最近在《看呼吸》患者交流群里，不少朋友開始將AI當作問診工具，遇到頭疼腦熱總想先和AI聊聊。

△《看呼吸》患者交流群聊天記錄截圖

不過，這些24小時在線的“電子顧問”真能幫我們解決健康問題嗎？該怎樣描述癥狀，才能獲得既專業又易懂的解答？對于這些問題，我們特邀廣州醫科大學附屬第一醫院、國家呼吸醫學中心謝佳星教授為大家劃重點。

AI在呼吸慢病管理中有何優勢？

“就像‘輔助駕駛系統’在一定程度上減輕了駕駛車輛的負擔，AI降低了患者獲取醫學知識的難度。以前患者自行查找信息時容易被海量資料淹沒，陷入‘對號入座’‘看哪個癥狀都像自己’的恐慌。與傳統搜索引擎的‘單向信息轟炸’不同，AI具備智能分析的能力。”

“當患者上傳CT影像、肺功能報告等檢查資料后，AI既能解讀報告中的關鍵指標，又能結合癥狀分析病情、給予建議。比如，對于CT發現的肺結節，AI可以從報告的描述中初步判斷良惡性的傾向、評估手術可行性，并且推薦呼吸科、胸外科等對應科室的就診建議。”

“AI還能補充醫生的知識盲區，減少判斷的局限性。比如，在醫療資源不足的地區，部分非專科的普通醫生可能不熟悉嚴重哮喘的具體類型和最新診治手段，但AI能快速查閱研究資料，提供教科書里沒有涉及到的參考方案。患者可以把AI建議帶給醫生討論，相當于多了個‘智能文獻助手’，幫助醫生更快鎖定治療方向。”謝教授講道。

“另外，由于具有龐大的知識儲備和實時檢索資料，AI在處理復雜用藥問題時有識別風險的優勢。這種預警機制就像車輛自動駕駛的雷達和視覺系統，即使經驗豐富的‘老司機’面對突發狀況都可能措手不及，但雷達和視覺系統通過全方位傳感器能瞬間識別并規避風險。”

“當患者同時有多種疾病需聯合用藥時，部分非專科的普通醫生可能無法完全掌握所有藥物的相互作用。比如哮喘合并鼻竇炎的患者出現發熱時，如果曾經血常規顯示嗜酸性粒細胞數值升高，非專科醫生或許不知道這類患者使用布洛芬可能誘發‘阿司匹林哮喘’。AI系統卻能結合基礎疾病、用藥記錄、檢驗指標等信息識別出危險，提示患者和醫生使用布洛芬類的退熱藥要很謹慎。”（）

目前AI診療有何不足之處？

如前所述，AI對于看病確實是有幫助的，不過，我們貌似還不能完全把決策權交給它。當問AI本身能否看病時，它卻說“參考信息不能替代專業醫療意見”，難道是AI太“謙虛”了嗎？

“目前AI診療還存在一些不足之處，第一是‘摸不著聽不見’。醫生可能需要通過觸診疼痛部位、用聽診器辨別肺部啰音等現場體查來獲取關鍵的線索。這些需要實體接觸的檢查，AI目前是做不到的。”

“第二是‘問不出潛臺詞’。很多患者會無意中漏掉重要的信息，比如，‘爬樓梯后氣喘的患者’不說自己曾經每天抽兩包煙、頑固咳嗽病人不提咳嗽是服用了某種降血壓藥后才出現等等，有經驗的醫生會像偵探一樣，通過層層追問來挖掘線索。而AI現在或許還無法主動追問‘平時幾點咳得厲害？’‘換季時胸悶氣喘有沒有加重？’等信息。”

“第三是‘遇到復雜病情容易卡殼’。AI遇到教科書式的典型病例時表現穩定，但碰上‘不按套路出牌’的復雜病例就會犯難了。現實中很多患者癥狀不典型、多種疾病混雜，AI這時就容易出現誤判，特別是遇到同時影響心肺等多個器官的疾病時，它很難像經驗豐富的專科醫生那樣統籌分析。”謝教授講道。

“第四是目前AI的知識來源存在局限性，算法也不完善。AI往往無法直接獲取原始醫學文獻，而是主要依賴網絡公開的資訊，但很多醫療資訊其實是經過媒體或機構二次加工的‘二手資料’，這可能導致AI的診斷存在一定偏差。”

“以重度哮喘為例，資深專科醫生能通過醫學數據庫查閱最新研究論文、參與國際學術交流，甚至掌握尚未正式發表的信息，而AI卻獲取不了醫生們正在研究的前沿成果。而且目前算法也不完善，存在AI幻覺等情況。”

“最后，AI目前在病情走向預測、并發癥風險判斷等環節，尚不及經驗豐富的專科醫生。這就像老司機在熟悉路段上駕駛時，能根據路面坑洼位置、貨車聚集地點等細節提前規避風險，而自動駕駛系統目前還難以做到這種預判。”

“需要注意的是，AI的這一局限具有相對性。當面對醫生不熟悉的疾病時，AI反而可能展現出知識比較全面優勢。就像哮喘專家接診肺血管疾病患者時，雖然能判斷大致風險，但在具體診療細節等方面，AI基于海量數據的建議可能比較有參考價值。當然AI技術也在快速發展，能逐步克服以上不足。”

如何向AI提問，才能獲取比較可靠而全面的建議？

謝教授告訴大家，AI答案的質量比較依賴患者提供的資料完整度，如果能提供詳盡準確的病史、癥狀描述和檢查數據，AI的輔助診斷效果會更好。比如“喘不上氣怎么辦？”就屬于低效提問，而“我是65歲男性，曾經大量吸煙。近3天氣喘加重，雖然早晚堅持使用某吸入藥，但靜息時血氧仍從95%降至91%，呼吸困難加重，伴黃色黏痰，應該優先采取什么措施？”則屬于高效提問。

那么，大家需要主動提供哪些核心信息呢？以呼吸慢病患者為例，可以參考下方表格：

信息類型

具體內容

示例

基本信息

性別、年齡、職業等

“我是40歲男性，從事裝修業10年，常年接觸粉塵”

基礎病情

確診時間、肺功能報告、合并癥等

“哮喘+慢阻肺病重疊綜合征，2021年CT顯示肺氣腫”

用藥清單

藥物名稱、劑量、使用頻率、治療反應等

“信必可160/4.5微克 每日2吸，孟魯司特10毫克睡前，效果尚可”

癥狀變化

癥狀類型、程度、持續時間、觸發因素等

“近一周運動后喘息加重，冷空氣暴露后更明顯”

監測數據

血氧飽和度、呼氣峰流速記錄等

“晨起血氧90-93%，呼氣峰流速280-350升/分鐘”

生活習慣

吸煙史、居住環境、運動習慣等

“以前吸煙15年，平均每天5支；現已戒煙5年，家中使用空氣凈化器，每日步行30分鐘”

家族史

父母、兄弟姐妹、配偶、子女是否確診疾病

父母、兄弟姐妹、配偶、子女未確診哮喘或慢阻肺病，親屬沒有與自己類似的癥狀

最后，謝教授特別提醒大家，“就好比輔助駕駛系統不能代替司機決策，最終治療也仍然需要專業醫生把關。AI建議僅作為參考，任何治療方案必須經專業醫生確認！”

掃碼添加小助手，加入患者群交流

專家簡介 謝佳星

廣州醫科大學附屬第一醫院、國家呼吸醫學中心；博士、主任醫師、博士研究生導師；主編專著《嗜酸性粒細胞增多相關性肺疾病鑒別診斷》，主要方向：重度難治性哮喘、慢性咳嗽、嗜酸性粒細胞增多疾病。

本文完

未經許可，請勿轉載

排版：張彥

此內容為醫學科普，僅供參考，不能作為診斷醫療依據

1

2

3

看呼吸

權威實用的

呼吸科普平臺