作者：张木亭

编辑：阳千鱼

排版：魏蔚

文内AI制图：丛敏

7月18日凌晨，江苏某二甲医院急诊外科。工作1年的医生余米正在上夜班，诊室来了一个因为酒后打架，头部出血的中年男人。在夏天，像这样喝酒上头后打架的人，是诊室的常客。男人显得着急，反复追问余米到底有没有问题。余米给男人做了头部CT，确认没有颅内出血，让他先去打破伤风。

男人刚回到诊室门口，余米就听到了从他手机里传来AI女声：“根据目前影像报告上的描述，可以判断有颅内出血。可能是医生的诊断错误。”这刻，余米感到魔幻。

学界、医学圈、AI圈还在争论大模型究竟能不能看病，患者们已经开始用“指尖”投票。余米的经历开始在全国各地医院上演：患者带着AI问诊的答案进入诊室，寒窗苦读十年的医生，被迫需要向眼前人证明，自己讲的是对的。

余米和AI的分歧来自影像报告上那句“颅内可见高密度影”。这句话既可以提示钙化灶，也可以提示颅内出血。余米不确定AI为何做出了颅内出血的判断，也许是读图能力欠佳。她向男人解释，不能全信AI，要相信医生的判断，又尽她所能地再讲了一遍，“高密度影”是什么情况。

但男人没能被说服，他酒还没醒，情绪变得激动。新来的病人还在排队，余米没法继续和男人拉锯，又不知还能怎么解释，她感觉异常尴尬，只好打电话请来了神经外科医生，当着男人的面又分析了一遍片子，结论和余米一致。

为此，余米前前后后花掉了半小时，是平时看病时长的三倍。男人走后，余米在社交媒体上发了一篇吐槽帖，帖子写道：“我真没招了。是嫌医患矛盾还不够大吗？”

无论医生们多崩溃，这场“赛博问诊”的浪潮正以惊人的速度席卷开来。尽管目前没有确切的官方数字公布，在2026年6月的一次播客中，百川智能创始人王小川不经意透露了竞品的数据：“豆包一天承载的健康相关问诊次数，大概已经达到两三千万人次。”

这一数字是什么概念？根据国家卫健委发布的最新数据，2025年1-11月，全国医院的总诊疗人次是42.4亿，平均到每天，大约是1269万人次。

医疗流量向AI的大规模迁徙，正在全平台上演。2026年1月，科创板日报报道称，医疗垂类大模型蚂蚁阿福日均健康咨询量也已超1000万次。而美国OpenAI公司更是在2026年7月表示，ChatGPT每周有超3亿次健康询问。

伴随这场流量大迁徙的，是医疗大模型的井喷。据艾媒咨询2026年8月发布的报告，过去三年，中国医疗大模型完成了从0到1的爆发式生长，累计发布量从2023年的61个，跃升至2025年6月的311个。

当余米们还在为一张张影像报告和患者据理力争时，潮水的流向已然改变。“头痛怎么办？”50年前，人们会拿这个问题去医院挂号，20年前，是打开浏览器问搜索引擎，现在，是喂给了AI。

但在这场亿万人参与的大型赛博问诊实验里，盲目信任的代价，才刚刚开始在暗处标价。

“信豆包，不信医生”

急，是急诊外科的日常。许多研究显示，这里也是医院里投诉量最高的科室之一。

车祸伤、打架伤、机械伤、腹痛、肾结石、阑尾炎，你能想象到的所有需要紧急处理的外科病，还有很多病情不急、但自己很着急的人，都出现在这个科室。

余米的任务是，用最快速度把眼前这群“非常非常着急”的病人看完。夜班是下午五点到第二天早上八点，会涌来80-100个病人，平均每10分钟接诊1人。

“如果前面有个病人需要缝合、清创，我就去清创室了，新来的病人需要等。小伤口要等十分钟，大一点的伤口要半小时起步。很多人会很生气，‘既然我挂的是急诊号，你为什么没有立刻来看我’？”余米说，她习惯了被投诉。

如此忙碌的情况下，现在，余米还要想办法应付一个新角色：AI。

前不久，因为病人问了AI，一个吊诡的场景在急诊室上演：一个神志清醒、自己走进诊室的大学生，强烈要求去抢救室抽动脉血。

起因是这个大学生做实验时，接触到少量化学试剂。来到诊室后，他对照AI念完了想做的检查——血气、血常规、肝肾功能。

这其中最让余米意外的是血气检查，它一般用在休克、呼吸困难、昏迷等严重情况。“比如口服了大量药物，整个人神智也不清晰，我们才会把他送到抢救室抽血气，”余米说，但眼前的人远没到这么严重的地步，“但他非常坚持，一定要做，那就给他做了。”

最多的一次，武汉某三甲医院耳鼻喉科医生林青一天碰见过三四例因“AI确诊”前来问询的病人。

有人颈部长了淋巴结，在AI上问，怀疑是癌症，非常恐慌；有人头晕，问了AI，怀疑是耳石症，实际上是脑梗前兆。

临床上，头晕是一个听上去很直白、但牵涉复杂的症状，其中轻则如耳石症，发作起来天旋地转，但却是自限性疾病，不干预也会好，最严重的则是脑梗，如果干预不及时，会危及生命。但林青发现，由于病人无法准确描述头晕感受——可能是眩晕，也可能是昏沉，大多数情况下，AI都会建议先去排除耳石症。

按医院标准流程，如果病人不清楚要挂什么科室，需先去找导诊，再根据症状从重到轻排查，像头晕，会优先推荐去神经内科，排除大脑的问题。

然而，林青已经接诊过许多例自诉耳石症，但实际却是脑梗的病人。“耽误了最佳治疗期的话，可能有后遗症的。”林青对凤凰网说。

更多时候，AI像一道横在医患之间的赛博阴影。只要出现分歧，病人就会立即搬出AI来撑腰。今年6月，有个孩子耳屎过多，需要清洗，林青给家长开了左氧氟沙星滴耳液，说回家滴几天。考虑到儿童不能口服左氧氟沙星类药物，林青特别嘱咐，在这种情况下，外用是可以的。

家长带孩子回来冲洗时，林青很忙，自己接诊的同时，还要替去做急诊手术的医生接诊，得两边跑。家长等了半小时，表现得不耐烦，呛了林青一句：“我在豆包上查了，儿童不能用左氧氟沙星。”

离开医院后，家长给了林青一记投诉。

医学生李莫不理解，为什么有的病人“信豆包，不信医生，觉得医生要骗他钱，给他乱开检查”。她在江西一家综合三甲医院实习，不知从何时起，AI成了病人口中的高频词，“听到病人争论‘AI说你们医院可以做这个项目’‘AI说应该这么治’，忙了一天的气终于断了”。

她曾轮岗的胃镜室来过一个病人，上来就问能不能做某项检查，但科室并不存在这个项目。病人质疑说：“不可能，豆包说你们医院有这个项目的。”

发现医生的诊疗方案和AI不一致，病人再次质疑，医护人员只能花更多精力努力解释。

麻烦只是其次，李莫更深的感受是，AI作为第三方介入，让病人对医生的质疑变得更多，加剧了本就复杂的医患矛盾。

今年6月，李莫在麻醉科轮岗，聊天时听医生提起一个“偷偷录像”的患者。因为骨折，患者要做下肢手术。术前谈话时，患者和家属同意手术，但不同意麻醉方案。“患者的理由是，豆包说，最不推荐腰麻，要神经阻滞。”李莫说。

交涉中，医生发现，患者家属打开了手机录像，录下了沟通全程。

“举起摄像机，就代表着你不信任面前的医生，而且可能做好了随时把他/她告上法庭的准备，医生也有了一丝防备感。”说这话时，李莫的语气变得尖锐，“医疗过程是医生和病人一起对付疾病，病人却把医生放到敌对方了，互相信任的话，会顺畅很多，如果是互相消耗，是双输的。”

茫然病人的“大模型自救”

但在患者的叙事里，医生口中的“双输”，不过是弱者的无奈自救。医生是掌握知识和权力的人，象征着专业的绝对权威，在忙碌的门诊里，他们却没时间也顾不上仔细解释——于是，那些无处安放的恐惧，带着患者方走向了随时在线、不厌其烦的AI。

3月22号早上5点1分，一通电话搅扰了陈墨的梦境。半梦半醒间，电话那头，父亲说自己在急诊室，要马上做手术。5点10分，陈墨到达医院，情况比想象中还严重。医生说父亲是心衰心肌梗死，要立刻做支架手术，以父亲的情况，可能下不了手术台。

医生说了很多，陈墨脑子越来越懵，迷迷糊糊签了一堆知情同意书、病危通知书，6点，父亲被推进了手术室。

手术原计划一个半小时，但陈墨等了三个多小时。期间，医生找了她4次，“一次比一次糟糕，最后直接告诉我最糟糕的情况出现了，三根主血管堵了两根，而且全都钙化，导丝无法穿过，支架做不了，患者术中休克，现在就靠患者自身的意志力了，”陈墨回忆那个绝望的时刻，“我一个人真的被吓傻了，最后一次护士叫我签字，连时间都没告诉我，一个劲催我快点。”

三个多小时后，父亲转入CCU（冠心病监护病房）。医生说，陈墨父亲是CCU里病情最严重的一个。

父亲治疗期间，陈墨把每一张看不懂的化验单都喂给了AI。AI会安慰她，耐心解释，还会告诉她，父亲的情况在好转还是变坏。4月26号，父亲的核磁检查结果出来了，心肌大面积陈旧性坏死，陈墨又一次“感觉晴天霹雳”。

没法立刻问医生，陈墨把检查结果发给了豆包，豆包说建议不要手术；她又把能找到的AI大模型都问了个遍，DeepSeek、蚂蚁阿福、元宝、千问，结论都是不可以，陈墨感觉父亲被判了“死刑”，吓得一晚没睡。

最后，第二天问诊时，陈墨在医生那里吃了定心丸。医生判断，虽然手术风险很高，至少是可以做的。陈墨选择相信医生。

手术很顺利。术后，父亲进入了缓慢的康复阶段。但医生两相矛盾的建议让陈墨陷入困惑：主治医生建议父亲吃杂粮，会诊大夫却说，杂粮很伤肾，不建议吃。陈墨只好把父亲的既往病史、详细的肾脏指标都发给AI，询问最推荐的食物和建议量，并严格执行。

后来，父亲身上的插管慢慢撤掉，氧气瓶撤掉，“慢慢可以站起来了，再一点点康复就能走路了。”陈墨在日记里写道。6月12号，父亲终于出院，陈墨松了口气，“一关一关总算是闯过来了”。

相比之下，陪患癌母亲看病的陈枫更早体会到了医疗系统里“严重的信息不对等”。

早在2021年母亲确诊肝癌晚期时，由于没有AI，他只能靠百度搜索化验单，“获取的信息，都是一个个‘孤岛’，没法跟其他指标关联起来”。在半懂不懂的慌乱中，他听从了一些医生的建议，让母亲做了肝脏的部分切除手术，事后却被另一位微创专家告知“没必要切除”。

这种茫然感一直持续到2025年初，DeepSeek爆火。也是这时，陈枫母亲的病情急转直下，开始频繁因为电解质（钠、钾）紊乱住院治疗。AI大模型成为了陈枫跟进病情的第一工具。

陈枫咨询了很多医生，但医生的回答大多模棱两可。“要么是‘这个不好说’，是肝硬化晚期的症状，要么是，可能原因比较多，又涉及跨科室，所以医生也很难准确判断。”陈枫回忆。

他又去问AI，AI的回答类似，“肝癌晚期出现电解质紊乱，通常是多种因素共同作用的结果”，但不同于医生的是，AI把可能性一个一个列了出来：“甲减”“利尿药”“内分泌”……

基于此，陈枫找到了甲状腺、肾内科、内分泌、肿瘤科等科室的医生一个个排查，最后把问题锁定在了利尿药上。他把母亲服用过所有药物、做过的检查报告都发给了DeepSeek，DeepSeek也怀疑是两种强效利尿药导致。

最终，陈枫拿着自己和AI推断的结果，跑去咨询肾内科的医生，替换掉了利尿药。那之后的两个月，母亲的电解质不再像之前那样频繁紊乱。但对于陈枫的“越轨行为”，管床医生表现出了反感。

不过，像陈枫这样频繁多科室多医生咨询、精细化跟进母亲的病情，成本是高昂的，几年间，他在该医院的各种门诊已有上百次。“这些问诊里，其实80%都是没多少价值的，但是那20%甚至1%就可能特别有价值，”陈枫说，这对医院来说可能是浪费资源，但对自己，是一种筛选。

这之后，陈枫开始密集使用AI跟进母亲的病情。他认为，Al对患者方最大的意义，不是掌握专业的医学知识，而是迅速减少信息差。AI会给陈枫事无巨细地解读检查报告、医生用药，回答各种猜测疑虑，“能通俗易懂地告诉你，原理是什么、逻辑是什么、趋势是什么”，让他在跟医生沟通时更能问在点子上。

但他也发现，当提到AI，90%的医生都会表现出反感。密集使用AI后，陈枫也意识到AI在医疗领域还“很不成熟”，只能整合检索到的文献，对病情的评估、猜测并不完全准确。

“家属很容易拿着AI的猜测和医生谈治疗，这会很大程度上干扰医生的治疗思路。因此和医生沟通的时候，一定要掌握尺度，不能拿AI作为沟通的依据，要用医生能接受的沟通方式，得到更多反馈和提醒。”陈枫说。

不够靠谱的“赛博神医”

陈枫最喜欢用的两个AI大模型是DeepSeek和蚂蚁阿福。他发现，不同AI也有不同“性格”：DeepSeek的推理能力强，但会把问题说得比较严重，推理出多种可能，这往往会加剧焦虑，但现实往往没那么糟糕；蚂蚁阿福的表述往往比较温和，不会让人过分焦虑，但却缺乏深度推演能力。

使用AI问诊时，陈枫会小心鉴别参考资料和答案，并非全听全信。他发现，AI喜欢引用文献，但很多都是罕见病例，此外，AI也会在网络上搜集一些未经核实的推断、帖文。

这和通用大模型的数据来源有关。2026年2月，一篇发表于《克利夫兰临床医学杂志》的文章解释了AI在医疗领域的局限性：其一，训练数据的偏见会引发结果偏差；其二，遇到超纲问题时，AI极易用看似合理的推测进行编织，产生“幻觉”。

也因此，给AI“投毒”比人们想象中更容易。

2026年4月，国际顶级科学期刊《自然》发表的一篇文章指出，捏造一种疾病，AI就会信以为真。如两年前，瑞典哥德堡大学的医学研究员Almira Osmanovic Thunström为了测试AI会不会盲目采用虚假信息，编造出了一个并不存在的病——Bixonimania（比克索尼狂躁症）。她写了两篇假论文，上传到学术社交平台。

假论文中，她有意保留了清晰的造假痕迹，比如作者单位是虚构的大学，正文里写着“整篇论文都是编造的”。

然而几周后，Google Gemini、ChatGPT等主流大模型开始向用户绘声绘色讲述这种“比克索尼狂躁症”的发病原因，还给出了患病率、就医建议。

哈佛医学院的研究员Mahmud Omar在《自然》的采访中指出，当错误信息被包装为医院出院记录或临床论文时，AI产生幻觉的概率会显著增加。

但数据源可靠，AI问诊的结果就更准确吗？答案是否定的。

事实上，在具体的病人、复杂的病情前，光储备知识是远远不够的。医生工作的一大难点，是如何从病人嘴里得到准确信息。

医生张冰曾在某沿海城市三甲医院住院部消化科工作过3年，在她眼里，和病人沟通像“玩海龟汤”——这是情境猜谜游戏的俗称，玩家需要通过情境推理得到答案，张冰也需要从病人分散、主观、有真有假的回答中得到线索。

“问”只是看病的一小部分，张冰还需要面对面观察病人、拍片做检查，才能下结论开药。但AI大模型省略了许多步骤，单纯依赖患者口述，很容易误诊。

“比如说尿多，但多少算多？有人说口渴，那唾液的分泌量是多少？还有人说腿疼，是麻木、刀割、针刺还是火烧感？每个人的认知是有偏差的。这些症状 AI 很难评判，患者自己也不会输入这么详细的信息。”武汉某三甲医院内分泌科医生石林对凤凰网补充道。

医生石林从业7年，他认为，AI在知识广度、学习能力上的确早已超过了绝大多数医生，但临床上，AI很难处理和患者的“全障碍沟通”：“比如我问患者有没有做过手术，对方说没做过，但仔细问，她生孩子时是剖腹产，但觉得剖腹产不叫手术。问血压高不高，对方说不高，又问吃什么药，吧啦吧啦说一堆降压药。”

那么，倘若病情已知，AI能顺利治病吗？答案仍然是否定的。

石林提到，临床治疗时，最优解往往不存在，而是根据病人自身情况权衡利弊的结果，这依赖医生的经验和判断：“没有最好的药物，只有最适合的药物。没有最好的治疗方式，只有最适合的治疗方式。”

进入真实的求诊场景，AI的错误变得千奇百怪。陈枫发现，DeepSeek、阿福读取报告时都会出现抓取错误数值的问题。“明明写的是63，有可能给你读取成96，”陈枫说，“但很多时候我们会直接看AI得到的结论，往往不看思考过程。”

而比“看错数据”更隐蔽的雷区，是AI对患者的“无底线讨好”。

2025年底，梁好在一次血常规复查中发现“嗜酸性粒细胞”指标偏高。医生结合她此前的过敏史，告诉她“单一指标异常不用太在意”。

但当梁好把报告单发给DeepSeek时，AI却如临大敌：过敏不会上升这么多，建议查寄生虫。

在AI的反复警告下，心生恐惧的梁好跑去感染科查了寄生虫，结果一切正常。当她把阴性的检查结果喂给AI时，荒诞的一幕出现了。

DeepSeek答道：“我完全理解您的困惑……但请相信，这是医学诊断中向前迈进的一大步！”紧接着，它迅速抓取了梁好之前随口提过的“最近拉肚子”，得出了一个新结论：“所有的证据……都强烈地将病因指向了您的消化道……即将进入目标明确的诊断环节。”

在这段洋洋洒洒的推理下方，是一行灰色小字：本答案由AI生成，内容仅供参考，请仔细甄别。

梁好没有继续听DeepSeek的话。再次检查时，嗜酸性粒细胞已下降。她终于意识到，AI是在顺着用户思路往下编，“会根据你说的话做反应，如果我没提到肠胃问题，它可能就不会说再做其他检查了，但是我提到了，它就跟着扯上一点消化的问题”。

不仅是梁好，此前获益于AI的陈枫也吃过苦头。AI曾把他母亲的咳嗽，高度怀疑是容易被漏诊的“支气管类癌”，陈枫为此跑了几个月——看不同医生、做多科会诊才最终排除。AI虽然能穷尽细节，但也极易让患者在小概率事件上疯狂内耗。

而当这种极具误导性的“讨好”真正切入诊疗场景时，更现实的问题是：一旦出了事，将无人担责。

武汉某三甲医院医生石林提到一个细节，目前，医院已经有AI自动生成病历，但仍然需要医生把关，“最后如果病历出了问题，还是得医生负责，医生存在失察的责任，但AI是不用负责任的”。

AI作为“超级口袋书”

在海外，已有人因误诊将AI告上法庭。

据美国哥伦比亚广播公司CBS报道，2026年7月22日，美国佛罗里达州一男子起诉OpenAI，称ChatGPT给出了错误的医疗建议，导致他差点因为肺栓塞死亡。

起因是他有段时间总觉得头晕，且血压不稳定，ChatGPT认为他症状轻微，建议卧床休息。几周后，男子因血栓引发大面积肺栓塞。起诉书称，有医生指出，正是卧床的举动导致了这次栓塞。

但OpenAI的发言人回应称，将与个人护理（one's own care）相关的意外归咎于聊天机器人是错误的，ChatGPT不是医生，绝不应被用作医疗护理、诊断或治疗的替代品。

在ChatGPT的附加条款中，有这样一条规定：“因使用我们的服务，而产生的任何输出结果，均由您自行承担风险。”

国内尚未有相关的诉讼案例出现，但AI已经批量炮制了更多焦虑的病人。

这个夏天，医生余米的急诊科来了一个焦虑的年轻女孩，她下肢肌肉酸疼了一个星期，问过AI，怀疑自己得了骨肉瘤。

余米给她拍了片，没什么问题，但女孩无法被说服。“她看起来完全没有放心，总觉得好像自己就是骨肉瘤，非常相信AI的结论，”余米对凤凰网说，“解释的过程很困难，我没有办法说服她，这让我觉得，可能以后的医患沟通会变得更加困难。”

时间紧张，余米只能终止对话，给女孩开了一些常规的止疼外用药，建议她如果后续疼得厉害，再去挂骨科门诊。

医生——病人——病情，过去稳定的三角正在动摇，AI混入其中，想要找到自己的位置。但这个准确的位置，到底是什么？

2025年6月，一项发表在《美国国家科学院院刊》的研究指出，医生和AI大模型会犯不同类型的错误，前者容易有思维盲区，后者容易误诊，但当二者联合诊断，可以互相兜底，准确率要高于医生或AI大模型。

今年8月，被誉为“AI教母”的科学家李飞飞在一次对谈中也展望了AI医疗的前景，她认为，如何用AI助力医学研究、临床诊疗是当下最值得深耕的机遇：“怎么整合各类医学信息、怎么把分析结果清晰给到医生和患者，怎么让患者全程参与诊疗过程，还有非常大的探索空间。”但她同时认为，在数据源稀缺的情况下，人们应该审慎看待AI的能力：“AI的判断全部依托数据里总结出的规律，一旦对应场景的样本稀少，我们就要理性看待AI的能力。”

在真实的临床一线，显然，AI独立看病仍是一个伪命题，但医生们也发现，如果运用得当，AI可以成为医疗系统的润滑剂，能在很大程度上为医生的诊疗提供帮助。

许多医生向凤凰网提到，AI大模型很擅长给病人科普，在已知病证后，AI能进行事无巨细的解释、咨询和安慰，这是医生无法做到的。

消化科医生张冰很有共鸣。消化系统的疾病和情绪密切相关，涉及到生活的方方面面，问诊时，“有些病人会从婆媳关系讲起”。

然而，她能分给每人的问诊时间只有15分钟，来不及听完琐碎的日常。她也发现，很多患者不是真的想看病，只是想找个人聊天：“这部分病人，跟AI聊天会得到很好的缓解。”

事实上，早在患者带着AI来看病之前，张冰和身边的医生也都尝过AI的甜头。

在过去，刚入行、经验不足的医生会单拉一个微信群，当身边没有更资深的医生可以请教，就能把复杂病例发到群里，询问意见。

但有了AI大模型后，张冰平均每看10个病人，会在AI上查三四个，身边的医生也会频繁用AI排查病情，核对是否有遗漏。

对医生们而言，AI大模型是更方便的医学检索工具，能让他们在短时间内找到想用的内容。“我觉得AI鉴别诊断非常厉害，特别是一些细节问题和不常见的病案，”张冰说，“过去，新医生刚开始临床时，会用‘口袋书’（注：供临床医生快速查阅的便携医学手册），现在AI可能取代了口袋书的作用，它比口袋书更全。”

武汉某三甲医院医生石林认为，AI检索的文献、指南有滞后性，但AI的广度“远超所有专科医生”。因此，临床上如果遇到罕见或合并其他科室的问题，自己也会问AI，作为一种补充材料。

但无论AI的检索能力有多强，张冰都不会只看结论，还会溯源AI的参考资料，更会根据十年寒窗的专业知识做判断。

“病人看到AI列出的ABC三种症状，会觉得这个好像我也有、那个我也有，但医生知道不同症状的鉴别点，也知道是不是需要做个检查才能区分。”

在她看来，这种判断能力是医生、患者用AI的关键区别，也正是医生在这场技术浪潮中无法被替代的底线所在。

应对方要求，文中余米、林青、李莫、陈墨、陈枫、张冰、石林、梁好为化名。

排版：孔淑妍

1. 对话王小川：造医生，战豆包，与无尽的AI 非共识，硅星人Pro，2026年6月20日

https://mp.weixin.qq.com/s/EyYLglvu0G5nz4Z8cwwPXg

2. 2026年中国医疗大模型行业研究报告，艾媒咨询，2026年8月

https://mp.weixin.qq.com/s/4qDFtANfxJ8RUPbUwtdLHA

3. Artificial intelligence in medicine: How it works, how it fails，Rick Rejeleene and Neil B. Mehta，Cleveland Clinic Journal of Medicine，2026年2月

https://doi.org/10.3949/ccjm.93a.25089

4. Scientists invented a fake disease. AI told people it was real，Chris Stokel-Walker，Nature，2026年4月7日

5. General-purpose large language models outperform specialized clinical AI tools on medical benchmarks，Vishwanath, K., Alyakin, A., Ghosh, M. et al，Nature Medicine，2026年6月12日

6. Reliability of LLMs as medical assistants for the general public: a randomized preregistered study，Bean, A.M., Payne, R.E., Parsons, G. et al，Nature Medicine，2026年2月9日

7. Human–AI collectives most accurately diagnose clinical vignettes，N. Zöller, J. Berger, I. Lin, N. Fu. et al，Proceedings of the National Academy of Sciences of the United States of America，2025年6月13日

8. Using AI to Increase Your Intelligence & Enrich Humanity | Dr. Fei-Fei Li，Huberman Lab，2026年8月10日

https://www.hubermanlab.com/episode/using-ai-to-increase-your-intelligence-and-enrich-humanity-fei-fei-li