不同患者群体中，AI分诊聊天机器人的准确度如何？
总体而言，AI分诊聊天机器人在不同紧急程度下与医生的意见一致性约为80%至84%，这一比例相当可观，但尚未达到完美。在一项针对649名患者的英国基层医疗真实世界研究中，AI工具（Visiba Triage）在三个紧急级别上与全科医生的分类一致性达到83.7%（kappa值为0.69）[1]。另一项在摩洛哥进行的研究中，使用基于当地方言的AI聊天机器人（通过WhatsApp平台）与医生分诊的一致性为80.7%（kappa值为0.70）[4]。这两项研究涉及截然不同的人群和场景，却得出了相近的一致性水平，从而进一步强化了这一发现。
对于最危重的患者——即需要立即急救的病人——人工智能聊天机器人具有极高的敏感性，这意味着它们几乎不会漏诊真正的紧急情况。在摩洛哥的研究中，针对“紧急”病例的敏感性达到92.3%[4]。在一项涵盖46个急诊场景的研究中，ChatGPT-4o对最紧急的分诊级别（1级）敏感性为100%，对最不紧急的级别（5级）敏感性也为100%，但在中间级别（4级）的敏感性最低，仅为50%[3]。这表明该工具在识别最危重患者方面非常安全，但有时可能会低估中度紧急病例的严重程度。
然而，针对某些病症，准确率会有所下降。一项关于眼科疾病人工智能聊天机器人的研究发现，ChatGPT-4在93%的情况下能将正确诊断列入前三项建议，而必应聊天仅为77%，WebMD症状自查工具更是只有33%[2]。这种显著差异表明，并非所有AI工具都表现一致，其性能在很大程度上取决于具体的聊天机器人和医学领域。
AI分诊聊天机器人让谁受益最多——谁又被抛在了后面？
最大的受益者是那些使用受支持语言且具备基本数字素养的患者。摩洛哥的一项研究特意构建了一个系统，通过WhatsApp接受当地方言（摩洛哥阿拉伯语）、英语或法语的语音、文字和图片输入，平均将分诊时间缩短了近24分钟[4]。这种“零摩擦”设计——无需下载应用程序、无需打字——使得中低收入国家的更广泛人群能够使用该系统。
老年人是最容易感到不满或被忽视的群体。在英国的研究中，60岁及以上的患者对AI分诊工具的满意度显著低于年轻患者（调整后的优势比为0.25，意味着他们报告高满意度的可能性降低了75%）[1]。这是一个关键警示：即使AI在临床诊断上准确无误，老年用户仍可能觉得它令人困惑或缺乏人情味。
识字能力有限或使用非标准方言的患者同样面临障碍。摩洛哥的研究明确指出，传统AI症状自查工具“往往因识字要求高、缺乏方言支持而在这些场景中失效”[4]。因此，尽管方言母语聊天机器人能够弥合这一差距，但现有大多数工具并未提供此功能，导致大量人群得不到充分服务。
何时该信任AI分诊聊天机器人——又该何时保持警惕？
在紧急病例的初步分诊中，可以信任人工智能，但始终将其视为决策辅助工具，而非医生的替代品。所有研究均表明，人工智能在识别紧急情况方面是安全的：在英国的研究中，人工智能判定为非紧急的病例，没有一例后来被全科医生重新归类为紧急情况[1]。在急诊场景研究中，ChatGPT-4o对最危重患者的敏感度达到100%[3]。这意味着人工智能极不可能将真正需要救治的患者误判为无需就医。
对于罕见或复杂疾病需保持谨慎。一项关于神经遗传疾病的研究发现，ChatGPT与谷歌的Gemini在诊断准确性上存在“显著差距，并伴有令人担忧的幻觉现象”——即它们有时会编造看似合理但实际错误的信息[5]。研究作者强调，这些工具需要“神经科医生与遗传学家进行严谨的协作与监督”[5]。对于罕见疾病，人工智能的可靠性远低于预期。
还需注意，人工智能往往存在过度分诊的倾向——即对病例的紧急程度评估高于实际情况。英国研究指出，该AI具有“注重安全的设计，更易出现过度分诊”[1]；眼科研究则发现必应聊天“倾向于高估分诊紧急程度”[2]。虽然这比分诊不足更安全，但可能导致不必要的担忧和急救资源的过度使用。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2023年至2026年间，其中4篇为2024年或之后发表，1篇发表于Q1–Q2期刊，累计被引用79次——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果，而该5篇文献又源自一个包含超过5亿篇论文的数据库中所检索到的50篇论文。
本文引用的文献
人工智能辅助当日预约分诊的真实世界评估：一项英国初级医疗机构的混合方法研究（预印本）
在一项针对649名患者的英国初级保健真实世界研究中，AI分诊工具与全科医生的分类一致性达83.7%（kappa值0.69），且未遗漏任何紧急病例，但60岁及以上老年患者报告高满意度的可能性降低了75%。
人工智能聊天机器人在眼科疾病分诊中的表现
在一项针对44个眼科病例的横断面研究中，ChatGPT-4在93%的情况下将正确诊断列入了前三项，并在98%的情况下正确判断了紧急程度，表现优于必应聊天（77%和84%）和WebMD（33%）。
评估人工智能聊天机器人在急诊病例分诊中的准确性：与临床专家的一项比较研究
在一项涵盖46个急诊场景的横断面研究中，ChatGPT-4o对最紧急的分诊级别（1级）表现出100%的敏感性，且与专家医师的整体一致性较高（kappa值为0.695）。
弥合数字健康中的素养鸿沟：一项关于方言原生AI分诊聊天机器人优化急诊护理的前瞻性研究（预印本）
在一项针对摩洛哥150名患者的前瞻性研究中，基于WhatsApp平台、使用当地方言的AI聊天机器人与医生分诊的一致性达到80.7%（kappa值0.70），对紧急病例的敏感性为92.3%，并将分诊时间缩短了23.8分钟。
AI驱动的神经遗传学：通过聊天机器人辅助患者评估。
在一项针对六种神经遗传性疾病的90个问题的研究中，GPT聊天机器人的表现优于Gemini，但两者在诊断准确性上均存在显著差距，且出现了令人担忧的幻觉现象，因此需要临床医生的监督。