哪些证据缺口阻碍了AI分诊聊天机器人的发展？

我们所知：AI聊天机器人在受控测试中准确度惊人

在受控环境中，AI分诊聊天机器人的表现相当出色。2023年一项研究测试了ChatGPT（GPT-4）、必应聊天和WebMD在44个眼科病例场景中的表现。ChatGPT将正确诊断列入前三项建议的准确率达93%，几乎与眼科实习医生（95%）持平，并在98%的病例中给出了正确的分诊紧急程度——实际上在这一指标上超越了人类医生[1]。这表明，面对清晰的书面描述，顶级AI能够以高准确度将患者归入正确的紧急类别。

2025年在摩洛哥开展的一项前瞻性研究测试了一款基于WhatsApp的AI分诊系统，该系统能够理解当地语言（摩洛哥阿拉伯语方言）的语音消息、文字或图片。与医生分诊相比，该AI表现出“高度一致性”（统计指标Cohen's Kappa值为0.70），正确识别了92.3%的紧急病例，且被标记为非紧急的患者中，有97.2%的概率确实无需紧急护理[4]。这是首个针对方言原生AI分诊系统的真实世界验证，并将平均分诊时间缩短了近24分钟[4]。

关键差距：初级医疗及多样化人群中几乎无真实世界证据

最大的证据缺口显而易见：几乎所有研究都采用虚构案例（情景模拟）或急诊科场景，而非初级诊疗机构中的真实患者。2025年的一项综述指出，当前证据"源自回顾性验证、急诊环境或情景模拟，缺乏对真实世界结果的评估，且几乎没有按公平性分层的安全性数据"[3]。这意味着，当真实患者以杂乱、不完整的方式描述症状，或同时存在多种健康问题时，我们尚不清楚这些聊天机器人的实际表现。

更令人担忧的是，目前几乎没有数据表明AI分诊对不同人群是否同样有效。同一篇综述指出，已知的差异存在于“年龄、族裔、语言和贫困程度”等方面，但AI分诊研究并未按这些因素细分报告安全性数据[3]。缺乏这些数据，部署AI分诊可能会意外加剧健康不平等——例如，对非母语者或老年人准确率更低。2025年一项针对AI医疗初创企业的分析证实了这一点，指出“现实世界评估很少”，且由于“本地数据有限/存在偏差”，应用推广并不均衡[5]。

缺乏安全性和公平性的实证证据，阻碍了信任与采纳

医护人员实际上对AI分诊持开放态度——2021年一项针对中国677名医疗工作者的调查显示，77%的人表示接受，其中45%更倾向于“完全由AI进行分诊”[2]。但这种接受度取决于能否看到其有效性的证据。同一项调查发现，直接接触AI以及通过多种媒体了解AI，会提升人们对它的偏好[2]。这表明，随着证据的积累，AI分诊的普及速度可能会加快。

然而，证据的缺失造成了“先有鸡还是先有蛋”的困境。没有真实世界中的安全性与公平性数据，医院便无法大规模放心部署AI分诊系统。2025年的一项分析警告称，风险不仅来自算法偏差，还源于“人为因素、工作流程错位、治理漏洞以及部署后监测不足”[3]。除非有研究追踪不同人群的实际患者结局——而不仅仅是基于模拟病例的准确性——否则AI分诊聊天机器人仍将只是一种前景可观、却鲜有医疗系统敢于押注的工具。

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2025年间，其中3篇为2024年或之后发表，2篇发表于Q1期刊，合计被引用92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，而该筛选过程则源于从超过5亿篇论文的数据库中检索到的50篇论文。

本文引用的文献

相关研究问题