在 AI 建议触及患者分析之前，你应该能够回答关于它的一个问题：它从哪里来？ 如果工具能向你展示——这个症状条目，在这本症状检索表中，位于这个位置，带有这个级别；这段文字，来自这本书——那么 AI 辅助选症就是一种加速器，服务的正是经典训练所教授的纪律。如果不能，再流畅的输出也无法让它安全可用。本文把这一原则转化为一项实用审核：执业者可以在一小时内对任何顺势疗法 AI 工具——包括我们的工具——运行十项检查，然后再决定是否在诊室中信任它。它不同于我们关于 AI 在药物选择中的应用 和 病例分析工作流 的更广泛文章：那些文章解释技术做什么；本文关注的是如何核验它。一如既往，本文写给执业者和学生——临床决定，在这里比任何地方都更应由你掌握。
为什么要审核？AI 在顺势疗法中的两种模式
顺势疗法软件中的每一项 AI 功能，仔细检查后都会归入两种模式之一。
检索模式。 AI 是一个更快的索引。它接收患者的话——“头部像被一条带子勒紧，用力按压会好些”——并从真实的症状检索表中呈现候选症状条目，附带位置和级别；或者它严格根据你确认过的症状条目起草候选清单。每个输出都是指向真实存在且可以打开的来源。执业者的技艺——选择、权衡、在 materia medica 中核验——并未改变；只是翻页变快了。
神谕模式。 AI 是一台答案机器。输入病例描述，输出药物名称，推理不透明，参考来源缺失或只是装饰。无论它有时可能多么准确，它都是不可审核的——而在临床方法中插入一个不可审核的步骤，会在最关键的环节切断该方法的问责链条。
下面的审核就是为了在实践中逐项区分这两种模式——因为真实产品（再次说明：包括我们的产品）往往是混合体，而问题从来不是“AI 好还是坏？”而是*“这个工具的哪些输出我可以追溯？是否有任何不可追溯的内容会进入分析？”*
十点审核
按顺序执行这些检查；它们会从机制逐步上升到治理。无论其他方面如何，未能通过 1–4 项的工具都不安全。做好记录——这些记录会成为你重新审核的基线。
1. 症状条目可追溯性
取三条 AI 建议的症状条目并点击进入。每一条是否都能在指定的症状检索表中打开到其确切位置——章节、症状条目、子症状条目——并且可见其药物列表和级别？无法打开的建议就是红旗。在 Similia 中，AI 提出的每个症状条目都是一个通往其来源症状检索表的实时链接；这就是衡量任何工具都应坚持的设计标准。
2. 引文来源核验
当 AI 引用或转述 materia medica 时，打开相应段落。所引用的书中是否确实包含它，并且以可辨认的形式谈到该药物？检查三处。只要有一条伪造引文，审核就应直接失败——编造的学术依据比没有依据更糟，因为它恰恰在最需要核验的地方制造虚假的信心。
3. 编造症状条目探针
向工具输入一个你知道症状检索表处理得很别扭的症状——一种奇特的现代说法，或一种罕见的情态。正确的表现是：给出最接近的真实症状条目（标明为最接近），或者诚实地说“没有接近匹配”。失败的表现是给出一条措辞完美、但不存在于任何症状检索表中的症状条目。这个单一探针比任何其他检查都更能抓出神谕模式的工具。
4. 级别忠实度
对两条建议的症状条目，把 AI 显示的级别与症状检索表自身的条目进行比较——粗体、斜体、普通体；在 Murphy's 四级体系中，第四级是否被正确处理。级别承载着整个方法的证据权重；对级别粗心的工具，在下游一切事项上都会粗心。（刚接触为什么级别如此重要？选症指南 介绍了基础。）
5. 确认门控
追踪从建议到分析的一条完整路径。是否有任何症状条目或药物可以在没有执业者明确操作的情况下进入选症分析？可信赖的答案是否定的：AI 提出建议，你确认，只有确认过的项目才会被分析。自动插入的建议——无论多好——都意味着是工具，而不是你，在悄悄接手病例。
6. 不确定性行为
给它一个很薄的病例：两个模糊症状，没有任何突出点。工具会说图像不足、明显保留判断，还是以处理丰富病例时同样自信的面孔给候选药物排序？无法表达不确定性的系统会把自己的过度自信转移给使用者——这正是初级处方者最不需要的东西。
7. 语义搜索精度
用患者实际会说的五种表达测试日常语言映射——如果你在英语之外的语言中执业，也包括一种你的诊疗语言表达——并判断返回的症状条目是否真正匹配其含义，而不仅仅是关键词。然后反向检查：一个精确的经典表达是否能首先找到其确切症状条目？我们的 语义搜索指南 解释了良好实现的底层样貌。
8. 隐私与数据治理
带着三个问题阅读工具条款：问诊/病例文本是否用于训练模型？谁处理数据，依据什么法律基础（在欧洲，即 GDPR 处理者条款）？你能否导出和删除数据？对于录音问诊，要确认同意义务处在它应处的位置——由你承担——并且供应商的处理方式支持这一点。一个临床上出色但数据条款闪烁其词的工具，应在审核中失败；患者叙述是顺势疗法师持有的最敏感数据。
9. 模型变更透明度
询问（或在更新日志中查找）：当 AI 的模型或来源发生实质性变化时，供应商是否会公告？持续部署意味着你在一月审核过的工具，不再是你七月正在使用的那个工具。如果你不知道发生了什么变化，就无法重新审核——这也是 FAQ 中建议每年两次重新审核节奏的原因。
10. 签署确认规则
最后，审核你自己。建立一条个人规则：凡是经 AI 触及的分析，都必须先把主要候选药物放到 materia medica 中对照患者阅读，才算完成。 检索可以委托；判断不能。若有帮助，把这条规则写入你的病例模板——这项纪律只花三分钟，却是 AI 辅助实践与 AI 主导实践之间的区别。
如何评分
没有值得发明的积分系统：1–5 项是通过/失败（可追溯性、来源、无编造、级别忠实、门控），工具必须全部通过这五项，其便利性才值得考虑。6–10 项评估的是工具以及你围绕它建立的治理的成熟度。通过全部十项的工具并不是“你可以盲目信任的 AI”——而是你永远不必盲目信任的 AI，这才是真正的目标。
当它有效运作时是什么样子
如果诚实执行，这项审核不只是筛选工具——它会改变你使用保留下来的那个工具的方式。建议会变成线索，而不是裁决。点击进入症状条目会成为反射。最后阅读 materia medica 不再像一种形式，因为它会清楚地捕捉到 AI 的近失误——匹配了词语却没有匹配含义的症状条目、在网格中很强但整体意象不对的药物。以这种方式工作的执业者报告的情况，与我们自己的使用数据所显示的一致：AI 真正的礼物不是答案，而是覆盖面——第三、第四个你本来没有时间手动查找的候选症状条目——而决策质量仍然来自它一直以来的来源。这正是我们构建 Similia AI 功能 所遵循的标准，而上面的审核就是你监督我们——以及任何其他人——遵守这一标准的方法。
