□本期主持：吴志明

据报道，数千万用户在各类通用大模型咨询病症，患者带着AI的诊断结果找医生看病愈发常见。有人认为， AI结论可以为医生提供诊疗思路、规避盲区，但对医生而言，部分患者对AI的过度信任，会导致医患之间产生“沟通危机”，降低诊疗效率。对此您怎么看？

善用工具 医患互利

@刚柔：AI结论走进诊室，是患者健康素养提升的表现，也是技术普惠的缩影。它能帮患者提前梳理症状、拓宽认知，为医生提供初步参考，有时确能规避盲区。医生不妨视其为“高级导诊”，在对话中借力打力，提升诊疗效率。关键在于引导而非排斥，让AI成为医患共同的助手，而非搅局者。

@秋实：带AI诊断就医是医疗数字化发展的必然趋势，整体利大于弊。AI依托海量医学数据快速梳理病症信息，既能帮患者提前了解自身病情、厘清就医诉求，也能为临床医生提供诊疗参考，拓宽诊断思路，减少漏诊失误。医疗机构可顺势科普AI诊疗局限性，合理用好AI工具，能够优化就诊流程，助力医疗提质增效，成为医患沟通的有益帮手。

@湖北甘武进：AI可快速整合海量医学资料，提前梳理病症信息，给医生补充诊疗思路，减少信息遗漏；患者提前借助AI梳理自身症状，就诊时能清晰表述身体不适，有效缩短问诊时长；AI能列出多种相似病症，帮助医生拓宽诊断范围，规避单一经验带来的诊疗盲区。普通患者也可依靠AI科普，提升自身医疗认知，更易理解医生后续给出的检查与治疗方案等，实为互利之举。

因人而异 本末倒置

@谢先莉：患者带着AI结论看病，看似有备而来，实则可能适得其反。通用大模型的诊断缺乏对个体病史、体征和检查数据的综合考量，结论往往片面甚至错误。医生需要花费额外时间纠正误解、解释差异，反而挤占了真正的问诊与沟通时间。更关键的是，部分患者对AI的盲目信任容易转化为对医生的质疑，引发不信任甚至冲突。医疗决策关乎生命健康，理应回归专业轨道。

@文魁：AI看病存在诸多技术局限，过度依赖存在较大风险。AI依托标准化数据模型开展推演分析，仅适配常规典型病症，难以精准识别疑难杂症及非典型症状，易出现判断偏差。同时，患者主观片面的症状描述会干扰算法判断，诱发误诊、漏诊问题。部分患者盲目采信AI结论，会导致消极配合治疗，不仅加剧医患矛盾、干扰临床秩序，还可能延误病情，危及自身健康安全。

@龙泉：医学是一门专业严谨的技术，过度迷信AI诊疗，实则本末倒置。医疗诊治讲究因人而异、辩证施策。医生依靠临床经验，通过望闻问切、综合研判，结合患者体质、既往病史、症状细节等给出个性化方案。而AI诊疗本质上是根据病人自的表述，对现有医疗数据的检索比对，只能提供浅层参考，极易出现片面判断、精准度不足等问题，甚至造成误诊误导，埋下健康隐患。

人机协同 互为补充

@汪老师：面对AI诊疗工具，公众应保持理性认知，摒弃依赖盲从心态，清晰区分算法参考与专业诊疗的边界。就医过程中，需充分尊重医师的临床经验与专业判断，信任规范化诊疗流程。唯有厘清AI辅助定位、坚守医生主导核心，构建人机协同、互为补充的良性就医模式，才能释放智慧医疗的正向价值，切实守护群众就医安全与身心健康。

@冯燮：不必拒绝AI，而应为医患搭建合理的预期桥梁：一方面，医疗机构可主动推出经过验证的AI预问诊工具，将患者引导到正规渠道，减少信息噪声；另一方面，医生也应理解患者的信息需求，把AI结论当作沟通的起点，而非负担。最终，技术应服务于共同决策，而不是削弱专业信任。只有当AI成为医疗的助手而非权威，医生和患者才能重新站到同一边。

@紫水晶：两种视角并非不可调和，问题在于如何规范地使用AI。理想的模式应当是：AI定位于信息整理与科普参考，医生则承担诊断决策与人文关怀的核心职能。这需要多方协同——技术方应明确加入风险提示与免责声明，医疗机构可制定AI信息使用的内部指引，患者则需理解AI结论的局限性。只有当规则清晰、边界明确，技术才能真正成为医疗的助力，而非矛盾的新源头。

下期话题

上海理工大学两位硕士毕业生，最近凭实践成果通过了学位答辩。有人认为，这一重要变革能推动人才评价机制更优化，但也有人担心，不写论文就能毕业，会增加可操作空间，无异于“放水”。下期茶座，邀您聊聊“不写论文也能毕业”这个话题，您可在“温陵茶座”新浪微博留言，也可加入QQ群299935398参与讨论。