AI问答工具给出的糖尿病足建议，哪些数字值得你留意？

当患者开始向AI提问：300条回答背后的数字信号

糖尿病周围神经病变引起的疼痛、足部护理困惑、何时该找专业人士——这些问题正越来越多地流向公开可用的生成式人工智能对话工具。一项近期发表的研究，把60个标准化的患者视角英文问题，分别提交给ChatGPT、Gemini、Microsoft Copilot、DeepSeek和豆包，每个问题每款工具只做一次单轮对话，最终得到300条回答。五名评估者依据预设标准，从安全性、准确性、与专业指导文件的一致性、可操作性和可读性五个维度独立打分。对于普通读者而言，这组研究里真正值得留意的，不是“谁排第一”，而是几个具体数值背后的含义。

9.3%：不安全或潜在不安全的回答比例

这是研究中最需要被普通人记住的数字。300条回答中，有28条被判定为不安全或潜在不安全，折算下来是9.3%。更值得注意的是，这个比例是按工具分别统计的：不同工具的不安全回答率在5.0%到15.0%之间波动。虽然统计检验没有发现工具之间的整体差异，但结论很清楚——每一款工具都至少产生了一条可能引导用户走向不恰当自我管理、延误评估、误用药品或产品，甚至造成可预防伤害的回答。

如果你或家人正在使用这类工具查询足部疼痛或护理问题，可以这样理解这个数字：它不代表“十分之一的回答会害人”，而是意味着“不安全回答是零散分布、无法提前预判的”。可能连续问几个问题都得到稳妥建议，也可能某一次追问就滑向危险方向。尤其是涉及停药、换药、自行处理足部伤口、判断是否需要紧急就医时，多问一句“这个建议是否需要先找专业人士确认”，往往比直接照做更安全。

把AI回答当作健康信息的起点，而不是终点。任何关于用药、足部风险判断和紧急就医分诊的决定，都需要经过专业人士核实。

内容质量分差：准确性、一致性、可操作性为何拉开距离

研究显示，五款工具在准确性、与专业指导文件的一致性和可操作性上存在统计学差异。用通俗的话说，就是不同工具对同一批问题的回答，内容质量并不在同一水平线上。整体趋势是ChatGPT在内容相关评分上通常更高，豆包得分相对偏低。这种差异不是“谁好谁坏”的简单标签，而是提醒用户：不同工具的训练数据、更新节奏和回答策略不同，同一问题换一个工具问，得到的建议可能相差很大。

什么叫“与专业指导文件的一致性”？研究把每个问题映射到六个指导要素，再换算成百分比。换句话说，一个回答可能听起来合理、语气也自信，但如果它偏离了公认的足部护理和疼痛管理原则，一致性得分就会下降。可操作性则用七项二元标准衡量，比如是否给出明确步骤、是否说明何时就医。对普通读者来说，这两个维度比“回答长不长”更重要。你可以用三个问题快速判断：它有没有告诉我具体做什么？有没有告诉我什么情况下必须停止自行处理？有没有提到需要专业人士确认的节点？

• 如果回答只给笼统安慰，没有可执行步骤，可操作性可能偏低。
• 如果回答建议自行调整药物或处理足部伤口，应视为需要核实的信号。
• 如果回答明确区分“可以先观察”和“应尽快找专业人士”，通常更值得参考。

可读性差异：好读不等于靠谱，难读也不等于权威

研究用六种成熟的可读性指标评估文本难度，发现五款工具之间存在显著差异。ChatGPT和豆包生成的文本相对不那么复杂，DeepSeek的阅读难度更高。这个数字对普通读者的意义在于：文本好读，只说明它更容易看懂，不说明它更准确或更安全；文本难读，也不代表它更专业。真正需要警惕的是那种“用词简单、语气笃定、却给出危险建议”的回答，因为用户更容易放下戒心。

一个实用的应对思路是：把可读性当作筛选的第一道门槛，而不是最终判断。先用易读的回答建立基本理解，再针对其中的关键动作——尤其是用药、足部检查和就医时机——换一个工具再问一遍，或者直接向专业人士求证。研究本身也提示，这些工具可以支持一般性的患者教育，但药物决策、足部风险评估和紧急就医分诊，必须经过专业核实。

评估者一致性高，说明这些维度可以被稳定判断

研究中，五名评估者对安全性、准确性、指导一致性和可操作性的评分一致性都很高，相关统计值分别达到0.874、0.881、0.874和0.877。这个数字群说明：上述维度不是凭感觉打分，而是不同评估者能稳定达成接近判断的指标。对普通用户的启发是，你不需要成为专家，也可以从“安全、准确、可操作、可读”这几个角度去审视一条AI回答。比如，先看它有没有潜在危险，再看它是否与常识和专业建议一致，然后看它能不能落地执行，最后看自己是否真的读懂了。

把数字变成行动：给普通读者的五条建议

• 涉及药物调整、足部伤口处理、是否急诊，不要只依赖单一AI回答，务必咨询专业人士。
• 同一个问题可以换一款工具再问一次，比较差异，差异越大越需要核实。
• 优先选择给出明确步骤、明确停止条件和明确就医时机的回答。
• 不要被流畅易懂的表述降低警惕，好读不等于安全。
• 把AI回答当作提问清单和知识起点，而不是自我管理的最终依据。

这项研究并没有否定生成式AI在患者教育中的潜在价值，但它用300条回答和一组具体数值提醒我们：工具之间的表现模式不同，不安全回答虽不占多数，却真实存在。对糖尿病患者和照护者来说，最稳妥的做法不是寻找“最可信”的那一款，而是建立一套自己的核实习惯——在关键决定上，始终让专业意见介入。