อ่านรายงานตรวจสุขภาพและใบอ่านผลภาพถ่ายทางการแพทย์เองไม่เข้าใจ ใช้ AI อ่านให้เข้าใจอย่างถูกวิธีและเส้นแดงที่ห้ามข้าม
งานวิจัยแบบสุ่มของ Nature Medicine ปี 2026 พบว่าเมื่อทดสอบโมเดลตามลำพัง มันระบุอาการได้ถูกต้อง 94.9% แต่เมื่อคนจริงใช้โมเดลชุดเดียวกัน อัตราถูกต้องไม่ถึง 34.5% ไม่ได้ดีกว่าการหาข้อมูลเองบนอินเทอร์เน็ต บทความนี้ให้หกขั้นตอน สอนให้ใช้ AI เป็นเครื่องแปลรายงานตรวจสุขภาพและโค้ชช่วยตั้งคำถาม พร้อมอธิบายเส้นแดงสามข้อ คือ ความเป็นส่วนตัว การลบข้อมูลระบุตัวตน และ "ใช้แทนการวินิจฉัยไม่ได้"
คืนวันพุธ สี่ทุ่ม บนโต๊ะกินข้าวในอพาร์ตเมนต์แห่งหนึ่งย่านนิวไทเป มีรายงานตรวจสุขภาพวางกางอยู่ ยี่สิบกว่ารายการ ตัวเลขสีแดงสี่จุด บรรทัดบนสุดเขียนว่า "การทำงานของตับผิดปกติ แนะนำให้ติดตาม" จะติดตามอะไร บ่อยแค่ไหน หนักหนาหรือไม่ ในรายงานไม่มีสักคำ ส่วนใบอ่านผลภาพถ่ายข้าง ๆ ยิ่งหนักกว่า ทั้งใบเต็มไปด้วยประโยคอย่าง "เนื้อตับมีเสียงสะท้อนเพิ่มขึ้น ไม่พบก้อนเนื้อกินที่เฉพาะจุด"
เธอทำในสิ่งที่คนส่วนใหญ่ทำ เปิดมือถือ ถ่ายรูปรายงาน แล้วถาม AI
การกระทำนี้เองไม่ผิด ถึงขั้นพูดได้ว่าเป็นทักษะชีวิตที่ใช้ได้จริงที่สุดอย่างหนึ่งในช่วงไม่กี่ปีนี้ ปัญหาอยู่ที่วิธี งานวิจัยแบบสุ่มขนาดใหญ่ที่ตีพิมพ์ใน Nature Medicine เมื่อวันที่ 9 กุมภาพันธ์ 2026 วัดความเสี่ยงออกมาชัดเจน และข้อสรุปกลับตรงข้ามกับสัญชาตญาณ โมเดลเองแข็งแกร่งมาก แต่ที่ผิดพลาดบ่อย ๆ กลับเป็นวิธีที่เราถามต่างหาก
ทำไมถึงอ่านเองไม่เข้าใจ
ขอบอกข้อสรุปก่อน อ่านไม่เข้าใจไม่ใช่ปัญหาของคุณ แต่รายงานตั้งแต่แรกก็ไม่ได้เขียนมาให้คุณอ่าน
รายงานผลตรวจออกแบบมาให้แพทย์กวาดสายตาอย่างรวดเร็ว มันสมมติว่าผู้อ่านรู้ว่า ALT, GGT, eGFR คืออะไร รู้ว่าค่าอ้างอิงแตกต่างกันตามเครื่องมือและห้องปฏิบัติการ และรู้ว่าค่าเดียวที่สูงไม่ได้แปลว่าอะไร ใบอ่านผลภาพถ่ายยิ่งเป็นเช่นนั้น แพทย์รังสีเขียน "สิ่งที่เห็น" ไม่ใช่ "การวินิจฉัย" ผู้รับที่แท้จริงคือแพทย์เจ้าของไข้ของคุณ
ข้อสอง รายงานตรวจสุขภาพจงใจอนุรักษ์นิยม คำว่า "แนะนำให้ติดตาม" ครอบคลุมช่วงกว้างมาก ตั้งแต่ "ตรวจครั้งหน้าค่อยดู" ไปจนถึง "โปรดรีบพบแพทย์" ยัดอยู่ในประโยคเดียวกัน
เหตุผลที่สามเป็นจริงที่สุด จากวันรับรายงานถึงวันพบแพทย์อาจห่างกันสามสัปดาห์ สามสัปดาห์นี้คุณต้องหาข้อมูลบนเน็ตแน่นอน AI มีคุณค่าจริงในตำแหน่งนี้ แปลศัพท์เป็นภาษาคน ช่วยเรียบเรียงคำถามที่ควรถาม แต่สิ่งที่มันทำไม่ได้ ยิ่งต้องพูดให้ชัดกว่าสิ่งที่มันทำได้
งานวิจัยของ Nature Medicine นั้นทำแบบนี้ ผู้เข้าร่วม 1,298 คนถูกสุ่มแบ่งกลุ่ม ใช้ GPT-4o, Llama 3, Command R+ หรือเลือกแหล่งข้อมูลเอง (กลุ่มควบคุม) จัดการสถานการณ์ทางการแพทย์สิบแบบ รวมถึงหวัด อาการเมาค้างปวดหัว นิ่วในถุงน้ำดี และเลือดออกในสมอง
เมื่อทดสอบโมเดลตามลำพัง ผลงานโดดเด่น ระบุอาการได้ถูกต้องถึง 94.9% ตัดสินการจัดการได้ถูกต้อง (เรียกรถพยาบาล ไปพบแพทย์ หรือพักที่บ้าน) 56.3% แต่เมื่อเปลี่ยนเป็นคนจริงใช้โมเดลชุดเดียวกัน ระบุอาการได้ถูกต้องไม่ถึง 34.5% หาการจัดการที่ถูกต้องได้ไม่ถึง 44.2% ทั้งคู่ไม่ได้ดีไปกว่ากลุ่มควบคุมเลย
ทีมวิจัยสรุปสาเหตุว่าเป็น "ความล้มเหลวในการสื่อสาร" คนจริงจะไม่บอกข้อมูลครบถ้วนเหมือนสคริปต์ทดสอบ ตัวอย่างที่สำนักข่าว CNA ยกมาสื่อความหมายได้ดี เลือดออกใต้เยื่อหุ้มสมองอันเดียวกัน ผู้ใช้คนหนึ่งบรรยายว่าคอแข็ง กลัวแสง บวกกับ "ปวดหัวรุนแรงที่สุดในชีวิต" AI แนะนำให้ไปพบแพทย์ทันทีอย่างถูกต้อง อีกคนพูดแค่ "ปวดหัวมาก ๆ" AI แนะนำให้ไปนอนพักในห้องมืด ความต่างไม่ได้อยู่ที่โมเดล แต่อยู่ที่ถ้อยคำไม่กี่คำนั้น
วิธีทำจริง (ขั้นตอน)
ขั้นตอนต่อไปนี้ผมลองเองมาแล้ว จุดสำคัญไม่ใช่ให้ AI วินิจฉัย แต่ให้มันเป็นผู้ช่วยแปลและตั้งคำถาม
ขั้นแรก ลบข้อมูลระบุตัวตน ใช้เครื่องมือแต่งรูปบังชื่อ เลขบัตรประชาชน เลขเวชระเบียน วันเกิด สถานพยาบาลที่ไปตรวจ และชื่อแพทย์ เหลือไว้แค่รายการตรวจ ค่าตัวเลข หน่วย และช่วงอ้างอิง ขั้นนี้ข้ามไม่ได้
ขั้นสอง ถามด้วยวิธี "อธิบาย" ไม่ใช่ "วินิจฉัย" เทมเพลตที่คัดลอกไปใช้ได้เลย
คุณคือผู้แปลศัพท์ทางการแพทย์ ไม่ใช่แพทย์ ต่อไปนี้คือค่าตัวเลขจากรายงานตรวจสุขภาพที่ลบข้อมูลระบุตัวตนแล้ว โปรด (1) อธิบายเป็นภาษาชาวบ้านทีละรายการว่าแต่ละรายการวัดอะไร (2) ชี้รายการที่เกินช่วงอ้างอิงและระดับการเบี่ยงเบน (3) ระบุ "สาเหตุที่เป็นไปได้ที่พบบ่อย" ของการเบี่ยงเบนแบบนี้ แต่อย่าวินิจฉัยใด ๆ (4) บอกว่ารายการไหนควรรีบพบแพทย์ รายการไหนแค่ติดตามเป็นระยะก็พอ สุดท้ายบอกจุดที่คุณไม่แน่ใจ
คลังพรอมป์ บนเว็บไซต์มีวิธีเขียนอื่น ๆ ที่ปรับตามสถานการณ์ได้ จุดสำคัญคือกำหนดบทบาทให้เป็นผู้แปล ไม่ใช่แพทย์
ขั้นสาม ให้มันสร้าง "คำถามที่จะถามตอนพบแพทย์" นี่คือการใช้งานที่มีคุณค่าที่สุดของ AI ให้มันลิสต์คำถามที่ควรถามแพทย์ครั้งหน้า 5 ข้อและเรียงตามความสำคัญ สามสัปดาห์ต่อมาเดินเข้าห้องตรวจพร้อมคำถามห้าข้อในมือ มีประโยชน์กว่าถือรายงานเต็มไปด้วยตัวเลขสีแดงมาก
ขั้นสี่ เปลี่ยนโมเดลถามอีกครั้ง จุดที่ ChatGPT กับอีกโมเดลตอบไม่ตรงกัน นั่นแหละคือจุดที่คุณควรถามแพทย์ นี่คือวิธีตรวจสอบที่ประหยัดแรงที่สุด
ขั้นห้า รายงานยาว ๆ ใช้เครื่องมือจัดการเอกสาร สรุปการจำหน่ายผู้ป่วยหรือใบอ่านผลภาพถ่าย PDF หลายหน้า ChatPDF หรือ NotebookLM ใช้ได้ดีกว่าหน้าต่างแชททั่วไป ถามเจาะจงเป็นย่อหน้าได้ NotebookLM ยังชี้ด้วยว่าคำตอบมาจากส่วนไหนของเอกสาร ไม่ค่อยถูกเนื้อหาที่แต่งขึ้นลอย ๆ หลอก เงื่อนไขเหมือนเดิม ลบข้อมูลระบุตัวตนก่อน
ขั้นหก อย่าอัปโหลดตัวภาพถ่ายเองให้มันอ่านผล โยน X-ray อัลตราซาวด์ CT ให้แชทบอตทั่วไปแล้วบอกให้ "ดูว่ามีปัญหาไหม" คือขั้นที่ไร้ความหมายที่สุดและหลอกตัวเองได้ง่ายที่สุดในกระบวนการทั้งหมดนี้
เส้นแดงสามข้อที่ต้องรักษาไว้ให้ได้
เส้นแดงข้อหนึ่ง ความเป็นส่วนตัว มีเรื่องต้องแยกให้ชัด มาตรา 6 ของ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล (ของไต้หวัน) กำหนดว่า เวชระเบียน ข้อมูลการแพทย์ พันธุกรรม การตรวจสุขภาพ ฯลฯ โดยหลักแล้วห้ามเก็บ ประมวลผล หรือใช้ เว้นแต่เข้าข้อยกเว้นตามกฎหมาย (เช่นได้รับความยินยอมเป็นลายลักษณ์อักษรจากเจ้าของ) แต่มาตรานี้กำกับกรณีที่ "ผู้อื่น" ประมวลผลข้อมูลของคุณ การที่คุณอัปโหลดรายงานของตัวเอง ในทางกฎหมายไม่ใช่ปัญหาตาม พ.ร.บ.คุ้มครองข้อมูล แต่เป็นทางเลือก คุณกำลังมอบข้อมูลสุขภาพที่อ่อนไหวที่สุดให้บริษัทที่อาจอยู่ต่างประเทศ จงลบข้อมูลระบุตัวตนให้เรียบร้อย และเข้าไปในหน้าตั้งค่าปิดตัวเลือกอย่าง "ใช้บทสนทนาของฉันปรับปรุงโมเดล" ข้อมูลสุขภาพรั่วไหลแล้วเอาคืนไม่ได้
เส้นแดงข้อสอง ผล AI ใช้แทนการวินิจฉัยไม่ได้ นี่ไม่ใช่แค่คำปฏิเสธความรับผิด รายชื่อเครื่องมือแพทย์ AI ที่ FDA สหรัฐดูแลอยู่สะสมได้ 1,524 รายการ ผมไล่ตรวจทีละรายการ แชทบอตทั่วไปที่ประชาชนทั่วไปใช้กันไม่มีสักตัวอยู่ในนั้น พวกมันไม่เคยผ่านการตรวจก่อนวางตลาดในฐานะเครื่องมือวินิจฉัย แนวทางการใช้ generative AI ในสถานพยาบาลของกระทรวงสาธารณสุขและสวัสดิการ (ไต้หวัน) จัด "ความเสี่ยงของผลลัพธ์" เป็นหนึ่งในหกความเสี่ยงหลัก ระบุชัดว่า generative AI อาจสร้างเนื้อหาที่ดูสมเหตุสมผลแต่จริง ๆ ไม่ถูกต้อง รวมถึงแต่งเอกสารทางการแพทย์ที่ไม่มีอยู่จริง และสร้างข้อมูลปฏิกิริยาระหว่างยาที่ผิด แนวทางฉบับเดียวกันยังกำหนดให้สถานพยาบาลเปิดเผยว่านี่เป็น AI เมื่อใช้ AI สนทนากับประชาชน และเตือนว่าเนื้อหาเป็นเพียงข้อมูลอ้างอิง
เส้นแดงข้อสาม อย่าใช้คำแนะนำของ AI เปลี่ยนยา หยุดยา หรือเลื่อนการพบแพทย์ นี่คือข้อที่ถึงชีวิตได้มากที่สุดในสามข้อ กรณีต่อไปนี้ให้ไปพบแพทย์ทันทีหรือโทร 119 อย่าถาม AI ก่อน ปวดหัวรุนแรงกะทันหันที่สุดในชีวิต เจ็บหน้าอกหรือแน่นหน้าอกร่วมกับเหงื่อแตก แขนขาข้างเดียวอ่อนแรงหรือปากเบี้ยว ระดับความรู้สึกตัวเปลี่ยน หายใจลำบาก เลือดออกมาก ไข้สูงร่วมกับคอแข็ง
วิเคราะห์ผลกระทบต่อตลาด
ผู้ใช้ในไต้หวัน
"ผู้ป่วยพกคำตอบจาก AI มาพบแพทย์" เป็นเรื่องปกติไปแล้ว นี่เป็นเรื่องดี ถ้าท่าทางถูกต้อง ผู้ป่วยที่มาพร้อมรายการคำถาม ประสิทธิภาพในห้องตรวจสูงกว่าคนที่มาพร้อมการวินิจฉัยตัวเองมาก ในทางกลับกัน ถ้าคุณปักใจแล้วว่า "AI บอกว่าฉันอาจเป็นมะเร็งบางอย่าง" คุณจะฟังสิ่งที่แพทย์พูดไม่เข้า
การใช้งานในองค์กร
ศูนย์ตรวจสุขภาพ ร้านยา บริษัทประกัน กำลังทำเรื่องเดียวกัน เปลี่ยนรายงานที่แข็งกระด้างให้เป็นสิ่งที่อ่านเข้าใจ โอกาสทางธุรกิจชัดเจน ขอบเขตก็ชัดเจน เมื่อผลิตภัณฑ์เริ่มให้การวินิจฉัยหรือคำแนะนำการรักษา ก็จะเหยียบเรื่องการพิจารณาคุณสมบัติของเครื่องมือแพทย์ แนวทางของกระทรวงสาธารณสุขและสวัสดิการเตือนว่า ระบบที่ไม่ใช่เครื่องมือแพทย์ควรออกแบบจำกัดผลลัพธ์ ไม่ให้ถูกนำไปใช้เป็นพื้นฐานการวินิจฉัยทางคลินิก ฝั่งโรงพยาบาลต้องรับมือเชิงตั้งรับ แพทย์ต้องจัดการเรื่อง "AI บอกว่าฉันแบบนี้ร้ายแรงไหม" ในห้องตรวจมากขึ้นเรื่อย ๆ ปัจจุบันยังไม่มีกระบวนการมาตรฐาน และไม่มีการจ่ายเงินชดเชย
นักพัฒนา
อยากทำผลิตภัณฑ์ตีความสุขภาพสำหรับผู้บริโภค สามเรื่องชี้เป็นชี้ตาย ระดับความยับยั้งของผลลัพธ์ หยุดอยู่ที่ "อธิบาย" ได้อย่างมั่นคงหรือไม่ ไม่ไถลไปสู่ "วินิจฉัย" การออกแบบคัดกรองอาการธงแดง ซึ่งเป็นแกนความรับผิดชอบของผลิตภัณฑ์ และเป็นจุดที่งานวิจัยของ Nature Medicine ชี้ว่าโมเดลพลาดง่ายที่สุด และการทำการลบข้อมูลระบุตัวตนไว้ในตัวผลิตภัณฑ์ ไม่ใช่พึ่งวินัยของผู้ใช้
อนึ่ง ฝั่งวิชาชีพกับฝั่งผู้บริโภคเป็นสายผลิตภัณฑ์คนละเส้น เครื่องมือสนับสนุนการตัดสินใจทางคลินิกที่ออกแบบให้แพทย์และแนบแหล่งอ้างอิงอย่าง OpenEvidence มีเป้าหมายการออกแบบต่างจากแชทบอตทั่วไปโดยสิ้นเชิง อย่าเอามาปนกัน
แนวโน้มการพัฒนาในอนาคต
การทดสอบเชิงปัจจัยมนุษย์จะกลายเป็นมาตรฐาน ข้อสรุปของงานวิจัยใน Nature Medicine ตรงไปตรงมา การประเมินความรู้ทางการแพทย์และการทดสอบผู้ป่วยจำลองที่มีอยู่ ทำนายความล้มเหลวเมื่อคนจริงใช้ไม่ได้ จึงแนะนำว่าก่อนนำไปใช้จริงในสถานพยาบาลต้องทดสอบกับผู้ใช้จริงอย่างเป็นระบบ ข้อกำหนดนี้จะเข้าสู่เช็กลิสต์การจัดซื้อและการกำกับดูแลไม่ช้าก็เร็ว
หน้าที่การเปิดเผยจะแพร่กระจาย แนวทางของกระทรวงสาธารณสุขและสวัสดิการกำหนดให้สถานพยาบาลเปิดเผยและเตือนความเสี่ยงเมื่อใช้ AI สนทนากับประชาชนแล้ว เมื่อแอปของศูนย์ตรวจสุขภาพและร้านยาต่อ generative AI ทั้งหมด หน้าที่นี้จะไม่หยุดอยู่แค่ที่โรงพยาบาล
ตัวรายงานเองจะถูกเขียนใหม่ก่อน ทางแก้ที่แท้จริงไม่ใช่ AI ที่ฉลาดขึ้น แต่คือการทำให้รายงานเขียนให้เข้าใจตั้งแต่แรก เมื่อช่องทางราชการอย่างสมุดบันทึกสุขภาพรวบรวมข้อมูลสุขภาพส่วนบุคคลไว้ที่เดียว การ "แนบฉบับภาษาชาวบ้าน" จะกลายเป็นมาตรฐานเร็วกว่าการ "ให้ไปถาม AI เอง"
บทสรุปและความเห็นจาก TheAI Academy
ท่าทางที่ถูกต้องในการใช้ AI อ่านรายงานตรวจสุขภาพ คือใช้มันเป็นเครื่องแปลและโค้ชตั้งคำถาม ไม่ใช่เป็นแพทย์
ขอให้คำแนะนำสามข้อที่ติดตัวไปได้
ข้อแรก ปิดข้อมูลส่วนบุคคลก่อนอัปโหลดเสมอ ชื่อ เลขบัตรประชาชน เลขเวชระเบียน วันเกิด สถานพยาบาล ห้าอย่างนี้ปิดก่อนค่อยว่ากัน นี่คือเกณฑ์ขั้นต่ำที่สุด
ข้อสอง ถือผลลัพธ์ของ AI เป็น "รายการคำถามเมื่อพบแพทย์" ไม่ใช่ "ผลตรวจ" งานวิจัยพิสูจน์แล้วว่าคนทั่วไปใช้ AI ตัดสินอาการได้ถูกต้องไม่ถึง 35% ไม่ได้ดีกว่าหาข้อมูลเองบนเน็ต การอ่านผลของ AI ใช้แทนการวินิจฉัยของแพทย์ไม่ได้
ข้อสาม เจออาการธงแดงให้ไปพบแพทย์ทันที อย่าเพิ่งเปิดหน้าต่างแชท ปวดหัวรุนแรงกะทันหัน เจ็บหน้าอก แขนขาข้างเดียวอ่อนแรง ระดับความรู้สึกตัวเปลี่ยน สถานการณ์เหล่านี้เสียเวลาถาม AI อีกห้านาที ราคาที่ต้องจ่ายอาจสูงมาก
พูดตามตรง วิธีของผมเองเรียบง่ายมาก ลบข้อมูลระบุตัวตนของรายงานแล้วโยนเข้าไป ขอแค่มันทำสองเรื่อง แปลศัพท์เป็นภาษาคน และช่วยผมลิสต์คำถามห้าข้อที่จะถามแพทย์ ที่เหลือปล่อยให้คนใส่เสื้อกาวน์ขาวจัดการ
(บทความนี้เป็นการรวบรวมข้อมูลสุขภาพทั่วไป ไม่ถือเป็นคำแนะนำทางการแพทย์ และใช้แทนการวินิจฉัยและการรักษาของแพทย์ไม่ได้ ผลตรวจใด ๆ และการปรับยา โปรดปรึกษาแพทย์ของคุณ)
แหล่งข้อมูล
คำถามที่พบบ่อย
ถ่ายรูปรายงานตรวจสุขภาพโยนให้ ChatGPT จะมีปัญหาไหม
ในทางกฎหมาย มาตรา 6 ของ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล (ไต้หวัน) กำกับกรณีที่ผู้อื่นเก็บ ประมวลผล ใช้เวชระเบียนและข้อมูลตรวจสุขภาพของคุณ การที่คุณอัปโหลดรายงานของตัวเองไม่ผิดกฎหมาย ความเสี่ยงจริงคือปลายทางของข้อมูล คุณกำลังมอบข้อมูลสุขภาพที่อ่อนไหวที่สุดให้บริษัทที่อาจอยู่ต่างประเทศ จงบังชื่อ เลขบัตรประชาชน เลขเวชระเบียน วันเกิด สถานพยาบาล และชื่อแพทย์ก่อน เหลือไว้แค่รายการตรวจ ค่า หน่วย และช่วงอ้างอิง และปิดตัวเลือกอย่าง "ใช้บทสนทนาของฉันปรับปรุงโมเดล" ในหน้าตั้งค่า ข้อมูลสุขภาพรั่วไหลแล้วเอาคืนไม่ได้
ความแม่นยำในการอ่านรายงานของ AI เป็นอย่างไรกันแน่
แบ่งเป็นสองกรณี งานวิจัยแบบสุ่มที่ตีพิมพ์ใน Nature Medicine เมื่อกุมภาพันธ์ 2026 พบว่า GPT-4o, Llama 3, Command R+ เมื่อทดสอบตามลำพัง ระบุอาการได้ถูกต้อง 94.9% และการจัดการ 56.3% แต่เมื่อผู้เข้าร่วมจริง 1,298 คนใช้โมเดลชุดเดียวกัน ระบุอาการถูกต้องไม่ถึง 34.5% หาการจัดการถูกต้องไม่ถึง 44.2% ไม่ได้ดีกว่ากลุ่มที่หาข้อมูลเอง เพราะคนจริงไม่บอกข้อมูลครบ ดังนั้นการอ่านผลของ AI ใช้แทนการวินิจฉัยของแพทย์ไม่ได้ ใช้เป็นเครื่องแปลและตั้งคำถามจึงจะปลอดภัย
สถานการณ์ไหนห้ามถาม AI ก่อนเด็ดขาด ต้องไปพบแพทย์ทันที
หากมีอาการธงแดงต่อไปนี้ให้ไปพบแพทย์ทันทีหรือโทร 119 ปวดหัวรุนแรงกะทันหันที่สุดในชีวิต เจ็บหน้าอกหรือแน่นหน้าอกร่วมกับเหงื่อแตก แขนขาข้างเดียวอ่อนแรงหรือปากเบี้ยว ระดับความรู้สึกตัวเปลี่ยน หายใจลำบาก เลือดออกมาก ไข้สูงร่วมกับคอแข็ง ในงานวิจัยของ Nature Medicine กรณีที่อันตรายที่สุดคือผู้ใช้บรรยายอาการเลือดออกใต้เยื่อหุ้มสมองไม่แม่นยำพอ AI จึงแนะนำให้พักในห้องมืดแทนที่จะไปพบแพทย์ทันที ต้นทุนด้านเวลาของอาการฉุกเฉินสูงมาก เสียเวลาถาม AI อีกห้านาทีอาจแลกด้วยราคาที่แพงมาก
โยนภาพ X-ray หรืออัลตราซาวด์ให้ AI อ่านผลตรงได้ไหม
ไม่แนะนำอย่างยิ่ง แชทบอตทั่วไปไม่เคยผ่านการตรวจก่อนวางตลาดในฐานะเครื่องมือวินิจฉัย รายชื่อเครื่องมือแพทย์ AI ของ FDA สหรัฐสะสมได้ 1,524 รายการ แชทบอตทั่วไปที่ประชาชนใช้ไม่มีสักตัวอยู่ในนั้น AI ภาพถ่ายทางการแพทย์ที่ได้รับอนุมัติจริงล้วนออกแบบให้บุคลากรทางการแพทย์ใช้และผ่านการตรวจสอบทางคลินิก การโยนภาพให้แชทบอตถามว่า "มีปัญหาไหม" ได้คำตอบที่ไม่มีการรับประกันประสิทธิภาพใด ๆ แต่ทำให้คนเกิดความสบายใจหรือตื่นตระหนกผิด ๆ ได้ง่าย การอ่านผลภาพถ่ายจงมอบให้แพทย์