---
id: "16287962"
title: "一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
percentile: null
published_at: "2026-07-11 22:51:10"
translated_x_url: "https://x.com/i/status/2076121624630169853"
reason_tags: []
canonical_url: "https://mubeitech.com/p/16287962"
markdown_url: "https://mubeitech.com/p/16287962/markdown"
json_url: "https://mubeitech.com/api/posts/16287962"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI…

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。

结果最危险的地方，不是 AI 看错了。
而是它一本正经地回答：没有明显骨折。

很多人会替它辩护。
说 Claude 不是专门读 X 光的模型。
说它没受过医疗训练。
说用户用错了工具。

这些话都可能成立。
但问题恰恰在这里。

如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。
它应该拒答。
它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。

医疗场景里，最危险的 AI 不是“不知道”。
最危险的是“不知道自己不知道”。

人类医生看不准，可以会诊，可以复查，可以承认不确定。
AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。

这就是医疗 AI 真正的安全门槛。
不是会不会说医学术语。
不是回答听起来像不像医生。
而是在自己不该回答的时候，能不能闭嘴。

未来 AI 进医院，拒答能力和诊断能力一样重要。
一个不会刹车的系统，跑得越快，越危险。

---

_Translation: <https://x.com/i/status/2076121624630169853>_
_Canonical: <https://mubeitech.com/p/16287962>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-07-11 22:51:10_