学者编个假病例，骗过AI、还骗了更多医生，甚至惊动Nature？AI真的靠谱吗？信任危机比你想的更近

深度解析医学证据，DeepEvidence为你支撑决策

你敢信吗？一个完全凭空捏造、从头到尾写满破绽的假疾病，不仅骗过了微软Copilot、谷歌Gemini这些主流AI大模型，甚至混进了正经医学期刊，通过了同行评审正式发表，直到Nature记者介入调查，才被紧急撤稿。

这件看似荒诞的闹剧，将AI时代医疗领域最致命的安全漏洞与信任危机，赤裸裸地展示在了我们的面前。

一个凭空捏造的假病，撕开了AI时代医疗安全的致命漏洞

这场实验的发起者，是瑞典医学研究者Almira Osmanovic Thunström。2024年，她在预印本平台上传了两篇论文，煞有介事地描述了一种名为Bixonimania的眼周疾病，称其是眶周黑色素沉着症的新兴亚型，由长期屏幕蓝光暴露引发，患病率约为每9万人1例。

但事实上，这种病从头到尾都不存在，整篇论文更是塞满了一眼就能识破的破绽：第一作者的名字、头像全由AI生成，供职的大学与地址纯属虚构；致谢部分玩梗式感谢了《星际迷航》企业号上的教授，以及“护戒远征大学”的科研资助；受试者一栏明明白白写着“50名编造的受试者”，甚至正文里直接用英文标注了“这整篇论文是编造的”。

Almira的初衷，只是想验证AI会不会把未经审核的预印本内容，当成真实的医学事实输出。而结果，远比她预想的更离谱。

论文上传仅几周，各大主流AI就纷纷“上钩”：微软Copilot明确告知用户，这是一种真实存在的罕见病症；谷歌Gemini直接建议出现相关症状的用户及时就诊眼科；Perplexity更是原封不动地照搬了论文里“每9万人1例”的患病率数据。

图源：preprints.org

更讽刺的是，不仅AI上当，连人类的学术审核体系也一起失守。印度一所医学院的研究团队，在医学期刊Cureus发表的综述中，直接引用了这篇假论文，将Bixonimania称为眶周黑色素沉着症的新兴亚型，而这篇综述，居然顺利通过了同行评审正式刊发。直到2026年3月Nature记者就此事联系期刊，这篇文章才被紧急撤稿，撤稿声明中甚至还标注了“作者方不同意这一决定”。

这件事的可怕之处，从来不是AI会产生幻觉，而是两个存在已久的学术漏洞，在AI时代被无限放大了：一是预印本平台没有同行评审门槛，任何内容都可以随意上传传播；二是传统同行评审环节，普遍不会核查引用文献的原始内容。

过去，一个医生的诊断失误，只是影响有限的个案，可追溯、可隔离；但在AI时代，虚假的医学信息一旦被大模型学习吸收，就会在所有调用这套系统的场景里同步复现。错误不再是单个医生的个案，而是系统性、全场景扩散的规模化风险，最终承受伤害的，永远是普通患者。

图源：Cureus

比起三甲主任的资历，患者居然更信AI的诊疗结果

假病闹剧的背后，还有一个更值得警惕的现实：患者对医疗AI的信任，已经发生了根本性的转向。两项发表在JAMA Network Open上的重磅研究，彻底戳破了传统医疗行业延续了几十年的信任逻辑。

第一项研究共调查了1455名患者，评估他们对门诊就诊消息回复的接受度。结果显示，在整体满意度超75%的前提下，受访者对AI撰写的回复偏好度更高，原因很简单，AI起草的内容篇幅更长、细节更丰富，在患者眼中，反而传递出了更强的同理心。

但一个关键的反转也随之出现：一旦明确告知患者消息由纯AI撰写，他们的满意度立刻大幅下降；只有告知内容是“医生在自动化工具辅助下撰写”时，满意度才达到峰值。这足以说明，患者从来不是排斥AI技术本身，而是拒绝被AI取代，他们需要的，是医生始终在场的确定性与安全感。

图源：JAMA Network Open

另一项规模更大的研究，进一步摸清了患者选择的核心逻辑。研究在全国范围内调查了3000名成年人，通过36000条模拟就诊数据，最终得出的优先级排序打破了所有人的固有认知：AI诊疗性能＞医生在场监督＞FDA/梅奥诊所认证＞本地医院认证。

数据给出了最直观的答案：当AI性能“优于专科医生”时，患者选择该方案的概率提升32.5%；“有医生在场监督”带来的选择概率提升为18.4%；而FDA批准、梅奥诊所认证这类权威背书，带来的提升幅度仅11%左右。

这意味着，患者不再迷信医生的学历、资历，也不再盲从三甲医院、权威机构的光环。他们的信任逻辑，已经彻底转向了“结果导向”——谁能给我更准确、更有效的诊疗结果，我就更愿意相信谁。

图源：JAMA Network Open

不想让AI变成医疗风险放大器，这三道防线必须筑牢

一边是AI幻觉制造的虚假医疗信息，正在以空前的速度扩散；一边是患者对医疗AI的信任度越来越高，这两件事撞在一起，就成了悬在所有人头顶的达摩克利斯之剑。

医疗AI的核心逻辑，是基于已有的学术数据、临床资料进行学习和输出，它本身无法分辨一篇论文是严谨的临床研究，还是一场满是破绽的恶作剧。而传统的学术审核体系，又完全跟不上AI的传播速度——一篇假论文上传到预印本平台，只需要几周就能被AI学习吸收，进而扩散到成千上万的诊疗场景中，等到期刊发现问题撤稿时，伤害可能早已发生。

想要从源头阻断虚假医疗信息的传播，避免假病、假诊疗建议泛滥成灾，就必须筑牢三道核心防线。

第一道，是给预印本平台增设基础信息核验门槛。预印本的初衷是加快学术成果的交流效率，但零门槛的上传机制，已经让它成了虚假医学信息的温床，至少要对作者身份、所属机构等基础信息做真实性核验，从源头减少纯捏造内容的传播。

第二道，是给医疗类AI加装学术信息溯源机制。医疗AI输出的诊疗建议、医学知识，必须标注核心信息的来源，严格区分预印本内容与正式发表、经过同行评审的文献，绝不能把未经审核的内容，当成既定医学事实输出给用户和临床医生。

第三道，是强制同行评审环节必须核查引用文献的原文。这场假病闹剧最讽刺的一点，就是一篇正文直接标注“全文都是编造的”的论文，居然能被其他学术文章引用，还通过了同行评审。只有让评审环节真正负起责任，对关键引用文献的真实性做核查，才能堵住虚假文献滚雪球式传播的漏洞。

说到底，医疗AI是提升诊疗效率、普惠优质医疗资源的绝佳辅助，但它绝不能脱离医生的专业监督，更不能脱离严谨的学术审核体系。一旦放弃了这两个底线，再先进的技术，也只会变成医疗风险的放大器。

结语：技术向前走，安全底线不能往后退

从一个凭空捏造的假病轻松骗过AI与同行评审，到患者用脚投票把诊疗结果放在信任优先级的第一位，AI正在给整个医疗行业带来一场前所未有的重构。

我们不必妖魔化AI，它能给基层医生提供更全面的诊疗参考，能给患者更细致的就医指引，能让优质医疗资源触达更多人群。但我们也必须清醒地认识到，医疗的核心永远是“人”，是对患者生命健康的绝对责任。

AI可以是医生手里最趁手的手术刀，但绝不能代替医生做临床决策；技术可以跑得很快，但医疗安全的底线，一步都不能往后退。只有把审核的门槛筑牢，把溯源的机制建全，把医生的核心地位守住，我们才能真正享受到AI给医疗带来的红利，而不是为技术的漏洞买单。