AI 健康諮詢的變化，已開始反映在用戶會否求醫、何時求醫，以及如何與醫生溝通等行為上。我們整理了 KFF、West Health–Gallup、JMIR、BCG 及 AXA Health 於 2026 年發表的五項公眾研究，涵蓋美國、英國、中國及其他 15 個國家。部分數據於 2025 年收集；各來源的樣本規模及「AI 用戶」的定義不盡相同，因此相關百分比僅供觀察常見現象，不宜作橫向排名或直接比較。
研究背景
以往的量度主要集中在使用率及資訊準確度。2026 年的公眾數據新增了一個考量維度：用戶在獲得答案後，會否更改預約、延遲就醫、增加就診次數，或調整與醫療人員的溝通方式。這項研究探討 AI 在症狀評估、就診前準備及就診後理解中所扮演的角色。與此同時，成本、服務可及性及個人信任度等因素亦須一併納入考量。
AI 健康諮詢已進入廣泛應用階段
採用不同方法的調查均一致顯示，AI 健康諮詢已不再局限於早期採用者。KFF 於 2026 年 3 月發表的調查訪問了 1,343 人，結果顯示 32% 的美國成年人在過去一年曾使用 AI 獲取健康資訊，而曾使用社交媒體作相同用途的比例則為 29%。West Health–Gallup 於 2026 年 4 月發表的調查涵蓋超過 5,500 人，報告的使用率為 25%，數據收集時間為 2025 年 10 月至 12 月。
BCG 於 2026 年 4 月發表的報告指出，根據 2025 年 11 月對 15 個國家共 13,353 名聯網消費者的調查，接近 60% 的受訪者曾使用生成式 AI 或 AI 工具處理健康相關事宜。這三組數字在市場覆蓋範圍、工具定義及用戶界定上均有差異；它們既不能代表持續的依賴程度，亦不能用於判斷市場發展速度。
AI 正逐步融入就診前後的不同決策階段
AI 健康諮詢的轉變，不僅在於使用人數的多寡，更在於它會否改變用戶日後的醫療行為。
West Health–Gallup 2026 年報告顯示，59% 的近期用戶會在就診前進行資料搜集，56% 會於就診後查閱資訊；14% 曾在過去 30 天內因 AI 提供的資訊而取消醫療預約。AXA Health 於 2026 年 4 月在英國進行的調查發現，在 AI 症狀檢查工具的使用者中，59% 因獲得安心感而延遲求醫，另有 59% 因憂慮而尋求其後認為不必要的醫療協助；36% 在出現症狀時會首先諮詢 AI，而首先瀏覽 NHS 網站的比例則為 19%。這些自我報告的行為反映相關性，但不能詮釋為 AI 是導致該等結果的單一原因。
| 市場／範圍 | 來源及日期 | 調查對象／樣本 | AI 使用點 | 關鍵行為數據 | 閱讀限制 |
|---|---|---|---|---|---|
| 美國 | KFF，2026 年 3 月 | 1,343 名成年人 | 獲取健康資訊 | 32% 在過去一年曾使用 | 不宜直接與近期用戶比較 |
| 美國 | West Health–Gallup，2026 年 4 月發表；調查期為 2025 年 10 月至 12 月 | 超過 5,500 名成年人／近期用戶 | 就診前後及求醫決策 | 59% 在就診前使用，56% 在就診後使用，14% 曾取消預約 | 包含自我報告數據 |
| 英國 | AXA Health，2026 年 4 月 | 2,000 名 AI 用戶及非用戶 | 症狀評估及醫療選擇 | 59% 延遲求醫，59% 尋求額外醫療協助 | 基於 AI 用戶的經驗 |
| 中國 | JMIR，2026 年 2 月發表；調查期為 2024 年 12 月至 2025 年 5 月 | 2,460 份有效問卷及模擬測試 | 信任度、使用情況及延遲就醫 | 調整後 OR 1.09；使用頻率 OR 1.39–1.40 | 相關性及模擬測試並不能證明因果關係 |
| 15 個國家 | BCG，2026 年 4 月發表；調查期為 2025 年 11 月 | 13,353 名聯網消費者 | 健康及養生諮詢 | 接近 60% 曾使用生成式 AI 或 AI 工具 | 工具範圍與單一國家調查有所不同 |
理解能力與溝通信心提升，惟信任、錯誤資訊及私隱風險並存
AI 的益處與風險可以同時存在。AXA Health 2026 年英國調查顯示，78% 的 AI 用戶認為工具能幫助他們理解醫學術語、檢測結果或治療方案，68% 表示在討論症狀時更有信心；然而，25% 曾遇到不正確或誤導性的資訊。主觀理解與事實準確度是兩個不同的指標。
JMIR 2026 年中國研究基於 2,460 份有效問卷及模擬測試。在調整後的模型中，AI 信任導致延遲就醫的勝算比為 1.09，使用頻率的勝算比為 1.39，中介模型則為 1.40。便利抽樣及相關性研究無法證明因果關係。KFF 2026 年 3 月調查亦顯示，77% 的美國公眾憂慮其醫療資訊的私隱；在 AI 健康資訊用戶中，41% 曾上傳檢測結果或醫生記錄，相當於整體成年樣本的 13%。便利需求與風險意識可以並存。
量度標準正從「有多少人使用」演進至「他們在哪個階段使用」以及「之後採取甚麼行動」。資訊來源、風險邊界、私隱通知及醫療轉介提醒，均應納入分析框架之中。
對研究的啟示
未來觀察可將數據分為四個層面：
- 覆蓋面：用戶人數、統計時期及用戶定義。
- 階段：症狀評估、就診前準備或就診後理解。
- 行為：會否出現預約更改、延遲、取消或增加就診次數。
- 風險：會否出現錯誤資訊、私隱上傳或過度依賴。
醫療保健及養生品牌亦可檢查 ChatGPT、Gemini 及 Perplexity 等 AI 引擎中的答案來源、品牌資訊準確度及醫療風險邊界。
當用戶開始轉向 ChatGPT、Gemini 及 Perplexity 等 AI 引擎了解健康問題時，品牌應首先核實其資訊在答案中的實際呈現方式。使用 aipogeo，您可於 1 分鐘內檢查品牌在 6 大 AI 引擎中的真實能見度，並查看不同問題下的品牌提及、引用來源及回答表現。
相關問題
AI 健康諮詢如何影響了醫療決策？
AI 現時在症狀查詢、求醫決定、就診前後的理解及溝通方面均發揮作用。部分用戶表示其醫療行為有所改變，但這不能單一歸因於 AI。
有多少百分比的美國成年人使用 AI 獲取健康資訊？
KFF 2026 年 3 月調查報告為 32%，而 West Health–Gallup 於 2026 年 4 月發表的調查則為 25%；兩項調查採用不同的研究方法。
使用 AI 健康建議會否增加延遲就醫的機會？
JMIR 2026 年研究觀察到兩者存在關聯，報告調整後 OR 為 1.09，使用頻率 OR 為 1.39，但無法證明因果關係。
為甚麼用戶既憂慮醫療私隱，卻仍向 AI 上傳健康資訊？
用戶可能希望快速了解自身的醫療資訊，同時又憂慮該等數據的使用方式。KFF 數據顯示，這兩種感受可以同時存在。