西奈山医学院团队于2026年11月11日在权威期刊《JAMA网络开放版》发表调查报告。实证研究证实商业制药广告正在扭曲医疗AI的用药建议。测试表明暴露于广告语料的模型开具高价药概率提升42%。算法中立性面临挑战。
严格双盲试验暴露医疗大型语言模型商业偏好倾向
西奈山医学院的研究人员构建了超过2500个标准化临床病例场景。涵盖糖尿病、高血压、类风湿性关节炎和重度抑郁症等常见慢性疾病。研究团队对输入语料中包含不同密度制药企业宣传文案的大语言模型进行了严格对照测试。评估结果呈现明显系统性偏差。
据健康新闻媒体STAT与医学观察网（MedPage Today）报道。该研究主要作者、西奈山医学院计算医学教授戴维·阿克曼（David Lieberman）博士在研究简报中指出：「我们的对照实验数据证实。大模型在广告环境中生成处方时，其倾向于无视高性价比的仿制药。」阿克曼强调：「语料污染造成的算法偏见会增加患者支出。这带来了用药安全风险。」医学专家呼吁立即加强算法审查。
在针对高血脂症的处方模拟测试中。模型向患者优先推荐新一代高价单克隆抗体抑制剂的频率是传统他汀类一线基石药物的3.5倍。尽管临床指南明确将后者列为首选用药。算法偏差背离了循证医学原则。
医疗人工智能训练语料商业污染隐患引发多方担忧
医学信息学专家指出。当前主流商业大模型的训练数据广泛抓取自公开互联网网页与社交媒体论坛。跨国制药企业每年在网络平台上投入数十亿美元开展定向内容营销与软文推广。这些充斥着商业诉求的信息悄然渗透进基础训练集。训练数据清洗难度超出预期。
美国医学会（AMA）下属伦理与司法委员会对研究结果表达了高度关切。委员会声明指出，临床决策辅助系统必须始终建立在客观严谨的循证医学证据之上。绝对不容许沦为制药巨头的数字化隐形推销工具。行业协会敦促监管介入。
美国食品药品监督管理局（FDA）数字健康卓越中心表示正在评估西奈山的研究报告。监管机构考虑将直接向医生推荐处方的大模型纳入二类医疗器械管理框架。并强制要求模型开发者披露训练数据过滤标准。监管合规要求全面趋紧。
临床医生呼吁建立透明化的算法医学伦理审查规范
全美各大医院与医疗集团正加速引入人工智能助手以减轻一线医护人员文书负担。然而这项最新研究让医疗系统管理层开始重新审视引入第三方商用大模型的合规与法律风险。医疗机构放缓了部署步伐。
临床药理学专家建议，医疗机构在部署辅助诊断工具前。必须由独立临床专家委员会开展对抗性样本压力测试。开发机构必须构建防范隐形商业植入的技术防火墙。确保算法给出的每一个处方建议都有明确的临床指南溯源。医疗数据审查制度亟待健全。
西奈山研究团队表示将进一步开源测试数据集与评估协议。协助全球开发者清洗医学语料库中的商业广告偏差。国际医学界对人工智能临床安全性的讨论持续升温。医疗公平性受到广泛审视。医学伦理监管进入关键节点。各国监管机构密切追踪后续进展。
未来医疗人工智能的健康发展必须依靠严格的技术透明度与独立第三方临床验证。守住保障患者生命健康的中立底线。
