复旦双端调研：约七成医生遇到患者带AI答案进诊室，81.33%指最大短板是缺乏个体化，43%居民仍直接听医生

数据视角 × 医疗数据从业者 ｜ 趋势前瞻 × 医院信息化/临床医生 ｜ 行业观察

复旦大学老龄研究院申琦团队完成一项双端调研：75位医生与143位中老年居民，两端分开取样、交叉对照。医生端约七成在门诊中遇到过患者带着AI查询的健康信息，其中36%每月遇到2到4次、24%每周4次以上；81.33%的医生认为AI健康建议最突出的问题是缺乏个体化。居民端给出的答案出人意料：当AI与医生意见不一致时，43%直接听医生，35%主要听医生但要求解释差异。

开场：75位医生与143位中老年居民的双端调研

双端结构是这项调研最值得说的地方。过去关于AI与医疗的讨论，大多只问一端：要么问医生是否被替代，要么问患者是否敢用。两端同时取样、用同一套情境互相验证，才能看出信息在医患之间到底怎么流动。样本来自复旦大学老龄研究院，医生端75人、居民端143位中老年人。

规模的另一端有背景数据。QuestMobile数据显示，截至2026年3月，AI原生APP月活用户规模已达4.4亿。对照互联网医疗十年起伏：2015年第一家互联网医院出现，2018年《互联网诊疗管理办法（试行）》明确不得对首诊患者开展互联网诊疗，此后春雨医生2023年营收1.01亿元、2025年前10个月降至5104.8万元并走向被卖，微医2021年至2024年上半年累计亏损超80亿元，好大夫在线被蚂蚁集团收购。

一张假告示把情绪推到了台面上。网上流传的门诊告示写着「已在豆包获得诊断的患者，请勿再向我们寻求意见」，经媒体核实为网友恶搞，但能引发大量讨论，说明它戳中了真问题：患者带着AI答案进诊室，已不是个别现象。北京大学医学人文学院教授王岳的判断是，传统以医生为中心的医患沟通方式正面临土崩瓦解。

医生端：约七成遇到患者带AI答案，81.33%指最大短板是缺乏个体化

医生端的频率分布可以拆成三层。约七成受访医生遇到过患者使用AI查询健康信息；在遇到过的医生中，36%每月遇到2到4次，10.67%每周2到3次，24%每周接诊4次以上。把高频那一层单独拎出来看，每周4次以上已经不是偶发，而是常态化占用门诊沟通时间的一项变量。

需要提示的是分母口径：36%、10.67%、24%三个百分比，原文未说明是占全部受访医生还是占「遇到过」的医生，两层口径算出的绝对人数差距很大。这一点在引用时必须标注，否则容易被直接读成全体门诊的日常负担。

质量评价只有一个数字，但很集中：81.33%的医生认为AI健康建议最突出的问题是缺乏个体化。这一点与搜索引擎时代有本质区别——AI能根据提问组织出一套看似完整的解释，而同样的头晕、胸闷，在不同年龄、基础疾病和用药情况下临床判断可能完全不同。态度分布上，65%的医生对患者使用AI查询健康信息选择中立，16%明确不支持，明确支持的比例并未披露。

居民端：43%直接听医生、35%要求解释，专业判断未被AI动摇

调研前的假设被数据推翻了。团队原以为患者有了AI、能自己查医学知识，对医生的依赖会减少；居民端给的答案相反。当AI与医生意见不一致时，43%的受访者直接听医生，35%主要听医生、希望医生解释为什么和AI不一样。两项相加，接近八成仍以医生判断为最终依据。

真正变化的不是信任归属，而是信任的附加条件。过去患者听完医嘱就走，现在有超过三分之一的患者要一个解释：你和AI说的不一样，差在哪。对医生而言，这是新增的解释成本，不产生额外收入，却直接吃门诊时间。

申琦对这个变化的判断偏正面：患者拿AI来问医生，很多时候不是不信任，而是想弄明白自己的病情，医生把差异解释清楚，反而有机会增强患者对诊疗方案的理解和信任。王岳则从关系层面给出解法：与其讨厌学习型病人，不如培养学习型病人，医生要帮患者筛选AI提供的信息，告诉他们哪些适用。他也承认，医生对专业知识的垄断正在被打破。

时间账：8分钟问诊拐点与充分问诊试点如何对冲解释成本

问题最终落在时间上。王岳给出的现状是，现在不少医院给患者的时间是5分钟左右，如果能多出2分钟，就是质的改变。支撑这个判断的是《柳叶刀》2018年发表的针对中国136家三级医院、近2.8万名患者的研究：问诊时长与患者体验之间并非简单成正比，而存在明显拐点——8分钟以内，问诊时间每增加一点，患者给出较高评价的概率明显上升；超过8分钟后，提升趋于平缓。

把这条曲线和前面的解释成本叠起来看，政策含义很清楚：在8分钟以下这一区间增加的时间，边际收益最高，而患者带AI答案进诊室恰恰吃掉了这部分时间。湖北省卫健委在2023至2025年的改善就医感受方案中试点充分问诊，二级及以上医疗机构可遴选部分专科或专家，把每名专家半个工作日的号源限制在30个左右，保证每名患者平均沟通6分钟以上，用于病情讲解、化验单解读与注意事项告知。

对医院信息化与临床团队来说，可做的对冲有两条：一是把解释环节前置到候诊区，用结构化材料承接一部分AI答案的比对需求；二是把问诊时长当作可监测的运营指标来管，而不是任其被压缩。前者提升信息效率，后者涉及工作量与绩效薪酬制度，王岳认为解决时间问题最终要在后者上着力。

冷静观察：样本量小、自报口径，双端人群不代表全部就医人群

先说样本。75位医生与143位中老年居民，放在全国尺度上只能算探索性调研，不足以支撑总体推断；两端样本是否为配对关系、医生的科室与地区分布如何、居民是否来自同一社区，原文均未说明。中老年居民这一取样的选择也直接限定了结论边界：多病共存、长期多药的情况在这一人群中最集中，因此他们对AI建议的审慎态度，未必能推演到年轻人群。

再说口径。所有数字均为自报调研结果，医生遇到的频率靠回忆估计，居民的选择是在假设情境下的意向表达，不是诊室内的行为观测。43%与35%的分母是143位居民，且未说明是否存在中间选项或未作答。81.33%这一高比例反映的是医生群体的集中判断，但它是主观评价，调研并未对AI建议的准确性做任何客观评测——也就是说，我们知道了医生认为AI不够个体化，却不知道它到底错多少、错在哪类问题上。

结论应当克制：这组数字只支持一个判断——AI已经进入诊室，改变的是沟通结构而非决策归属。至于它增加了多少解释时间、是否影响诊疗质量，需要更大样本、带客观准确性评测的研究才能回答。

原文链接：中国新闻网（中新健康）

千方医数集编辑部 出品