医生开始用AI查药了，你的药品信息，AI说对了吗

门诊间隙，遇到拿不准的用药问题，顺手问一句AI，已经不是新鲜事。ESC 2026干脆把人工智能定位成心血管医学的副驾。

工具在往前走，这是好事。但它带出一个过去没有的问题：AI给出的药品信息，到底准不准。

AI的答案，来自它看到的内容

AI不是凭空生成答案的。它说什么，取决于训练和检索时看到了什么。

如果一个药的权威信息在公开网络里足够清晰、足够多，AI大概率能说对。反过来，如果它的准确信息稀薄，或者被过时、错误的内容淹没，AI就可能一本正经地说错。

还有一层原因藏在机制里。大模型天生会补全，遇到信息空白，它倾向于编一个看起来合理的答案，而不是老实说不知道。这种一本正经的错，比明显的胡说更危险，因为它不容易被一眼识破。

具体到药品，AI容易错的地方也有迹可循。

适应症张冠李戴，把用于甲病的药说成用于乙病；剂量含糊其辞，给个模棱两可的范围；把还在研的药说成已获批；把禁忌和注意事项漏掉一半；甚至在比较用药时，把并非一线的方案说成首选。

这些错误单看都不离谱，连在一起却足以误导判断。越是听起来顺理成章的回答，越值得多留个心眼。

这条底线要守住。AI可以帮你快速回忆、梳理思路、缩小检索范围，但它不是可以直接照抄的处方依据。

任何关键结论，尤其是剂量、适应症、禁忌、相互作用，都要回到药品说明书和权威指南去核对。AI给方向，说明书和指南给答案，这个顺序不能反。

一个实用的习惯，是把AI的回答当草稿而非结论：它帮你想到可能性，你再逐条去权威来源验证。这样既借了效率，又不至于被带偏。

AI时代，药品信息的可见度成了新战场

换个视角，同一件事对提供药品信息的一方，是全新的课题。

过去衡量信息触达，看的是文献、会议、拜访这些传统渠道。现在要多看一个维度：你的药，在AI时代被说得对不对、被提得够不够。当医生越来越多地把AI当第一入口，你的药在AI里的可见度和准确度，正在变成一个新的信息触达指标。

这个战场的特点是，它是动态的。模型在更新，网络内容在变化，今天说对的，过一阵可能又说错了。如果主流AI在描述你的药时反复出错，而你毫不知情，损失的不只是形象，还有临床决策的准确。

有人会问，那过去做的文献、会议、拜访，是不是就没用了。恰恰相反，它们是根基。

AI说得对不对，很大程度上取决于公开世界里有没有足够多、足够权威的正确信息。而这些信息，正是靠扎实的学术发表、指南收录、专业传播一点点积累起来的。你在传统渠道上做的功课越实，AI能引用到的正确内容就越多。

所以两者不是替代关系，而是补位。传统触达负责把正确信息生产出来、沉淀下去，AI可见度负责盯住这些信息有没有被模型正确地读到、说出。少了任何一头，链条都不完整。

传统的信息发布是一次性的：发出去就完事。但AI时代的信息触达是持续的博弈，需要有人一直盯着。

主流的几个大模型，此刻正怎么描述你的药，有没有把关键信息说错，和竞品比谁被提得更准更多，这些都值得被系统地监测，而不是等出了事才发现。

应对的办法只有一个：有人持续盯住主流AI怎么描述你的药，发现错漏及时纠偏，把正确、可回溯的信息一点点铺回去，让AI能稳定地说对。

医生用AI查药，这个习惯只会越来越普遍，不会退回去。与其担心它说错，不如主动把正确信息铺得更密、盯得更紧，让AI想说错都难。毕竟在这个时代，让每一次学术和每一条信息发挥价值，也包括它在AI那里不被讲歪。

本文由穆景循证 MJonline 编辑部原创。信息仅供医疗卫生专业人士参考，不作为诊疗建议。