随着医疗数字化加速，AI 聊天机器人与数字症状自查工具正逐渐取代医生成为患者就医前的第一接触点。然而，一项发表于《自然·健康》期刊的新研究揭示了一个严峻问题：当患者向 AI 描述病情时，提供的信息质量往往低于向人类医生描述，这可能严重影响数字诊断的准确性。 这项由维尔茨堡大学 Wilfried Kunde 教授与 Moritz Reis 研究员主导的跨国研究，联合柏林夏里特医院等机构，对 500 名参与者进行了模拟测试。结果显示，当参与者误以为对话对象是 AI 而非人类医生时，其症状描述的详细程度显著下降，平均字数从 255.6 字减少至 228.7 字。尽管字数差异看似微小，但在医疗评估中，缺乏关键细节可能导致 AI 做出错误判断，甚至延误治疗。 研究人员指出，这种“信息保留”源于一种被称为“独特性忽视”的心理障碍。患者普遍担心 AI 无法理解个人病情的细微差别，仅能进行标准化的模式匹配，加之对算法诊断能力的怀疑和隐私顾虑，导致他们下意识地简化病情描述。 研究团队强调，单纯提升 AI 的计算能力不足以解决这一问题，必须优化人机交互设计。建议开发人员在用户界面中提供高质量描述范例，并引导 AI 主动询问缺失信息，以鼓励患者提供详尽描述。只有克服心理隔阂，确保信息完整，AI 才能真正成为安全可靠的医疗辅助工具，从而缓解医疗系统的压力。