AI 健康咨询的变化，已开始反映在是否就医、何时就医及如何与医生沟通等行为上。我们整理了 KFF、West Health–Gallup、JMIR、BCG 与 AXA Health 在 2026 年发布的五组公开研究，覆盖美国、英国、中国与 15 个国家。部分数据在 2025 年采集；各来源的样本与“AI 用户”定义不同，比例仅用于观察共同现象，不作简单横向排名。
研究背景
过去的衡量重点多在使用率与信息准确性。2026 年公开数据增加了另一个维度：用户取得回答后，是否改变预约、延迟就医、增加求诊或调整沟通方式。本次研究观察 AI 在症状判断、就诊前准备和就诊后理解中的位置；费用、服务可及性与个人信任等因素仍需同时考虑。
AI 健康咨询已进入规模化使用阶段
不同口径的调查共同显示，AI 健康咨询已不再局限于少量尝试者。KFF 2026 年 3 月发布的 1,343 人调查显示，32% 的美国成年人过去一年曾使用 AI 获取健康信息；使用社交媒体获取健康信息的比例为 29%。West Health–Gallup 2026 年 4 月发布、覆盖超过 5,500 人的调查则为 25%，其采集期为 2025 年 10 月至 12 月。
BCG 2026 年 4 月报告显示，接近 60% 的受访者曾使用生成式 AI 或 AI 工具处理健康事项，数据来自 2025 年 11 月对 15 个国家 13,353 名联网消费者的调查。三组比例的市场、工具范围及用户定义不同，不能代表持续依赖程度，也不能用于判断市场发展速度。
AI 正嵌入就医前后的决策流程
AI 健康咨询的变化，不只体现在有多少人使用，更体现在它是否改变了用户下一步的医疗行为。
West Health–Gallup 2026 年报告显示，近期用户中 59% 会在看医生前研究，56% 会在看医生后查询；14% 曾因 AI 信息在过去 30 天跳过就诊。AXA Health 2026 年 4 月的英国调查显示，AI 症状检查用户中 59% 曾因宽慰而延迟求医，同样有 59% 因担忧而寻求事后认为不需要的医疗帮助；36% 出现症状时先转向 AI，先访问 NHS 网站的比例为 19%。这些自述只反映关联，不能解释为 AI 单独造成结果。
| 市场／范围 | 来源与时间 | 调查对象或样本 | AI 使用节点 | 关键行为数据 | 阅读限制 |
|---|---|---|---|---|---|
| 美国 | KFF，2026 年 3 月 | 1,343 名成年人 | 获取健康信息 | 32% 过去一年曾使用 | 不可与近期用户直接比较 |
| 美国 | West Health–Gallup，2026 年 4 月发布；2025 年 10–12 月调查 | 超过 5,500 名成年人／近期用户 | 就诊前后及是否就医 | 59% 就诊前使用、56% 就诊后使用、14% 曾跳过就诊 | 包含用户自述 |
| 英国 | AXA Health，2026 年 4 月 | 2,000 名 AI 用户及非用户 | 症状判断及就医选择 | 59% 曾延迟求医、59% 曾寻求额外医疗帮助 | 基于 AI 用户经历 |
| 中国 | JMIR，2026 年 2 月发布；2024 年 12 月至 2025 年 5 月调查 | 2,460 份有效问卷及模拟 | 信任、使用与延迟就医 | 调整后 OR 1.09；使用频率 OR 1.39–1.40 | 关联及模拟不等于因果 |
| 15 个国家 | BCG，2026 年 4 月发布；2025 年 11 月调查 | 13,353 名联网消费者 | 健康与保健咨询 | 接近 60% 曾使用生成式 AI 或 AI 工具 | 工具范围与单一国家调查不同 |
理解与沟通信心上升，信任、误导和隐私风险同时存在
AI 的帮助与风险可以同时出现。AXA Health 2026 年英国调查显示，78% 的 AI 用户认为工具有助理解医学术语、检测结果或治疗计划，68% 表示更有信心讨论症状；25% 则曾收到错误或误导信息。主观理解与信息准确性属于不同指标。
JMIR 2026 年中国研究基于 2,460 份有效问卷及模拟。调整后模型中，AI 信任度与延迟就医的 OR 为 1.09，使用频率为 1.39，中介模型为 1.40。便利抽样与关联研究不能证明因果。KFF 2026 年 3 月调查还显示，77% 的美国公众担忧医疗信息隐私；AI 健康信息用户中，41% 曾上传检测结果或医生记录，相当于全体成年样本的 13%。便利需求与风险认知可以并存。
衡量方式正在由“多少人使用”延伸至“在哪个节点使用”及“使用后采取什么行动”。信息来源、风险边界、隐私提示与就医提醒，也应进入分析框架。
研究启示
后续观察可把数据拆为四层：
- 触达：使用人数、统计周期及用户定义。
- 阶段：症状判断、就诊前准备或就诊后理解。
- 行为：是否改变预约、延迟、取消或增加就医。
- 风险：是否出现误导、隐私上传或过度依赖。
医疗健康相关品牌还可检查 ChatGPT、Gemini、Perplexity 等 AI 引擎的回答来源、品牌信息准确性及医疗风险边界。
当用户开始通过 ChatGPT、Gemini、Perplexity 等 AI 引擎理解健康问题，品牌可先核对自身信息在回答中的实际呈现。通过 aipogeo，可 1 分钟查看你在 6 大 AI 引擎的真实可见度，并查看品牌提及、引用来源及不同问题下的回答表现。
相关问题
AI 健康咨询已经影响了哪些求医决策？
它已参与症状查询、是否求医、就诊前后理解及沟通等环节。部分用户自述曾改变就医行为，但不能单独归因于 AI。
美国成年人使用 AI 获取健康信息的比例是多少？
KFF 2026 年 3 月调查为 32%，West Health–Gallup 2026 年 4 月发布的调查为 25%；两者口径不同。
使用 AI 健康建议会增加延迟就医的可能性吗？
JMIR 2026 年研究观察到相关关联，报告了调整后 OR 1.09 及使用频率 OR 1.39，但不能证明因果。
为什么用户担心医疗隐私却仍会向 AI 上传健康资料？
用户可能希望快速理解医疗资料，同时担忧资料如何被使用。KFF 数据显示，两种情况可以并存。
