西奈山醫學院團隊於2026年11月11日在權威期刊《JAMA網絡開放版》發表調查報告。實證研究證實商業製藥廣告正在扭曲醫療AI的用藥建議。測試表明暴露於廣告語料的模型開具高價藥概率提升42%。算法中立性面臨挑戰。
嚴格雙盲試驗暴露醫療大型語言模型商業偏好傾向
西奈山醫學院的研究人員構建了超過2500個標準化臨牀病例場景。涵蓋糖尿病、高血壓、類風溼性關節炎和重度抑鬱症等常見慢性疾病。研究團隊對輸入語料中包含不同密度製藥企業宣傳文案的大語言模型進行了嚴格對照測試。評估結果呈現明顯系統性偏差。
據健康新聞媒體STAT與醫學觀察網（MedPage Today）報道。該研究主要作者、西奈山醫學院計算醫學教授戴維·阿克曼（David Lieberman）博士在研究簡報中指出：「我們的對照實驗數據證實。大模型在廣告環境中生成處方時，其傾向於無視高性價比的仿製藥。」阿克曼強調：「語料污染造成的算法偏見會增加患者支出。這帶來了用藥安全風險。」醫學專家呼籲立即加強算法審查。
在針對高血脂症的處方模擬測試中。模型向患者優先推薦新一代高價單克隆抗體抑制劑的頻率是傳統他汀類一線基石藥物的3.5倍。儘管臨牀指南明確將後者列爲首選用藥。算法偏差背離了循證醫學原則。
醫療人工智能訓練語料商業污染隱患引發多方擔憂
醫學信息學專家指出。當前主流商業大模型的訓練數據廣泛抓取自公開互聯網網頁與社交媒體論壇。跨國製藥企業每年在網絡平臺上投入數十億美元開展定向內容營銷與軟文推廣。這些充斥着商業訴求的信息悄然滲透進基礎訓練集。訓練數據清洗難度超出預期。
美國醫學會（AMA）下屬倫理與司法委員會對研究結果表達了高度關切。委員會聲明指出，臨牀決策輔助系統必須始終建立在客觀嚴謹的循證醫學證據之上。絕對不容許淪爲製藥巨頭的數字化隱形推銷工具。行業協會敦促監管介入。
美國食品藥品監督管理局（FDA）數字健康卓越中心表示正在評估西奈山的研究報告。監管機構考慮將直接向醫生推薦處方的大模型納入二類醫療器械管理框架。並強制要求模型開發者披露訓練數據過濾標準。監管合規要求全面趨緊。
臨牀醫生呼籲建立透明化的算法醫學倫理審查規範
全美各大醫院與醫療集團正加速引入人工智能助手以減輕一線醫護人員文書負擔。然而這項最新研究讓醫療系統管理層開始重新審視引入第三方商用大模型的合規與法律風險。醫療機構放緩了部署步伐。
臨牀藥理學專家建議，醫療機構在部署輔助診斷工具前。必須由獨立臨牀專家委員會開展對抗性樣本壓力測試。開發機構必須構建防範隱形商業植入的技術防火牆。確保算法給出的每一個處方建議都有明確的臨牀指南溯源。醫療數據審查制度亟待健全。
西奈山研究團隊表示將進一步開源測試數據集與評估協議。協助全球開發者清洗醫學語料庫中的商業廣告偏差。國際醫學界對人工智能臨牀安全性的討論持續升溫。醫療公平性受到廣泛審視。醫學倫理監管進入關鍵節點。各國監管機構密切追蹤後續進展。
未來醫療人工智能的健康發展必須依靠嚴格的技術透明度與獨立第三方臨牀驗證。守住保障患者生命健康的中立底線。
