在人工智能技术不断深入医疗领域的今天，一个值得关注的问题渐渐浮现：同样的AI辅助诊断工具，对不同专业背景的使用者，实际效果可能截然不同。麻省理工学院近期公布的一项研究，为这一现象提供了清晰的科学解释。

研究团队与多位医学专家合作，围绕皮肤疾病的AI辅助诊断展开实验。他们邀请了一批非专业用户和基层临床医生，分别在不借助AI、借助AI预测、借助AI预测加不同解释方式等条件下，完成皮肤病变图像的良恶性判断任务。

结果发现，整体上AI辅助确实提升了非专业用户的诊断准确性，但这种提升更多源于对AI系统的“顺从”效应，而非真正理解了诊断依据。尤其当AI给出基于大语言模型的自然语言解释时，非专业用户更容易被说服，哪怕解释本身并不完全准确，甚至显得模糊笼统，他们也可能选择相信。

与之形成对比的是，临床医生虽然也会使用AI的辅助，却很少被错误的解释带偏。他们在仅获得模型预测结果、没有任何附加解释时，反而表现最佳。这意味着，经验丰富的医生更有能力审视和过滤AI提供的信息，而不会过度依赖。

研究人员指出，这种差异对医疗AI系统的设计具有深刻启示：不能假设“准确率高的AI一定能带来好的诊断结果”，重要的是让AI的呈现方式与使用者的能力水平相匹配。对于缺乏专业知识的普通用户，过度的解释可能滋生盲目信任；而对于专业医生，简洁的预测反而更有助于保持独立判断。

实验还发现，当AI系统本身存在公平性约束（即刻意平衡不同肤色、年龄等群体的表现）时，非专业用户的准确率同样有所提升，但背后的心理机制依然是顺从。用户越是依赖AI，遇到AI推理错误时越难以自行纠正。

针对这一现象，研究者提出了一个实用建议：或许不应一味追求用大语言模型生成更详尽的解释，而是根据用户的专业程度动态调整辅助信息的深度。对非专业用户，可以先让他们提出自己的初步判断，再给出AI的预测，从而激发他们的主动思考，而非被动接受。

研究主要负责人之一、麻省理工学院教授Marzyeh Ghassemi表示：“好的AI系统确实能在某些医疗场景中改善表现，但我们必须警惕算法顺从带来的额外误差。当模型出错时，过度依赖AI的用户可能无法及时察觉，最终导致更严重的后果。”

该研究也提醒所有医疗AI的使用者：无论技术如何进步，临床判断的核心依然是人。AI永远只是工具，而工具的价值取决于使用者如何驾驭它。

对于普通读者来说，这项研究带来的启示同样适用：当你在手机上尝试各种AI健康应用时，不妨停下来想一想，眼前这个看似权威的结论，究竟基于怎样的证据？是否被精心设计的解释所影响？保持适当的审慎，可能比全盘接受更重要。相关阅读：AI写作工具免费推荐：实测五款免费好用工具与使用，以及OpenAI放缓Astra模型开发，AI安全成首要考量。

这项研究的资金支持来自美国国家科学基金会等多方机构，未来团队还将继续探索如何让AI系统更好地适应不同用户的认知习惯，真正实现“以人为中心”的医疗人工智能。