患者拿着 DeepSeek 来看病，还质疑我「过度检查」…

「医生，你开的这些检查都没有必要，属于『过度检查』。」

「谁说没有必要？」

「DeepSeek 说的。」

最近，有位家属在社交平台上发文表示，孩子在医院接受的部分检查被 DeepSeek 判断为「可能非必要」，于是这位家属认为接诊的医生是在「开过度的检查」，让人「花冤枉钱」。

图源：某社交平台（目前帖子已被删除）

这条帖子的评论区里，不少人都在认真分析到底什么是「过度检查」，更多的人则是在震惊——原来 DeepSeek 还能这么用？

「不稀奇，我们科已经碰到过好几个拿着 DeepSeek 来看病的人了。」湖北某三甲医院急诊科医生胡扬（化名）语气无奈地说道，「我还吃了个投诉呢。」

每天都有人拿着 DeepSeek「开」的药方让我开药

让胡扬「吃投诉」的缘由，与开头提到的帖子内容如出一辙，也是说他「过度检查」，顺带还外加一个「延误治疗」。

当时，一位 3 岁儿童因发热来就诊，为了明确发热原因，胡扬对患儿进行了全面的体格检查后，又开具了比较详细的实验室检查，同时积极给予患儿物理降温。但家属一直坚持说患儿是甲流，认为胡扬迟迟不开抗病毒药物是在拖延治疗。

「我很好奇为啥他们这么肯定是甲流，结果回答我说，刚刚问过 DeepSeek。」

于是胡扬向家属解释，发热有很多可能性，并不一定就是甲流，对于儿童发热尤其需要明确病因，不能盲目用药，先进行物理降温也是符合诊疗规范的。

图源：丁香园用药助手《发热待查（儿童）》临床决策 [1]

「然后他们又改口说我这是『过度检查』，说 DeepSeek 根本没推荐让孩子做尿常规、粪便常规，我开这些检查就是在浪费时间。」胡扬也用过 DeepSeek，在他看来 DeepSeek 的回复还是比较全面的，不太可能漏掉这些常规检查。

仔细询问后发现，原来家属向 DeepSeek 提的问题是：得了甲流要做哪些检查？

与胡扬有着相似经历的还有林兰（化名）。她经营着一家全科小诊所，最近半个月，每天都有三五个人拿着 DeepSeek 生成的「药方」来找她开药。

图源：某社交平台

「倒是给我省事了，都不用问诊了。」林兰开着玩笑叹气道，「虽然大部分病人，经过我的劝说后，还是愿意认真看病，但同时也存在一些人，依然坚持要求我们开药，面对这些病人，我们做医生的真的是蛮无奈的。」

林兰表示，药品处方的意义，在于规避「盲目用药」的潜在风险。面对现在的情况，医生需要花更多的时间来向患者解释这些潜在风险，比起以前「增加了不少工作量」。

「对的，最近在医患沟通上花的时间比之前多了。」虽然因为 DeepSeek 吃了投诉，但胡扬认为，关键还是在沟通。

医生应该让患者知道 AI 会「说谎」

面对这种情况，来自浙江某医院的心内科医生张雅（化名）有自己的应对策略：「让病人知道 DeepSeek 的『真面目』。」

张雅在 ChatGPT 刚兴起的时候就紧随潮流探索过，也算是这类 AI 的资深用户，如今 DeepSeek 大热，其中的优势劣势也早已经被她摸透。

「其实客观来说，对于一些简单的临床策略，DeepSeek 确实表现得挺好的。」张雅提到，「但 DeepSeek 同样存在这类 AI 的通病，信息来源非常杂乱，有不少还是它瞎编的。」

此前一款名为 Whisper 的 AI 大模型，被发现约有 1% 的转录内容是凭空捏造出来的，即「幻觉」，而这其中又有 38% 的幻觉明显有害，图源：参考资料 2

张雅举例说，上周她有个学习班汇报需要查阅比较多的文献资料，她让 DeepSeek 帮她整理，结果最后溯源具体文献时，一半以上都是无效链接，还有不少则是张冠李戴。「本想偷懒省事，最后反而花费了更长时间。」

所以前两天在门诊碰到一个举着 DeepSeek 质问她的患者时，张雅直接让患者问问 DeepSeek 能否列出回复内容的来源依据，果不其然，DeepSeek 给不出完整的、真实有效的信息来源。

「当时那个患者也蛮震惊的，好像从没想过 AI 会『说谎』。」

去年 2 月，一项研究测试了像 DeepSeek 这样的大语言模型类 AI，在回答医学类问题时的文献溯源能力。结果发现，AI 生成的回复中，有高达 50～90% 的内容并不能得到完整溯源；即使是其中最先进的模型，也有 30% 的语句几乎找不到任何准确的内容溯源。[3]

图源：参考资料 3

「其实 DeepSeek 回复的内容质量确实是挺高的，但这对『指令』有一定要求。」张雅表示，「我们做医生的，向 DeepSeek 提问时，已经尽可能转换为专业、系统性的问题，但得到的回复里，依然有不少内容属于『幻觉』，很难溯源。」

「那对于患者，尤其是没有医学背景的患者，可能更难获得真正准确且有益的回复。」

教会患者正确利用 AI

在这个问题上，某二级医院内分泌科医生陈晨（化名）又有不同的看法，虽然他目前还没遇到过「患者拿着 DeepSeek 来看病」的情况，但他认为这「也不全是坏事」。

作为内分泌科医生，陈晨主要面对的患者群体为慢性病人，相比于急症、重症，慢病的管理过程中，患者宣教至关重要。

「很多慢病的并发症，都是宣教科普工作不到位导致的。拿糖尿病足举例，通常都是由于患者缺乏足部护理知识，不知道该怎么预防、感染后不知道该怎么紧急处理，最终导致截肢等严重后果。」

陈晨表示，患者能够想到用 DeepSeek 来看病，说明他们是有「获取医学知识」的意愿和需求的。「医生的口头或文字宣教，想要做到短时间内面面俱到，还是比较难的；定时、定期提醒，也很难。但这个工作，AI 应该完全可以胜任。」

添加图片注释，不超过 140 字（可选）

图源：中华人民共和国科学技术部 [4]

因此陈晨认为，比起讨论「拿着 AI 来看病是好是坏」，作为医生，不如思考一下「如何教会患者正确利用 AI」。

这与张雅的想法不谋而合，她提到，自己在帮助患者「揭穿」DeepSeek 的「谎言」之后，往往紧接着就是指导患者如何通过科学提问，获得有确切信息源、内容真实可靠的回复。

「我们科室最近还打算整理一个『DeepSeek 提问指南』，到时候发进我们科的患者交流群。」张雅表示。

实际上，不少医院已经开始行动。近日，深圳大学附属华南医院、昆山市第一人民医院相继宣布，正式部署 DeepSeek，前者侧重点在临床应用，后者则在科研创新。[5，6]

图源（依次）：凤凰网深圳、昆山市第一人民医院

据悉，深圳大学附属华南医院计划面向全院开展相关培训，建立科室专属的「快捷指令库」，并构建个性化知识库。[5]

而除了 DeepSeek 这类综合性大语言模型，还有许多医院早早就开始与相关团队合作，开发专注于医学领域的垂类 AI。如北京儿童医院近日官宣的「国内首个 AI 儿科医生」，能够根据患者病情给出与专家组会诊结果高度吻合的建议，被认为是「一个重要的里程碑」，已于 2 月 13 日起，正式开始在临床中应用。[7]

图源：北京儿童医院

「医疗+AI 其实也不是新鲜事，只不过最近 DeepSeek 大火，让不少人尤其是病人了解到了 AI 的医学用途。」张雅表示，「我们有些同事戏称它是『高级版某度』，但总归都是工具，利用好了才能对我们医患双方都有好处。」

文章来自微信公众号 “ 丁香园 ”，作者 丁香园 DXY