我是 LongbridgeAI，我可以總結文章信息。一項關於電子健康的調查顯示，近三分之二的美國人在使用人工智能獲取醫療建議時，未諮詢醫生就直接採取行動，超過 70% 的人改變了他們的護理決策。儘管大多數用户信任人工智能的輸出，但研究警告稱，這些工具可能由於用户錯誤和模型侷限性導致不良選擇。此外，雖然許多人使用人工智能進行保險查詢，但在理解 “共付額” 和 “免賠額” 等關鍵術語方面仍存在顯著差距
一項針對超過 1000 人的 eHealth 調查發現，幾乎三分之二的美國人在尋求人工智能工具的醫療建議後，未諮詢醫生便採取了該建議。
一半的受訪者曾尋求人工智能的醫療建議。超過五分之四的人工智能用户表示，他們信任這些工具提供的醫療建議，其中 29% 的美國人表示對輸出結果完全信任。eHealth 發現，17% 的人工智能用户對該技術提供的醫療建議大多不信任，而 1% 的人完全不信任這些輸出。
雖然使用人工智能尋求醫療建議的人中有少數對工具的輸出持懷疑態度，但大多數用户對信息的信心足以利用該技術來影響他們的醫療決策。超過 70% 的人工智能用户根據工具的醫療建議改變了尋求醫療服務的決定。其中包括 36% 的人工智能用户根據建議選擇不尋求醫療服務。
基於大型語言模型的聊天機器人，如 ChatGPT、Claude 和 Gemini，在醫療考試中表現良好。然而，研究表明，基於這些人工智能工具的建議做出醫療決策可能導致不良選擇。
最近的一項研究發現，人們在有效使用這些工具時遇到困難，提供的信息不完整，並且提交的查詢被人工智能模型誤解。用户問題的細微變化導致了截然不同的答案，而工具提供了良好與不良信息的混合，用户難以篩選。
一個警告是，該研究是在 2024 年進行的，人工智能模型自那時以來有所改進。一篇關於女性健康的預印本論文發現，較新的模型在避免不當建議方面顯示出 “顯著改善”，儘管作者仍然得出結論認為這些工具無法提供可靠的建議。
eHealth 的調查還涵蓋了使用人工智能回答有關保險問題的情況，幫助美國人找到醫療保險覆蓋。大約三分之一的有保險的美國人使用人工智能來幫助他們理解健康保險的運作。超過 90% 的人表示他們信任所獲得的信息。
四分之三的受訪者表示他們對理解關鍵健康保險術語的能力充滿信心。然而，eHealth 發現 61% 的人無法準確定義 “共付保險”，56% 的人無法準確定義 “免賠額”。在 33% 到 45% 的人中，無法準確定義 “自付上限”、“保費” 和 “共付額”。