ChatGPT 医疗建议准确率仅 33%:肿瘤学问题答错率达 77%
纽约州立大学宾汉姆顿分校最新研究显示,ChatGPT 在回答肿瘤学相关医疗问题时,77% 的情况下给出错误建议,整体准确率仅 33.3%。研究人员警告,AI 大模型在医疗领域的"幻觉"问题可能危及患者健康,目前尚不具备临床应用条件。该研究已发表于《PNAS Nexus》期刊。
ChatGPT 医疗建议靠谱吗?最新研究啪啪打脸
纽约州立大学宾汉姆顿分校的研究团队最近搞了个大新闻，他们发现 ChatGPT 在医疗建议这块儿，特别是肿瘤学领域，表现相当拉胯。这项研究已经发表在《PNAS Nexus》期刊上，直接给 ChatGPT 的医疗能力打了个大大的问号。
实验设计：用权威问答库给 AI 开卷考
研究人员从美国临床肿瘤学会（ASCO）的“癌症患者生活”网站上扒了 102 个真实患者常问的问题，涵盖了化疗、放疗、手术等各种治疗方式。然后，他们把这些问题喂给 ChatGPT，再把它的回答和 ASCO 的官方标准答案一一对比。
结果让人大跌眼镜：
- 准确率只有 33.3%
- 错误率高达 63.3%
- 不完整回答占 3.3%
更扎心的是，当问题聚焦到肿瘤学专业领域时，ChatGPT 的错误建议比例直接飙到 77%。
核心风险：AI 的“迷之自信”
该校系统科学与工业工程系助理教授 陈璐 指出：“这些 AI 模型还没做好临床应用的准备。它们还是会犯很多错误，如果患者盲目相信这些建议，可能会对自己的健康造成严重威胁。”
研究团队还发现，ChatGPT 即使给出错误答案时，语气也总是自信满满。陈璐解释：“普通人很难分辨答案的对错。有时候错误答案听起来特别合理，而正确答案反而显得复杂微妙。”这种“过度自信的幻觉”正是大语言模型在医疗场景中最危险的特性之一。
不是个案：多项研究都在打脸
这已经不是第一次有研究质疑 AI 医疗建议的可靠性了。2023 年发表在《JAMA Internal Medicine》的一项研究显示，ChatGPT 在医疗咨询中提供不准确或不完整信息的比例达到 60%。另一项刊登在《Nature》的研究则发现，AI 模型能生成看似真实的医学影像，但其中包含虚构的病变。
专家建议：AI 可以辅助，但不能替代专业诊疗
陈璐强调：“我们不是说 AI 模型不行，只是它们在医疗领域还没到‘黄金时段’。还有很多工作要做。”
研究团队给出了明确的建议：
- AI 工具可以作为辅助，但绝不能替代专业医疗建议
- 患者在做任何健康决策前，务必咨询医生
- 医疗专业人士和患者都应了解 AI 模型的局限性
中国用户的特别提示
对于中国 AI 从业者和用户，这项研究有几点启示：
- 国内大模型在医疗场景同样可能存在“幻觉”问题，中文医学语料的质量和覆盖度可能带来额外挑战
- 目前国内对 AI 医疗应用的监管正在完善，开发者需格外注意合规和安全边界
- 通用大模型与专业医疗 AI（如经过医学数据微调、通过临床验证的系统）有本质区别，不可混为一谈
这项研究再次提醒我们：技术进步不等于临床就绪。在 AI 医疗应用真正成熟之前，保持审慎态度至关重要。
本文基于 GNews:RTE.ie 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://www.rte.ie/brainstorm/2026/0625/1545495-health-medical-advice-ai-chatbot-chatgpt/
常见问题
- ChatGPT 在医疗问题上的准确率为什么这么低?
- 研究显示 ChatGPT 整体准确率仅 33.3%,在肿瘤学专业问题上错误率达 77%。主要原因是大语言模型存在'幻觉'问题——会生成看似合理但实际错误的信息,且缺乏针对医学领域的专业验证机制。通用模型的训练数据虽广泛,但医学知识需要极高准确性和时效性,这是当前 LLM 的短板。
- 我可以用 AI 工具查询健康信息吗?
- 可以作为初步了解,但绝不能替代专业医疗建议。研究人员明确警告,患者在做任何健康决策前必须咨询医生。AI 工具可能给出过度自信的错误答案,普通人难以分辨,盲目遵循可能危害健康。建议将 AI 回答仅作为'提问方向'参考,最终诊疗必须依赖有资质的医疗机构。
- 国内 AI 医疗应用是否面临同样问题?
- 很可能存在类似甚至更严重的风险。中文医学语料的质量、覆盖度和标注准确性通常不如英文资源充分,可能加剧'幻觉'问题。目前国内对 AI 医疗应用的监管正在完善,用户应区分'通用聊天机器人'与'经过临床验证的专业医疗 AI 系统',后者需通过药监部门审批才能用于实际诊疗。
- 这项研究对 AI 医疗行业有什么启示?
- 研究表明当前通用大模型尚未做好临床应用准备,行业需要在几个方向努力:建立医学领域专用微调数据集、引入专业知识图谱减少幻觉、设计不确定性表达机制(让 AI 承认'不知道')、进行严格临床验证。对开发者而言,需在产品中明确标注使用限制,避免用户过度依赖;对监管者,需建立 AI 医疗应用的准入和评估标准。
相关 AI 工具
文中提到或相关的 AI 工具 — 点进去看适合谁、怎么用、值不值得折腾
Midjourney
精选AI 绘图
顶级 AI 图像生成工具,以画面质感、艺术风格、构图理解著称。V7 模型在写实和创意两个方向均领先。需 Discord 或网页版使用。
Cursor
精选AI 开发工具
AI-first 代码编辑器,基于 VS Code 构建,深度集成 Claude / GPT-4o 等模型。Composer 多文件编辑、Tab 自动补全、Agent 模式三大杀手锏。
Claude
精选大模型应用
Anthropic 推出的 AI 助手,以长上下文(200K tokens)、对复杂任务的细腻理解、Artifacts 可视化输出闻名。Claude Sonnet 4.5 / Opus 4.7 在编程、写作、推理多项基准上领先。
相关推荐
同类资讯 — 由发布时间排序
苹果向公众开放全新 Siri AI 公测版,iOS 27 迎来史上最大升级
苹果在 iOS 27 公测版中向普通用户开放了史上最大规模的 Siri 改造,这是苹果首次将 AI 驱动的 Siri 广泛开放给开发者以外的用户。新版 Siri 基于 Apple Intelligence 和设备端基础模型,可访问设备信息、理解屏幕内容并回答通用知识问题,还首次推出独立应用。苹果与谷歌合作构建基础模型,但采用蒸馏技术打造专属于 Apple Silicon 的高效模型,并通过私有云计算保护用户隐私。
纽约州暂停所有新建大型数据中心审批 成美国首例
纽约州州长凯西·霍楚尔签署行政令,暂停审批50兆瓦及以上的新建数据中心项目,成为美国首个实施此类禁令的州。这一为期约一年的暂停令源于公众对电力、水资源压力及AI技术的担忧,可能影响十余个在建项目。州政府计划建立环境审查机制,并考虑要求数据中心为电网建设付费。
Uber 产品负责人详解酒店、Robotaxi 与"不做万能 App"的边界
Uber 产品负责人 Sachin Kansal 在近期访谈中透露,公司正通过与 Expedia 合作推出酒店预订、在欧洲试水游艇租赁等服务,将"旅行"定位为继出行和外卖后的第三大支柱。同时,Uber 成立了 AV Labs 部门采集自动驾驶数据,既服务合作伙伴也为自身留后路。Uber One 会员已达 5100 万,贡献约一半订单量,但公司强调"不想成为所有人的一切"。
苹果起诉 OpenAI 窃取商业机密,指控前员工泄密
苹果公司已对 OpenAI 提起诉讼,指控其窃取商业机密,并称前苹果员工参与其中。OpenAI 已对此诉讼作出回应。这是科技巨头与 AI 新贵之间首次因人才流动引发的重大法律纠纷,可能影响行业人才竞争格局。