省总医院的AI部署，始终围绕“安全、实用”的核心展开。他们首先建立了安全的内部访问机制，让临床医生和研究人员能在保护患者隐私的前提下，利用受保护的健康信息开展AI实验，比如开发AI代理，在患者就诊前为医生汇总数十年的医疗记录，提升诊疗效率。同时，医院投入巨资开展员工AI培训，帮助医护人员了解AI的功能与局限性，掌握安全使用方法，确保AI能真正融入诊疗流程，而非成为“额外负担”。

更重要的是，他们建立了多层监控体系：实时监控患者护理过程，及时发现AI的“幻觉”问题；短期回顾性监控，大规模审查AI输出，识别潜在风险；持续性能监控，确保AI工具能长期达到预期目标。

这种谨慎实践，也为健康AI工具的落地提供了重要启示：AI无需追求“完美”，但必须“可控”。米舒里斯强调，评判AI工具的标准，不应是“零错误”，而是其在现实世界中的表现是否优于现有工作流程，是否能切实改善患者护理或减轻医护人员负担。

图自unsplash

加州的一项研究显示，人类医生在撰写出院总结时，与AI产生的幻觉程度相当，因此关键不在于AI是否会犯错，而在于如何规避严重错误，让AI成为医护人员的辅助，而非替代者。微软在推出Copilot Health时，也采取了相对审慎的策略，先在美国分阶段推出，要求用户通过身份验证获取健康记录，明确标注信息来源，还计划后续收费，这些举措都在试图平衡便捷性与安全性。

专家们普遍认为，健康AI工具的价值，在于为医疗资源有限的人群提供“兜底”服务——对于那些难以获得医疗服务的人来说，一个随时可用、偶尔出错但错误不严重的AI，或许比完全无法获得健康建议要好得多。

但这并不意味着我们可以放松对AI的要求，相反，更需要建立完善的评估体系、明确的责任边界，让企业承担起安全测试的责任，让第三方专家参与到评估中来，让AI在可控的范围内发挥价值。OpenAI的健康业务负责人卡兰·辛格尔就表示，他们强烈支持外部评估，推出HealthBench也是为了给行业提供一个优质评估范例，只是高质量评估的高成本，也让这一过程充满挑战。

当AI健康工具越来越多地走进我们的生活，我们既不必盲目追捧，也无需全盘否定。它们是技术发展的必然产物，承载着人们对便捷医疗的期待，也潜藏着未被验证的风险。我们期待AI能真正填补医疗资源的缺口，为更多人提供可及的健康服务，但这份期待，必须建立在充分的测试、严格的评估和明确的责任之上。健康从来不是一场速度竞赛，而是一场安全长跑。

或许，我们真正需要思考的不是“AI健康工具该不该存在”，而是“如何让AI健康工具真正服务于人类健康”。在健康面前，有效和安全，永远比便捷和快速更重要。而那些正在路上的AI健康工具，唯有跨过“评估”这道关，才能真正成为人类健康的助力，而非隐患。

【本文中包含的图片均来源于网络，仅用于信息传播和新闻报道目的。我们尊重并保护所有版权拥有者的权利。若有任何版权问题，或版权拥有者不希望图片被使用，请与我们联系，我们将在收到通知后立即处理并删除相关图片。】