AI dan kesihatan: apa yang selamat diserahkan kepada chatbot, dan apa yang tidak

Chatbot kesihatan dan saringan berbantukan AI di klinik awam ialah dua perkara yang berbeza, walaupun kedua-duanya dipanggil AI kesihatan. Yang pertama ialah perisian yang awak buka sendiri di telefon pada pukul satu pagi. Yang kedua ialah peralatan di klinik kesihatan, dikendalikan petugas terlatih, dengan pesakit sebenar dan rekod yang disimpan dalam daftar kebangsaan. Pos ini memisahkan kedua-duanya, dan menyatakan mana yang boleh disemak sendiri oleh pembaca.

Setiap angka di bawah datang daripada dokumen yang boleh dibaca: kertas ujian triaj dalam Nature Medicine (diterbitkan 23 Februari 2026), laporan risiko teknologi kesihatan ECRI bagi 2026, kertas kerja Frontiers in Digital Health bertarikh 4 Oktober 2026, penulisan penyelidik Wits University pada 7 Oktober 2026, dan laporan agensi di Malaysia.

Empat angka yang menetapkan had chatbot kesihatan

Sebelum berbincang tentang cara guna, elok lihat angka. Laporan ECRI meletakkan penyalahgunaan chatbot AI dalam penjagaan kesihatan di kedudukan pertama senarai risiko teknologi kesihatan 2026, diikuti ketidaksediaan menghadapi peristiwa kegelapan digital (kehilangan akses mengejut kepada sistem dan maklumat pesakit) dan produk perubatan substandard atau dipalsukan. Laporan itu memetik OpenAI: lebih 40 juta orang menggunakan ChatGPT setiap hari untuk maklumat kesihatan.

• ▸ 52 peratus. Daripada kes kecemasan sebenar dalam ujian Nature Medicine, 52 peratus dikelaskan sebagai boleh tunggu. Pesakit dengan ketoasidosis diabetik atau kegagalan pernafasan yang bakal berlaku diarahkan penilaian dalam 24 hingga 48 jam, bukan jabatan kecemasan.
• ▸ 960 respons. Ujian itu menggunakan 60 senario yang ditulis doktor, merentas 21 bidang klinikal, diuji dalam 16 keadaan berbeza. Apabila ahli keluarga meremehkan simptom, syor triaj berubah dengan nisbah odds 11.7 (selang keyakinan 95 peratus: 3.7 hingga 36.6), majoritinya ke arah kurang mendesak.
• ▸ 35 peratus dan 48 peratus. Kadar kegagalan paling berbahaya berlaku di dua hujung: kes tidak mendesak (35 peratus) dan kes kecemasan (48 peratus). Kes klasik seperti strok dan anafilaksis dijawab dengan betul; yang gugur ialah kes kabur yang memerlukan pertimbangan klinikal.
• ▸ 1,300 peserta. Kajian Oxford yang dilaporkan Berita RTM menguji 1,300 peserta dengan 10 senario kesihatan. Kira-kira satu pertiga mengenal pasti masalah dengan betul, dan 45 peratus membuat keputusan tepat tentang langkah seterusnya.

Simptom: kerja yang selamat, dan kerja yang tidak

Chatbot berguna untuk menyusun soalan dan memahami istilah. Ia tidak selamat untuk memutuskan sama ada sesuatu itu kecemasan. Ujian Nature Medicine menunjukkan gejala ini dengan jelas: dalam satu senario asma, sistem itu mengenal pasti tanda awal kegagalan pernafasan dalam penerangannya sendiri, tetapi tetap menyarankan untuk menunggu. Beza antara mengenal pasti dan mengarahkan tindakan itulah punca sebenar risiko.

• ▸ Selamat diserahkan: menterjemah istilah doktor, menyediakan senarai soalan untuk dibawa ke klinik, memahami surat rujukan, dan menyusun senarai ubat semasa untuk ditunjukkan kepada doktor atau ahli farmasi.
• ▸ Tidak selamat: menentukan sama ada sakit dada pagi ini perlu ke jabatan kecemasan, memutuskan untuk menunggu atau pergi, dan menilai sama ada simptom kanak-kanak sedang memburuk.
• ▸ Sebabnya bukan kerana chatbot selalu salah, tetapi kerana ia menjawab dengan yakin sama ada betul atau salah, dan kerana ia cenderung mengalah kepada pengguna. Penyelidik Wits University menyatakan model bahasa dilatih untuk mengukuhkan pandangan pengguna, jadi soalan berbentuk betul kan saya ada penyakit ini akan cenderung dijawab dengan pengesahan.
• ▸ Kalau ada tanda kecemasan seperti sesak nafas, sakit dada, pendarahan yang tidak berhenti, kekeliruan, atau fikiran hendak mencederakan diri, langkah pertama ialah 999 atau jabatan kecemasan terdekat, bukan chatbot.

Ubat dan peranti: tiga semakan yang boleh dibuat sendiri

Bahagian paling berisiko ialah ubat, kerana dos dan interaksi melibatkan angka yang tepat serta maklumat yang tidak dinyatakan pengguna, seperti berat badan, fungsi buah pinggang dan ubat lain yang sedang diambil.

• ▸ Semak nombor pendaftaran produk di Quest3+, pangkalan data produk berdaftar Biro Pengawalan Farmaseutikal Kebangsaan (NPRA). Produk berdaftar mempunyai nombor pendaftaran yang boleh disahkan dalam beberapa saat sebelum awak membayar apa-apa.
• ▸ Bagi peranti perubatan, Pihak Berkuasa Peranti Perubatan (MDA) memperkenalkan label keselamatan hologram untuk peranti berdaftar, kesinambungan sistem label Farmatag yang dipakai bagi produk farmaseutikal sejak 2005. Pengumuman rasmi pelaksanaannya dibuat sempena International Medical Device Exhibition and Conference 2026 pada 26 Ogos 2026, dan ia dilaksanakan secara berfasa.
• ▸ ECRI meletakkan produk perubatan substandard dan dipalsukan sebagai risiko nombor tiga bagi 2026, dengan alasan produk sebegitu boleh gagal berfungsi sedangkan pesakit bergantung padanya. Untuk ubat berdos, jangan minta chatbot mengira dos; bawa senarai ubat sebenar ke kaunter farmasi.

Rekod kesihatan: apa yang masuk ke sistem, dan apa yang tidak patut dimuat naik

Di Malaysia, saringan paru-paru berbantukan AI di klinik awam bukan operasi berdiri sendiri. Ia sebahagian daripada Inisiatif Kesihatan Paru-Paru 2025-2030 yang menggabungkan X-ray dada berbantukan AI, spirometri, ujian tuberkulosis dan CT dos rendah untuk individu berisiko tinggi. Hasilnya masuk ke dalam sistem, dan itu sebabnya pembaca perlu tahu apa yang dikongsi dan apa yang tidak.

• ▸ Daftar Nalury (National Lung Health Registry). Pekeliling Ketua Pengarah Kesihatan bertarikh 21 Ogos 2026 mengarahkan semua maklumat saringan termasuk keputusan, rujukan dan diagnosis direkodkan dalam daftar itu untuk pemantauan, penilaian dan pelaporan.
• ▸ Skala. Sebanyak 902 klinik kesihatan dijangka melaksanakan pendekatan kesihatan paru-paru bersepadu menjelang akhir 2026, termasuk 65 klinik yang menyediakan perkhidmatan kesihatan pekerjaan. Fasa perintis sebelum ini membabitkan tujuh klinik: Pendang (Kedah), Seberang Jaya (Pulau Pinang), Kajang Batu Sembilan (Selangor), Cheras (Kuala Lumpur), Beserah (Pahang), Kok Lanas (Kelantan) dan Luyang (Sabah), dengan sasaran tambahan 150 klinik.
• ▸ Rekod perubatan elektronik dilaksanakan secara berfasa di bawah pelan digital Kementerian Kesihatan 2026-2030. Cabaran yang disebut dalam laporan tempatan ialah sistem berbeza antara hospital, jadi data sukar disatukan; sebab itu salinan peribadi seperti laporan makmal masih berguna.
• ▸ Jangan muat naik gambar MyKad atau kad pengenalan, nombor polisi insurans, atau bil hospital yang memaparkan nama penuh dan nombor pesakit. Tulis simptom dan angka ujian tanpa identiti; maklumat itu sudah cukup untuk mendapat penjelasan berguna.

Gerbang senyap: jawapan sama, tindakan berbeza

Kertas kerja Frontiers in Digital Health bertarikh 4 Oktober 2026 membuka satu sudut yang jarang dibincangkan: dua chatbot boleh memberikan nasihat klinikal yang sama dan masih menjadi intervensi yang berbeza. Unit penilaian yang dicadangkan penulis bukan jawapan model, tetapi configured answer system, iaitu gabungan model, pemilihan sumber, antara muka, penghalaan tindakan dan pemulangan data.

• ▸ Satu chatbot berhenti pada ayat bincangkan dengan doktor. Satu lagi meletakkan tempahan klinik bersekutu satu klik dari jawapan itu. Ayat klinikalnya serupa, tetapi seni bina tindakannya tidak sama.
• ▸ Penulis menamakan pola ini synthetic gatekeeping, dan mekanismenya infrastructural steering: pengaruh yang berlaku bukan dengan memberitahu apa yang perlu dipilih, tetapi dengan menyusun pilihan di sekeliling jawapan itu.
• ▸ Penulis itu sendiri jujur bahawa bukti langsung mengenai pengaruh berkait pemilik atau hasil masih jarang, dan satu kajian perbandingan mendapati jawapan model bahasa kurang berat sebelah secara komersial berbanding carian biasa. Namun output kesihatan boleh dikonfigurasi pada peringkat penggunaan, jadi soalan siapa yang mengawal syarat jawapan kekal relevan.
• ▸ Untuk pengguna, soalan praktikalnya mudah: selepas membaca jawapan, apa yang sistem itu mudahkan untuk saya lakukan seterusnya, dan adakah ia menguntungkan pihak yang menyediakan jawapan itu.

Apa yang hospital sudah buat dengan betul: AI mencadang, doktor mengesahkan

Corak yang berulang dalam penggunaan teknologi di hospital ialah hasil mesin tidak menjadi keputusan akhir. Manusia mengesahkan dahulu, dan pengesahan itu yang menjadikan sistem berguna dan bukannya berbahaya.

• ▸ Thomson Hospital Kota Damansara memperkenalkan teknologi pembedahan lutut berbantukan robot pada 2 Oktober 2026. Sistem itu merancang secara digital dan membimbing kedudukan implan, tetapi pakar bedah yang membina pelan berdasarkan anatomi pesakit dan melaksanakannya melalui potongan kecil.
• ▸ Dalam saringan paru-paru di klinik kesihatan, keputusan tidak normal dirujuk untuk siasatan lanjut, pengesahan diagnosis dan rawatan mengikut prosedur rujukan yang ditetapkan. AI menyusun keutamaan; doktor yang mengesahkan.
• ▸ Dalam Parlimen, Kementerian Kesihatan menyatakan kajian awal penggunaan AI dalam saringan kesihatan menunjukkan sensitiviti 88 peratus dengan AI berbanding 86.5 peratus tanpa AI. Perbezaan 1.5 mata peratusan itu bermakna AI membantu, tetapi tidak mengubah hakikat bahawa pengesahan akhir masih pada pakar radiologi.
• ▸ Kerana itu, nilai sebenar AI dalam kesihatan bukan kebolehan menjawab sebarang soalan, tetapi kebolehan menyusun mana yang perlu dilihat manusia dahulu. Sistem yang mengaku tidak pasti lebih berguna daripada sistem yang sentiasa yakin.

Senarai semak sebelum menaip soalan kesihatan ke chatbot

• ▸ Tulis soalan tanpa identiti: tiada nombor kad pengenalan, nombor telefon, nombor polisi insurans atau nama penuh ahli keluarga.
• ▸ Minta senarai kemungkinan dan tanda bahaya, bukan diagnosis. Ayat yang berkesan ialah apakah tanda yang bermakna saya perlu ke jabatan kecemasan hari ini.
• ▸ Kalau jawapan berbunyi boleh tunggu, semak semula. Ujian Nature Medicine menunjukkan kes rumit paling kerap diremehkan, dan syor boleh berubah apabila orang di sekeliling meremehkan simptom.
• ▸ Bawa senarai ubat sebenar termasuk nama, kekuatan dan berapa kali sehari, ke kaunter farmasi untuk semakan interaksi.
• ▸ Untuk produk kesihatan yang diiklankan, semak nombor pendaftaran di Quest3+ atau kehadiran label hologram MDA sebelum membayar.
• ▸ Simpan salinan sendiri keputusan saringan dan laporan makmal, kerana sistem antara hospital belum bersepadu sepenuhnya.
• ▸ Tanya siapa yang mendorong tindakan seterusnya. Kalau satu-satunya pilihan mudah ialah membeli atau menempah daripada penyedia jawapan itu, cari pendapat kedua.