收到诊断后，记住并整理谈话中的全部内容可能很困难。事后你可能只记得几个词，手中有一份满是陌生术语的打印资料，还有一些当时没想到要问的问题。
本文只教就诊准备。遵循诊疗团队的指示；当症状或临床医生告知的警示信号要求紧急处置时，请通过当地急救服务寻求帮助。
这套方法能帮你在下次就诊前，把事后的混乱整理成有用的材料：一份标明来源的术语清单，让你对其中的词有基本了解并能有针对性地提问；一份持续记录未明确事项的日志；以及一组具体问题。所有内容都基于临床医生实际告诉你的信息，绝不是模型对你病情含义的猜测。
本方法中没有任何一步要求AI解读你的诊断、估计预后、比较治疗路径，或判断你的情况有多严重。这些临床判断应由诊疗团队作出——他们能看到你的完整病史、检查结果，也能面对面评估你本人。仅凭你输入的一段文字，模型无法安全地完成这些工作，无论答案听起来多么自信。
第1步：在记忆消退前，先记下实际说过的话
事后尽快——在停车场、回家路上、当天晚上——把你记得的谈话内容全部写下来，顺序随意。先不必担心医学准确性；目标是在进一步淡忘前记下自己的回忆，而不是整理出一份格式完善的文档。
以下是我记得在诊断就诊中被告知的内容，
顺序不分先后：[粘贴你的粗略回忆]。请将其
整理成用通俗语言表述的简单时间线，说明说了什么。
不要添加任何我未提供的医学解读、可能结局或额外信息——
只重组我实际记得的内容。
若你有打印的就诊后小结或出院说明，应以文件为准，而不是以记忆为准。记下你的笔记与打印文件不一致之处——这种不一致本身就值得在下次就诊时询问。
第2步：建立一份真正能用的术语表
诊断通常伴随若干陌生词。理解一个术语，不同于理解它对你个人意味着什么——前者适合让模型协助，后者绝不能交给模型判断。
以下是我诊断或出院文件中尚未完全理解的术语：
[列出术语]。对每一个，给出该术语在医学中通常含义的
简短通俗定义。不要把任何术语与我的具体病例联系起来，
也不要暗示它们对我的情况可能意味着什么——
我只要能带给诊疗团队看的一般定义。
刻意让定义保持一般性。这份术语表的价值，是让你在下次与临床医生交谈时更容易听懂，而不是告诉你关于自身病例的新信息——只有掌握你完整记录的诊疗团队才能做到后者。
若定义变得过于个性化——“这可能意味着你的病情是……”——在记入笔记前删掉那句。模型很容易从“这个词通常是什么意思”转向“对你大概意味着什么”，而只有前者才是模型可以可靠协助的内容。
第3步：把已知与尚不知分开
诊断谈话中既有已确认的事实（检查显示了什么、诊断叫什么），也有尚未明确的事项（接下来采用什么方案、可能出现什么情况、何时能了解更多）。把两者分开，可避免把未回答的问题误当成已有答案，或反过来。
以下是我被告知的内容：[粘贴第1步整理后的笔记]。
将其分成两份清单：“直接被告知的”和“仍不清楚或未涉及的”。
不要用猜测填满第二份清单——若某事未被涉及，
就归入不清楚清单，不要用一般知识来回答。
这份“不清楚”清单可以作为下次就诊的参考：它列出了你希望诊疗团队解释或纠正的要点。
第4步：把不确定性变成具体、可回答的问题
“这对我意味着什么？”之类宽泛问题，在短暂就诊中可能很难完整覆盖。具体问题可以帮助临床医生看出你希望先处理哪项不确定性。不过，不要强迫重要问题得到人为缩短的回答：目标是把问题说清楚并确定优先级，而不是限制诊疗团队可能需要给出的解释。
把这份“不清楚”清单上的每一项变成我可以向诊疗团队提出的
具体问题：[粘贴不清楚清单]。每个问题只聚焦一项不确定性。
不要回答问题，也不要假定合适的临床解释需要多长时间。
按对你的紧急程度给问题分组——哪些需要在做任何近期决定前得到回答，哪些可以等到预定随访。这种分组是你自己对什么重要的判断，不是模型生成的临床优先级。
第5步：为每条信息记录来源与日期
资料包中的每条信息都应标明来源和日期——例如某日临床医生的原话、打印手册、与药师的谈话，或明确标注为AI工具提供的一般定义。这样做很重要：若诊断导航资料包把临床确认的事实与一般背景资料混在一起却不加标注，它恰恰会在最需要准确性的随访谈话中变得不可靠。
完整的诊断导航问题包为你提供可直接填写的结构——带来源与日期的已知事实、术语表、不确定性日志、分组问题，以及联系人部分。
诊断及其细节是你可能输入AI工具的最敏感信息之一。若工具提供关闭训练的选项，请关闭训练；避免把完整身份信息与临床细节一起粘贴；在共享或工作账户中建立此资料包前，请参阅ChatGPT记住、看到并分享什么。
本方法刻意不做的事
它不会告诉你诊断对未来意味着什么，不会比较治疗选项，也不会估计情况有多严重。这些问题完全属于你的诊疗团队。模型只看到你输入的少量记录，既无法检查你本人，也无法审阅完整病史，因此不能安全地回答；听起来自信的答案也不等于正确答案。更完整的边界理由见AI不是医生；一旦书面报告和检查结果随诊断一同到来，配套方法见安全地理解医疗文件。
此工作流的证据锚点
本文边界遵循WHO关于健康领域AI伦理与治理的指南，包括人的自主权与问责。实用的问题整理方法与AHRQ的Questions Are the Answer和Question Builder，以及美国国家癌症研究所的向医生询问癌症的问题相一致；后者建议优先排列最重要的问题并核对自己的理解。一般定义可查MedlinePlus Health Topics；就诊提问可参考NHS医疗预约问题指南；任何病例相关事项都应使用医疗提供方当前的指示。这些来源支持准备工作，没有一个能在缺少临床背景时解读个人诊断。
常见陷阱
- **问“这对我意味着什么”而不是“这个术语是什么意思”。**前者容易得到看似有道理的猜测；后者才在模型可以协助的范围内。
- **跳过“来源与日期”标签。**六个月后，“医生说过”和“我在某处读到”需要一眼就能区分。
- **让术语表去回答它本应引出的问题。**清楚的定义可能让人误以为问题已有结论。其实没有——它只是为下次真实对话做准备。
- **把未排序的清单带到时间有限的就诊。**标出对你最重要的问题，同时保留完整清单，供以后随访。
- **写完初稿就把资料包视为完成。**两次就诊之间会出现新问题——日志应继续更新，而不是在一次会话后停住。
本周就建立
谈话后尽快开始资料包，趁记忆最新鲜。记下说了什么，建立术语表，分开已知与不清楚，把不确定性变成具体问题，并标注每个来源。用诊断导航问题包在下次就诊前把一切放在一处。
