转发健康说法前先核实
AI新手6 分钟阅读健康与就医导航

转发健康说法前先核实

家庭群聊转发健康说法的速度,往往快过任何人去核实。一套五分钟的来源追溯法,能把听起来可信的说法变成有据可查的决定:原样转发、附上背景再转发,或不转发。

您应该能够做到的事情

听起来权威的健康说法,与有恰当证据支持的说法不是一回事。转发前先把说法追溯到相应的现行来源;AI可以帮你想搜索词,但不得由它决定什么是真的。

仅在此浏览器中保存。
本文内容

家庭群聊里有人分享关于某种补充剂、食物或疗法的说法,附上一张截图或一段言之凿凿的文字。听起来挺合理,甚至可能有一部分是对的。决定是转发、忽略还是反驳的关键,不是“听起来对不对”——而是“它究竟从哪来,以及那个来源是否仍在说转发内容所声称的那句话。”

这是一套在转发之前追溯健康说法的短方法。从官方卫生主管部门、监管机构或原始研究开始;AI可以帮你把说法提取出来、或建议搜索词,但它既不是来源,也不是裁判。这一区分之所以重要,是因为聊天机器人在对抗性健康问题上被实测为不可靠。

为什么需要方法,而不是凭感觉

2026年发表于BMJ Open的一项审计,用五个常用聊天机器人——Gemini、ChatGPT、Grok、DeepSeek和Meta AI——测试了错误信息高发领域的对抗性健康问题:癌症、疫苗、干细胞、营养和运动表现。近一半的回复(49.6%)被独立专家评为有问题,引文也经常不完整或被直接捏造——聊天机器人自行引用的参考文献,完整性中位数只有40%(Tiller, Marcon, Zenone et al., BMJ Open, 2026)。几乎所有这些回复都以自信、不加限定的语气给出:在250个问题中,它们仅拒绝回答两次。

这种组合——自信语气、看似合理的措辞,以及被引来源很可能并不支持答案所声称内容的真实风险——正是家庭群聊里被转发的健康说法的典型面貌。若直接问模型“这是真的吗”,它常常会像能一锤定音似地作答,而它实际在做的,是生成一段听起来合理的回复,有时还配上一条你一核对就站不住脚的引文。

本方法适用于你在聊天、文章或社交媒体上遇到的一般性说法——不适用于关于你本人健康或正在服用药物的紧急个人问题。那些问题应找药剂师或你的临床医生,而不是做来源追溯练习,无论一般性说法最终核实得多么扎实。

第1步:把说法从包装里拆出来

在查任何东西之前,先写下那条具体、可核验的说法——去掉让它显得紧迫或激动人心的包装。

我收到了这条与健康相关的信息:[粘贴内容]。请提取其中唯一一条具体、可核验的事实性说法,用一句平实的话写出。忽略语气、紧迫感和任何行动号召——我只要底层说法本身。

一条写着“医生不想让你知道这个简单技巧!”的消息,可能提炼为一句具体、可检验的说法,例如“维生素X可缩短普通感冒病程。”那才是你真正需要核实的那句话。

第2步:直接检索权威来源

去检索你所在国家的卫生主管部门、药品监管机构、WHO,或与该说法相关的原始期刊或临床指南。若使用AI搜索工具,只用它来建议检索词,然后由你自己打开结果。

针对这条说法:“[第1步得到的说法]”,请给我三条中性的检索式:
一条面向官方公共卫生主管部门,一条面向药品监管机构或临床指南,
一条面向原始研究。不要编造或概括检索结果。

第3步:直接核对来源——不要相信摘要

打开模型点名的那个实际来源。这一步不能跳过,也不能外包,因为上文的BMJ Open发现表明:聊天机器人经常引用并不能充分支持说法的来源,或在引文本身中捏造细节。若模型点名某项研究、某卫生主管部门页面或某个具名组织,请你自己打开该来源,阅读它实际说了什么。

若找不到模型点名的那个来源,就不要把这条引文算作支持证据。请自行在相应的主管部门、指南、监管机构或研究索引中检索。在你完成核实之前,这条说法仍属未获支持;但一条被捏造的引文,本身并不能证明该说法的每个版本都是假的。

第4步:核对来源是否仍然适用

一条说法可以溯源准确,却仍然过时、仅适用于特定人群、带有商业动机、建立在薄弱的研究设计上,或被断章取义。核对是谁发布了这个来源、为什么发布、何时更新、覆盖哪些人群与剂量,以及它是一项研究、一份临床指南,还是对证据的综合。MedlinePlus提供了一份面向普通读者的核对清单,涵盖作者、目的、证据、时效与隐私。

来源实际说的是这些:[粘贴相关段落]。请帮我识别:它适用于哪些人群或情境、时效如何,以及来源本身给出了哪些限定。不要就原说法是否公允下结论——只需呈现来源自己说了什么、没说什么。

第5步:做决定,并给决定贴标签

手头有说法、来源及其适用性后,做出三种决定之一:附上来源与必要背景再分享;因来源不支持说法而不分享;或因解读仍不确定而暂不分享。若该说法可能影响到诊疗,请咨询合格的专业人员。核对过来源,并不等于获得了更改治疗、用药、饮食或照护方案的许可。

完整的健康说法来源追溯工作表会带你走完全部五个步骤,并留出空间记录原帖、说法、来源链和最终决定。

常见陷阱

  • 问模型“这是真的吗”,而不是“找来源”。 前者会招来自信猜测;后者把模型留在它真正擅长的任务部分。
  • 不打开就信任引文。 读起来权威的引文仍可能不完整或被捏造——依赖它之前请自己核对。
  • “以防万一”就转发。 未经追溯的说法并不是中性分享;它会让下一位读者付出同样的核实成本,再乘以他们继续转发的每一个人。
  • 把单一吻合来源当成共识。 一项支持性结果,不等于已核对主要卫生主管部门是否一致——要看证据的重心实际落在何处。
  • 跳过适用性核对。 关于特定群体或剂量的真实研究,并不自动意味着转发中的一般性说法是公允的。

当这根本不是“是否分享”的决定时

若说法涉及你自己的症状、正在服用的药物,或任何紧急事项,请停止来源追溯练习,直接把问题交给药剂师或你的临床医生——参见AI不是医生,了解为何聊天机器人永远不该成为个人医疗问题的最终裁决者,无论是否有来源。本方法针对的是你正在决定要不要相信或转发的说法,而不是关于你本人照护的决定。

今天就试

下次健康说法出现在收件箱或群聊里时:提取那条具体说法,检索相应的主管部门,打开来源,确认人群与情境,并记录你的分享决定。用健康说法来源追溯工作表把来源和决定放在一起。

健康信息来源与复核边界

这是健康信息素养,不是医疗建议。核对来源无法为任何人做出诊断、确定治疗方案,也不能取代对其照护负责的临床医生。

继续阅读

通过下一篇文章继续沿着相同的学习路径进行学习。