AI健康諮詢的變化，現已反映在是否就醫、何時就醫，以及如何與醫生溝通等行為上。我們整合了KFF、West Health–Gallup、JMIR、BCG及AXA Health於2026年發布的五項公開研究，涵蓋美國、英國、中國及15個國家。部分數據於2025年收集；各來源的樣本數及「AI用戶」定義不盡相同，百分比僅用於觀察共同趨勢，而非進行簡單的跨市場排名比較。
研究背景
過去的衡量標準主要集中於使用率及資訊準確性。2026年的公開數據增加了另一個維度：獲得答案的用戶，會否更改預約、延遲就醫、尋求額外諮詢，或調整溝通方式。本研究探討AI在症狀評估、就診前準備及就診後理解中所扮演的角色；同時亦須一併考量成本、服務可及性及個人信任等因素。
AI健康諮詢已進入大規模採用階段
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少數早期採用者。KFF於2026年3月發布的一項涵蓋1,343人的調查發現，32%的美國成年人在過去一年曾使用AI獲取健康資訊；29%曾使用社交媒體獲取健康資訊。West Health–Gallup於2026年4月發布的調查涵蓋超過5,500人，發現使用率為25%，數據收集時間為2025年10月至12月。
BCG於2026年4月發布的報告指出，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，該數據基於2025年11月對15個國家13,353名聯網消費者的調查。由於三個數據集在市場、工具範圍及用戶定義上存在差異，這些數字不能解讀為持續依賴程度，亦不能用於判斷市場發展速度。
AI正嵌入就醫前後的決策過程
AI健康諮詢的轉變，不僅在於有多少人使用，更在於它會否改變用戶其後的醫療行為。
West Health–Gallup 2026年報告顯示，在近期用戶中，59%會在就醫前搜尋資料，56%會在就醫後查閱資訊；14%曾因AI資訊而在過去30天內跳過醫生診症。AXA Health於2026年4月的英國調查顯示，59%的AI症狀檢查用戶因獲得安心感而延遲就醫，同樣有59%因擔憂而尋求其後認為不必要的醫療協助；36%在出現症狀時會先諮詢AI，而19%會先瀏覽NHS網站。這些自我報告僅反映相關性，不能解讀為AI是導致結果的唯一原因。
| 市場／範圍 | 來源及日期 | 調查對象或樣本 | AI使用階段 | 關鍵行為數據 | 解讀限制 |
|---|---|---|---|---|---|
| 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月發布；調查時間為2025年10月至12月 | 超過5,500名成年人／近期用戶 | 就診前後及是否就醫 | 59%就診前使用，56%就診後使用，14%跳過就診 | 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 | 症狀評估及就醫選擇 | 59%延遲就醫，59%尋求額外醫療協助 | 基於AI用戶經驗 |
| 中國 | JMIR，2026年2月發布；調查時間為2024年12月至2025年5月 | 2,460份有效問卷及模擬 | 信任、使用及延遲就醫 | 調整後OR值1.09；使用頻率OR值1.39至1.40 | 相關性及模擬不能證明因果關係 |
| 15個國家 | BCG，2026年4月發布；調查時間為2025年11月 | 13,353名聯網消費者 | 健康及養生諮詢 | 近60%曾使用生成式AI或AI工具 | 工具範圍與單一國家調查不同 |
理解與溝通信心提升，同時伴隨信任、虛假資訊及私隱風險
AI的效益與風險可以同時出現。AXA Health 2026年英國調查顯示，78%的AI用戶認為工具對理解醫學術語、檢查結果或治療方案有幫助，68%對討論症狀更有信心；25%曾收到錯誤或誤導性資訊。主觀理解與事實準確性是兩個不同的指標。
JMIR 2026年中國研究基於2,460份有效問卷及模擬。在調整模型中，AI信任與延遲就醫的勝算比為1.09，使用頻率為1.39，在中介模型中為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%的美國公眾憂慮醫療資訊的私隱；在AI健康資訊用戶中，41%曾上傳檢查結果或醫生記錄，相當於整體成年樣本的13%。便利性與風險感知可以並存。
衡量標準正從「有多少人使用」轉向「他們在哪個階段使用」及「其後採取甚麼行動」。資訊來源、風險邊界、私隱提示及醫療護理提醒，亦應納入分析框架。
研究啟示
未來的觀察可將數據細分為四個層面：
- 覆蓋面：用戶數量、統計期間及用戶定義。
- 階段：症狀評估、就診前準備或就診後理解。
- 行為：會否更改、延遲、取消或增加預約。
- 風險：會否出現虛假資訊、私隱上傳或過度依賴。
醫療健康相關品牌亦可審計ChatGPT、Gemini及Perplexity等AI引擎中的答案來源、品牌資訊準確性及醫療風險邊界。
當用戶開始透過ChatGPT、Gemini及Perplexity等AI引擎了解健康問題時，品牌可以首先核實其資訊在答案中的實際呈現情況。使用aipogeo，您只需1分鐘即可檢查品牌在6大AI引擎中的真實能見度，並查看不同問題的品牌提及、引用來源及答案表現。
相關問題
AI健康諮詢已影響哪些醫療決策？
目前已涉及症狀搜尋、是否就醫的決定、就診前後的理解及溝通。部分用戶表示會改變其醫療行為，但不能完全歸因於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月調查發現為32%，而West Health–Gallup於2026年4月發布的調查則為25%；兩者的方法論有所不同。
使用AI健康建議會否增加延遲就醫的可能性？
JMIR 2026年研究觀察到相關性，報告調整後OR值為1.09，使用頻率OR值為1.39，但無法證明因果關係。
為甚麼用戶一方面擔憂醫療私隱，另一方面卻仍向AI上傳健康數據？
用戶可能希望快速獲得醫療數據的解釋，同時又擔憂數據的使用方式。KFF數據顯示這兩種情況可以並存。