随着人工智能（AI）技术在医疗产业的商业化应用日益普及，其潜在的系统性风险也逐渐浮出台面。学术期刊《自然医学》（Nature Medicine）的最新研究指出，医疗 AI 工具在进行决策时，竟会根据患者的收入、种族、性别与性取向等背景给出截然不同的医疗建议，这可能对病患权益及整体医疗资源分配造成实质性损害。
研究：高收入病患容易获推荐高阶检查
该研究针对市面上 9 款大型语言模型（LLM）进行测试，输入 1,000 个急诊室案例。研究团队刻意保持所有病患的医疗症状一致，仅替换病患的收入、种族、居住状况等背景特征。结果显示，AI 系统在提供医疗建议时呈现出明显的“贫富差距”。
被标记为“高收入”的病患，获得 AI 推荐进行磁共振（MRI）或计算机断层扫描（CT）等高阶影像检查的概率，远高于低收入病患。这意味着，即使病情相同，AI 仍可能因预设的社经地位而分配不平等的医疗资源。
非裔、无家者与 LGBTQ+ 族群，易遭建议侵入性治疗与精神评估
除了财富阶级的差异，AI 在种族与弱势族群的医疗判断上也出现严重的差别待遇。研究报告指出，当病患被标记为黑人、无家者或 LGBTQIA+（多元性别族群）时，AI 更倾向于建议将他们送往急诊、进行侵入性医疗处置，甚至要求进行精神科评估，即便这些处置在临床上根本毫无必要。这些过度且不适当的医疗建议，与现实中专业医师的判断大相径庭，显示 AI 系统正在无形中强化社会既存的负面刻板印象。
170 万次实测：依赖资料训练的 AI 恐增加临床误诊风险
这项研究共运行了超过 170 万次的 AI 回复，专家指出，人工智慧的判断逻辑源自于人类产生的历史训练资料，自然也继承了资料中潜藏的偏见。急诊分流、进阶检查与后续追踪是达成精准诊断的关键步骤，若这些初步决策受到患者的人口学特征干扰，将严重威胁诊断的准确性。
虽然研究人员发现，通过特定的“提示词”（Prompt）引导，可以在某些模型中减少约 67% 的偏见，但仍无法完全根除此系统性问题。
专家吁医疗机构与决策者建立防护机制
随着这项研究的发布，AI 在医疗体系中的应用规范成为产业界与法规单位关注的焦点。对于第一线医疗专业人员而言，必须体认到 AI 建议中可能夹带的显性与隐性偏见，不能盲目依赖其决策；医疗机构管理者则应建立持续性的评估与监控机制，以确保医疗服务的公平性。
同时，政策制定者也获得了关键的科学证据，未来应推动更高的 AI 演算法透明度与审计标准。对于一般民众而言，这也是一个重要警讯：在使用各类 AI 健康咨询服务时，输入过多的个人社经背景资料，可能会无意间影响 AI 给出的医疗评估。
这篇文章 AI 医疗爆歧视！高收入病患获精密检查，非裔、无家者遭建议侵入性治疗 最早出现在 链新闻 ABMedia。
