医疗 AI 应该解释不确定性，而不是隐藏它

医学报告很少使用绝对化的表达。放射科医生可能会写“可能代表”“很可能”“性质不确定”或“不能排除”。这些词不是装饰，而是在说明证据支持某种判断的程度，以及哪些问题仍未解决。

当 AI 解释报告时，最重要的责任之一，就是保留这种不确定性。

清晰的语言可能制造危险的错觉

患者当然希望得到直接答案。比如报告写着“发现小片状阴影，建议考虑复查”，读起来可能让人不安。AI 可能会把它改写成：

“你有一个良性的斑点。”

这句话更容易理解，但它可能已经改变了原报告的意思。系统删掉了不确定性，又加入了只有掌握病史、体检结果、既往影像和完整报告的临床医生才能作出的结论。

相反的错误同样有害。把“很可能是良性”改写成“可能是癌症”，会造成不必要的恐慌。表达流畅不等于临床正确。

解释时必须保留的内容

安全的解释至少应保留五类信息：

1. 不确定性：例如“可能”“很可能”“提示”和“性质不确定”。
2. 否定：例如“没有证据表明”“未见”和“阴性”。
3. 测量值：数值、单位和位置。
4. 比较信息：与既往检查相比是新出现、稳定、改善还是发生变化。
5. 建议：报告建议的复查项目、时间范围或临床结合。

任何一项被删除，都可能改变原文含义。面向患者的解释应该让原句更容易理解，而不是用更强的结论替换它。

解释不确定性本身

保留不确定性并不意味着把患者留在难懂的医学术语中。AI 可以这样解释：

“报告使用了‘很可能’这个表达，意思是放射科医生根据影像认为这是最可能的解释，但并没有把它写成确诊结果。你可以向医生询问症状和既往检查如何影响它的意义。”

这样的回答提供了背景，同时保留了边界：报告说了什么、没有说什么，以及哪些问题需要专业判断。

一个实用的设计测试

每个解释工具都应使用包含否定、左右侧、比较信息和条件性建议的句子进行测试。审核人员可以逐项对照原报告和 AI 解释：

• “没有”或“未见”是否被保留？
• 左侧和右侧是否正确？
• 数值和单位是否保留？
• 建议是否被误写成诊断？
• 原文含义不明确时，系统是否明确说出不确定？

这些检查比单纯判断回答是否自然更有意义。

目标是帮助患者进行更好的沟通

面向患者的 AI 应该帮助人准备更好的问题，而不是制造一个最终答案。它可以解释报告为什么使用谨慎措辞，找到包含复查建议的段落，并帮助患者整理下次就诊时要问的问题。

这是一个有价值的角色：同时尊重报告、患者和临床医生。

医疗 AI 不应该为了显得聪明而隐藏不确定性。它应该让不确定性变得可理解、可见，并通过与专业医务人员的适当沟通帮助患者采取下一步行动。