警惕！AI医疗“幻觉”频发，健康监测岂能儿戏？

今年年初，新京报记者测试了7款主流健康大模型解读体检报告的能力，结果令人心惊胆战。

一位30岁的男性用户如果看到这条建议，大概会怀疑人生。

这并非个例。

2025年，顶级医学期刊《Annals of Internal Medicine》报道了一个真实病例：一位60岁男子听从ChatGPT的建议，用溴化钠替代食盐，导致溴中毒急诊入院。这个建议来自AI的“谄媚行”——它倾向于同意用户，哪怕这个同意会害了用户。

更令人忧心的是，一项针对70名临床医生的全球调查显示：91.8%的医生曾遭遇过医疗AI的“幻觉”，84.7%的医生认为这些幻觉可能对患者造成伤害。

所谓的“医疗幻觉”（Medical Hallucination），是指AI生成的医疗信息在事实上错误、逻辑上不一致，或缺乏权威临床证据支持。通俗来讲，就是AI在“不懂装懂”，生成的医疗信息要么事实错误，要么逻辑矛盾，要么完全没有权威临床证据支撑，却因用词专业、语气笃定，让人难辨真假。

新京报的测试还发现，即使是医疗垂类大模型，幻觉率也高得惊人——通用大模型的无幻觉率中位数约为76.6%，而医疗专用大模型反而更低，仅为51.3%。这意味着，每两次用AI医疗问诊，就可能有一次是在听“胡言乱语”。

“纸上谈兵”的 AI：

为什么健康监测不能靠“猜”？

通用大模型的“幻觉”问题，根源在于它们的设计逻辑：它们被训练来“生成看起来合理的文本”，而不是“说出事实”。

当一个通用大模型被问到“我的心率是多少”时，它不会去测量你的心跳——它没有这个能力。它只会根据训练数据中的统计规律，给出一个获取心率的方法或者心率范围。

这就是所谓的“知识幻觉”（Knowledge Hallucination）：模型生成的信息在统计上合理，但在事实上不成立。

更要命的是，这些大模型往往表现得无比自信。2025年发表于medRxiv的研究指出，大模型普遍存在“校准不良”问题：它们不知道自己的知识边界，哪怕对问题一无所知，也不会说“我不知道”，反而会用笃定的语气输出错误答案。

这就引出了核心矛盾：健康监测的本质是“基于客观数据的判断”，但通用医疗大模型既不能采集真实数据，又容易编造虚假信息，凭什么能给健康建议？

10秒看透身体信号：

吾征AI不“猜”，只拍脸“看数据”

面对通用大模型的“纸上谈兵”，吾征AI选择了一条完全不同的赛道：不做“会说话的 AI”，只做“能看见身体真相的眼睛”。

不用戴手环、不用夹手指、不用贴电极片，甚至不用刻意配合 —— 你只需对着普通摄像头拍摄人脸视频5-10秒，系统就能自动输出：心率、HRV（心率变异性）、呼吸率、血压趋势、情绪压力指数等几十项生命体征指标。

数据不会撒谎：

为什么吾征的技术更“诚实”？

让我们做个对比：

吾征AI的核心竞争力在于：它不是靠“猜测”，而是靠“拍脸看见”。这种“看见”的能力，依托于无创非接触生物信号检测与多模态认知计算模型的深度融合，从而实现对生命体征的快速、精准辨识与辅助诊断。

其技术基础是客观的生理信号——血液流动、皮肤颜色变化等。这些生理信号是客观存在的，不以人的意志为转移。你说“我心情很好”，但你的HRV可能暴露了你的压力；你说“我睡眠充足”，但面部皮肤的细微变化可能暗示你昨晚熬夜了。

数据不会撒谎。

非接触式技术的价值：

降本、增效、真数据

对于企业或者机构来说，吾征的非接触无创生物检测技术有三大核心价值：

传统的心电监测、血压监测需要采购大量硬件设备，维护成本高，且存在损耗和卫生问题。吾征的技术只需要普通摄像头，硬件成本极低。

在养老院、企业园区、学校等场景，吾征的系统可以实现“无感批量检测”。老人不需要学习如何操作设备，员工不需要每天佩戴手环，学生不需要填写心理量表——只需面对摄像头，数据自动采集。

在保险核保、远程医疗、职业健康监测等场景，数据真实性至关重要。rPPG技术提取的是客观生理信号，无法通过主观意愿篡改。这为后续的医疗决策、风险评估提供了可信的数据基础。

目前，吾征 AI已推出30余款物联网智能认知产品，广泛应用于慢性病管理、精准医疗、智慧养老、企业健康管理等多个场景。在AI医疗“幻觉”频发的当下，吾征重新定义了健康监测的核心——数据真实才是健康管理的第一准则，只有基于客观生理信号的判断，才能真正为生命健康保驾护航。