AI辅助痴呆诊断中的医患沟通策略

AI辅助痴呆诊断中的医患沟通策略演讲人CONTENTS引言：痴呆诊断的现状与AI赋能的必要性当前痴呆诊断中医患沟通的核心痛点AI辅助痴呆诊断的医患沟通策略构建AI辅助医患沟通的伦理边界与风险规避实践挑战与优化路径结论：技术赋能与人文关怀的协同共进目录AI辅助痴呆诊断中的医患沟通策略01引言：痴呆诊断的现状与AI赋能的必要性引言：痴呆诊断的现状与AI赋能的必要性随着全球人口老龄化进程加速，痴呆症已成为威胁老年人健康的重大公共卫生挑战。据《世界阿尔茨海默病报告2023》显示，全球目前约有5500万人livingwithdementia，预计到2050年将增至1.39亿；我国情况更为严峻，60岁及以上人群痴呆患病率约6.0%，患者数居世界首位。痴呆症的诊断涉及多维度评估（认知功能、行为症状、日常生活能力等），传统诊断流程依赖医生经验，存在主观性强、早期识别率低（约30%的轻度患者被漏诊）、评估耗时长等痛点。人工智能（AI）技术的兴起为痴呆诊断带来了突破性进展：通过机器学习算法分析海马体MRI影像、脑电图（EEG）、语言语义特征、认知测试数据等多模态信息，AI可实现早期筛查（如阿尔茨海默病前驱阶段识别准确率达90%以上）、辅助分型（区分阿尔茨海默病、路易体痴呆等）及预后预测，显著提升诊断效率与精准度。然而，AI并非“万能诊断仪”，其本质是医疗决策的辅助工具——它可提供客观数据支持，却无法替代医生对患者的共情关怀、对临床情境的综合判断，更无法独立完成与患者及家属的情感联结。引言：痴呆诊断的现状与AI赋能的必要性在此背景下，“AI辅助痴呆诊断”的核心命题不仅是技术优化，更是“人机协同”下的医患沟通重构。如何让患者及家属理解AI报告的意义？如何平衡AI的“数据权威”与医生的“人文关怀”？如何避免因“技术依赖”弱化医患信任？这些问题直接关系到诊断效果、治疗依从性及患者生活质量。因此，构建适应AI辅助诊断的医患沟通策略，已成为神经内科、老年医学科及心理学领域亟待解决的关键课题。本文将从临床实践出发，系统分析当前沟通痛点，提出分层、分场景的沟通策略框架，并探讨伦理边界与实践优化路径，为AI时代痴呆诊疗的人文实践提供参考。02当前痴呆诊断中医患沟通的核心痛点当前痴呆诊断中医患沟通的核心痛点在AI技术尚未深度融入临床前，痴呆诊断中的医患沟通已存在诸多挑战：信息不对称、情感负荷沉重、决策参与度低等问题普遍存在。而当AI作为“第三方”介入诊断流程时，这些痛点被进一步放大，并衍生出新的沟通难题。信息不对称：AI专业术语与患者认知鸿沟痴呆患者多为老年人，其数字素养、医学知识储备普遍有限；而AI诊断报告往往包含大量专业术语（如“海马体体积萎缩率”“β淀粉样蛋白沉积量”“默认网络功能连接异常”等）及统计指标（如“置信区间95%”“风险比HR=2.3”）。这种“AI语言”与“患者语言”的错位，导致信息传递效率低下。例如，我曾接诊一位72岁的张阿姨，家属携带某AI筛查系统的报告前来咨询，报告显示“记忆力下降与颞叶内侧萎缩显著相关（r=0.78，P<0.01）”。家属反复追问“r=0.78是什么意思？是不是很严重？”，而医生若直接解释“相关系数0.78表示强正相关”，患者及家属仍可能一头雾水。这种“术语堆砌”不仅无法消除疑虑，反而可能引发焦虑——患者误将“相关性”等同于“确定性”，认为“AI已经确诊我得了痴呆”。信息不对称：AI专业术语与患者认知鸿沟更复杂的是，AI的“黑箱特性”加剧了信息不对称。多数患者及家属难以理解AI如何通过影像、语言等数据得出结论（如“基于3D-CNN模型分析海马体形态，结合语义流畅性测试结果，预测AD概率82%”）。当医生无法用通俗语言解释AI的决策逻辑时，“AI是否可靠”“会不会误判”的质疑便随之产生，削弱诊断结果的公信力。情感负荷：痴呆患者及家属的心理应激反应痴呆诊断不仅是医学判断，更是重大的心理事件。患者常面临“自我认同危机”——从“独立的个体”转变为“需要照顾的病人”，易产生羞耻、恐惧、愤怒等情绪；家属则承受着“照护压力”与“预后焦虑”，担心患者病情进展、家庭经济负担及社会歧视。AI的介入可能进一步加剧这种情感冲击：-对患者的“标签化”恐惧：当AI系统给出“痴呆可能性高”的提示时，部分患者会直接将AI等同于“判决书”，认为自己“没救了”，从而拒绝进一步检查或治疗。我曾遇到一位李大爷，家属用家用AI认知筛查APP测试后显示“异常”，老人回家后便拒绝进食，反复说“机器说我痴呆了，我拖累儿女”。情感负荷：痴呆患者及家属的心理应激反应-对家属的“决策压力”：AI报告的“高概率”结论可能让家属陷入“是否相信AI”的困境——若选择相信，需立即面对照护现实；若怀疑，则可能延误诊疗。尤其当AI建议与医生初步判断不一致时（如AI提示“路易体痴呆可能性大”，而医生根据临床症状初步考虑“阿尔茨海默病”），家属更容易陷入混乱，甚至质疑医生的专业性。信任危机：AI诊断结果的权威性质疑传统医患关系中，医生的权威性源于专业经验与面对面沟通中的情感共鸣；而AI作为“非人类主体”介入，可能打破这种信任结构。患者及家属常存在“双重质疑”：一是“AI会不会出错”，二是“医生会不会过度依赖AI”。一方面，公众对AI医疗的认知仍停留在“实验室阶段”，认为“机器不如人脑灵活”。当AI报告提示“早期痴呆”时，家属往往会要求“再找个专家看看”，或自行寻求第二诊疗意见，导致重复检查、资源浪费。另一方面，若医生在沟通中过度强调AI的“准确性”（如“AI说没问题，您就放心吧”），可能让患者感到医生在推卸责任——毕竟，医疗决策的最终责任人应是医生，而非机器。这种“AI主导”的沟通姿态，会削弱患者的信任感，甚至引发抵触情绪。决策困境：AI建议与临床经验的平衡难题AI的优势在于处理海量数据、识别模式，但缺乏对个体差异的感知——它无法理解“患者因丧偶导致的情绪低落与痴呆症状的混淆”，也难以捕捉“家属隐瞒的用药史对诊断的影响”。当AI建议与医生临床经验冲突时，沟通便陷入两难：若完全遵从AI建议，可能忽视患者的特殊性；若否定AI结果，又可能错失早期干预的机会。例如，一位65岁患者，AI根据其脑MRI显示的“额叶萎缩”及“执行功能测试异常”，诊断为“额颞叶痴呆可能性85%”；但医生通过详细问诊发现，患者近期因照顾患病老伴而长期失眠，情绪低落，额叶萎缩可能与“抑郁性假性痴呆”相关。此时，如何向家属解释“AI提示的85%概率”与“医生考虑抑郁”的差异？如何避免家属认为“医生在否定AI结果”？这需要医生在沟通中精准平衡“数据理性”与“临床人文”，对沟通技巧提出更高要求。03AI辅助痴呆诊断的医患沟通策略构建AI辅助痴呆诊断的医患沟通策略构建针对上述痛点，需构建“以患者为中心、AI为辅助”的立体化沟通策略框架。该框架涵盖沟通前准备、沟通中技巧、沟通后随访三个阶段，强调“共情-解释-决策-支持”的闭环管理，旨在实现AI技术优势与人文关怀的深度融合。沟通前：基于AI评估的多维度准备充分的沟通准备是成功沟通的基础，尤其在AI辅助诊断场景下，医生需提前“翻译”AI数据、评估患者状态、制定沟通预案，避免临场信息过载或应对失当。沟通前：基于AI评估的多维度准备患者认知状态与沟通需求评估痴呆患者的认知功能（记忆力、理解力、判断力）直接影响沟通效果，需在沟通前通过标准化工具（如MMSE、MoCA）及家属访谈完成评估，重点关注：01-认知水平：轻度患者可参与部分决策，需详细解释AI结果；中重度患者则以信息传递给家属为主，同时关注患者情绪反应。02-心理状态：是否存在焦虑、抑郁、否认等情绪？可通过观察患者言行（如反复询问“我是不是没病”、回避谈论未来）及家属反馈（如“最近晚上总失眠”）判断，必要时邀请心理科会诊。03-文化程度与数字素养：是否了解“AI”“影像检查”等基本概念？对技术的接受度如何？例如，大学教授可能更关注AI算法的科学性，而农村患者可能更信任“医生的经验判断”。04沟通前：基于AI评估的多维度准备患者认知状态与沟通需求评估-家庭支持系统：主要照顾者是谁？家属对痴呆的认知程度、经济承受能力、照护意愿如何？例如，年轻子女可能更关注“能否治愈”，而配偶可能更担心“居家照护技巧”。沟通前：基于AI评估的多维度准备AI诊断报告的“翻译”与可视化呈现AI报告的核心价值在于提供客观数据支持，但需转化为患者及家属可理解的“沟通语言”。具体策略包括：-术语转化与通俗化解释：将专业术语转化为生活化比喻，避免“数据堆砌”。例如：-“海马体体积萎缩”→“大脑中负责记忆的‘记忆仓库’变小了，所以会经常忘事”；-“β淀粉样蛋白阳性”→“大脑里出现了‘垃圾蛋白’，像水管里的水垢一样影响神经细胞传递信号”；-“AI预测阿尔茨海默病概率80%”→“根据目前检查结果，机器分析有8成可能是阿尔茨海默病，但还需要结合其他检查确认”。-可视化呈现关键数据：利用图表、模型等工具替代抽象数字，例如用“脑部结构对比图”（正常大脑vs患者大脑）直观显示萎缩部位，用“进度条”表示认知功能下降程度（如“记忆功能相当于70岁老人的平均水平”）。沟通前：基于AI评估的多维度准备AI诊断报告的“翻译”与可视化呈现-标注AI的“局限性”：明确告知AI的边界，避免过度解读。例如：“AI能发现我们肉眼难以察觉的细微变化，但它无法替代医生判断——比如您最近因为失眠导致的注意力下降，机器可能误认为是痴呆症状，所以我们需要进一步排查”。沟通前：基于AI评估的多维度准备多学科团队协作下的沟通预案制定痴呆诊断涉及神经内科、老年科、精神心理科、康复科等多个领域，AI辅助诊断更需要多学科团队（MDT）共同制定沟通策略：-神经科医生：负责解释AI结果的医学意义，结合患者病史、体征调整诊断结论；-心理医生：提供患者情绪评估及沟通中的心理疏导技巧；-康复治疗师：根据AI评估的认知功能缺损，制定个性化康复方案，并指导家属如何在家中进行训练；-社工：评估家庭照护资源，链接社区支持服务（如日间照料中心、居家照护补贴）。MDT需提前召开沟通会，明确“谁主导沟通”“如何分工”“如何应对家属质疑”。例如，AI提示“血管性痴呆可能性60%”，神经科医生负责解释“脑血管病变对认知的影响”，心理医生负责疏导家属对“脑梗死后痴呆”的焦虑，康复治疗师则演示“认知训练小游戏”。沟通中：以“共情-解释-决策”为核心的互动技巧沟通是医患双方信息与情感的双向流动，尤其在AI辅助诊断场景下，医生需扮演“AI翻译者”“共情者”“决策引导者”三重角色，通过结构化沟通流程实现“技术理性”与“人文关怀”的平衡。沟通中：以“共情-解释-决策”为核心的互动技巧建立信任关系的破冰沟通信任是沟通的前提，尤其在AI介入的背景下，患者及家属可能对“机器诊断”存在天然抵触，需通过“破冰沟通”建立情感联结：-非语言沟通：保持眼神平视（避免俯视患者引发压迫感），身体微微前倾（表示关注），握手或轻拍肩膀（传递温暖，注意尊重患者文化习惯）。-共情式开场：从患者感受切入，而非直接谈论AI结果。例如：“王阿姨，最近是不是总记不住事情，心里有点着急？您放心，今天我们一起来看看是怎么回事，不管结果怎么样，我们都会陪着您。”-主动澄清AI角色：在沟通初期明确“AI是什么、不是什么”，消除误解。例如：“今天我们用了一个辅助诊断的AI系统，就像给医生配了个‘超级放大镜’，能帮我们看到大脑的细微变化，但最终诊断还是由我来做，我们会一起商量最合适的方案。”沟通中：以“共情-解释-决策”为核心的互动技巧建立信任关系的破冰沟通2.AI结果的分层解释与通俗化表达解释AI结果是沟通的核心环节，需遵循“先整体、后细节”“先共性、后个性”的原则，避免信息过载：-“三步解释法”：①结论先行：用一句话概括核心结果，避免“绕圈子”。例如：“结合检查结果，目前考虑是阿尔茨海默病早期，就像大脑的‘记忆中枢’有点累了，需要我们帮它‘减负’。”②AI依据说明：用通俗语言解释AI如何得出结论，强调“数据支持”而非“机器判断”。例如：“机器分析了您的大脑MRI，发现负责记忆的海马体比正常人小了15%，就像仓库变小了，存的东西自然容易忘；另外您做的小测试中，记单词的数量比同龄人少20%，这两项结合起来，机器提示有80%可能是早期阿尔茨海默病。”沟通中：以“共情-解释-决策”为核心的互动技巧建立信任关系的破冰沟通③局限性补充：再次强调AI的辅助作用，避免绝对化表述。例如：“当然，机器也会‘看走眼’，比如您最近因为照顾老伴休息不好，也可能影响测试结果，所以我们还需要做个血液检查排除其他原因。”-互动式确认理解：通过提问确保患者及家属听懂，避免“被动接受”。例如：“刚才说的‘记忆仓库变小’，您理解是什么意思吗？有没有哪里需要我再解释一下？”-家属与患者分开沟通：若患者为中重度认知障碍，需先与家属沟通AI结果及诊疗方案，再单独与患者沟通（仅告知必要信息，避免加重焦虑）；若患者为轻度认知障碍，鼓励家属与患者共同参与，但需关注患者情绪变化，适时介入安抚。沟通中：以“共情-解释-决策”为核心的互动技巧情感支持与心理疏导的整合痴呆诊断伴随强烈的负面情绪，沟通中需将“情感支持”与“信息传递”同等对待，避免“重技术、轻人文”：-识别情绪信号：通过患者言行（如低头沉默、突然发怒、反复提问）判断情绪状态，及时回应。例如：“李叔叔，您刚才一直不说话，是不是担心这个病治不好？其实早期干预能延缓进展，很多患者通过规范治疗还能正常生活。”-正常化情绪反应：让患者及家属感到“这种情绪是正常的”，减少羞耻感。例如：“很多人刚听说可能得痴呆时，都会觉得天塌下来了，甚至不敢告诉亲戚朋友，这是很正常的反应，我们慢慢来。”-提供希望感：强调“可干预性”，避免绝望感。例如：“虽然目前还没有根治的办法，但药物、康复训练、家庭支持都能帮您控制症状，就像高血压患者需要长期吃药一样，您也可以‘带病生存’，保持生活质量。”沟通中：以“共情-解释-决策”为核心的互动技巧情感支持与心理疏导的整合-邀请家属参与情感支持：指导家属如何回应患者情绪，例如：“当患者忘事时，不要说‘你怎么又忘了’，而是说‘没关系，我们一起再想一下’，这样能减少他的挫败感。”沟通中：以“共情-解释-决策”为核心的互动技巧共同决策框架下的AI角色定位AI辅助诊断的最终目的是为临床决策提供支持，而非替代医生判断。沟通中需引导患者及家属参与决策，明确“AI建议”“医生判断”“患者意愿”三者的关系：-呈现AI建议与医生判断的异同：若AI与医生意见一致，可强调“AI的结果验证了医生的判断，增加了诊断的信心”；若存在差异，需解释差异原因，例如：“AI提示血管性痴呆可能性大，但您有明显的抑郁情绪，抑郁也会导致记忆力下降，所以我们先按抑郁治疗，3个月后再复查认知功能，看看有没有改善。”-尊重患者意愿：即使轻度认知障碍患者，也应参与决策。例如：“关于治疗方案，您希望先吃药试试，还是先做康复训练？或者您有什么顾虑，都可以告诉我，我们一起商量。”-明确决策责任：强调“医生负责专业判断，患者及家属负责选择”，避免“AI决策”的误解。例如：“最终的治疗方案需要我们共同确定，但我会基于AI的结果和我的经验给您专业建议，您和家人可以充分考虑后告诉我你们的想法。”沟通后：基于AI反馈的动态随访与调整沟通并非一次性事件，痴呆是进展性疾病，AI诊断结果及患者状态会随时间变化，需通过动态随访实现沟通的闭环管理。沟通后：基于AI反馈的动态随访与调整诊疗信息的二次确认与强化患者及家属在沟通后可能因情绪激动或信息过载遗忘关键内容，需通过二次确认强化信息：-提供书面材料：用通俗语言整理“诊断结果”“治疗方案”“注意事项”，配以图示，方便患者及家属回顾。例如：“这是今天沟通的总结，里面有药物怎么吃、康复训练怎么做，还有我们科室的电话，有任何问题随时问。”-家属反馈机制：主动与家属沟通患者对诊断的理解程度，例如：“回家后，大爷有没有问起‘痴呆’的事？您跟他解释清楚了吗？有没有需要我再补充的？”-错误认知纠正：若发现患者存在误解（如“AI说我没救了”），需及时澄清，避免负面情绪累积。例如：“之前AI说的是‘早期’，就像感冒刚发作，及时吃药能好很多，您千万别着急。”沟通后：基于AI反馈的动态随访与调整患者依从性的AI辅助监测AI技术可用于监测患者治疗依从性及病情进展，为沟通提供客观依据：-智能设备提醒：通过智能药盒、可穿戴设备提醒患者服药、训练，数据同步至医生端，若发现漏服，医生可在随访中针对性沟通：“最近是不是忘记吃药了？我注意到药盒显示周三没打开，是不是觉得副作用大？我们可以调整一下用药时间。”-认知功能定期评估：利用AI认知评估工具（如计算机izedcognitivetests）每月监测患者记忆力、注意力变化，若发现下降，及时与家属沟通：“最近您妈妈记名字比以前差了，可能是药物剂量需要调整，我们下周来医院复查一下。”-远程沟通支持：通过视频问诊、AI聊天机器人（具备情感交互功能）定期与患者沟通，了解其情绪及生活状态，例如：“最近有没有遇到什么不开心的事？AI助手跟我说您这两天睡眠不好，要不要跟我说说？”沟通后：基于AI反馈的动态随访与调整长期照护支持网络的构建痴呆患者需长期照护，沟通中需协助家属构建支持网络，减轻照护负担：-社区资源链接：向家属介绍社区日间照料中心、居家照护服务、痴呆患者家属支持小组等资源，例如：“咱们社区有个痴呆患者俱乐部，每周都有活动，您可以带阿姨去参加，既能让她接触人，您也能和其他家属交流经验。”-照护技能培训：通过AI模拟训练系统，指导家属掌握照护技巧（如如何应对患者aggression、如何进行认知刺激），例如：“这个AI模拟器可以模拟患者拒绝吃饭的场景，您可以练习一下沟通技巧，回家试试看。”-心理支持持续化：定期邀请家属参加心理疏导讲座，或链接心理咨询资源，避免家属“照护耗竭”。例如：“照顾痴呆患者很辛苦，很多家属都会感到焦虑、抑郁，我们每个月有一次家属心理支持会，您可以来听听，对自己也有好处。”04AI辅助医患沟通的伦理边界与风险规避AI辅助医患沟通的伦理边界与风险规避AI技术在提升沟通效率的同时，也带来伦理风险：数据隐私泄露、责任界定模糊、人文关怀缺失等。需通过明确伦理边界、建立风险规避机制，确保技术服务于“以人为本”的医疗本质。数据隐私保护：AI信息使用的知情同意规范AI诊断需依赖患者多模态数据（影像、认知测试、病史等），数据隐私是首要伦理问题。需遵循“知情-同意-最小化-可追溯”原则：-知情同意全程透明：在收集数据前，向患者及家属明确告知“数据用途（仅用于本次诊断及AI模型优化）”“存储方式（加密存储，仅授权人员可访问）”“共享范围（不向第三方提供）”，并签署书面知情同意书。避免使用“数据用于AI研究”等模糊表述，例如：“我们会把您的检查数据输入AI系统辅助诊断，同时这些数据可能会用于改进AI模型，但会去除所有个人信息，您同意吗？”-最小必要原则：仅收集诊断必需的数据，避免过度采集。例如，若AI仅需影像数据辅助诊断，则无需额外收集患者社交关系等无关信息。数据隐私保护：AI信息使用的知情同意规范-数据安全与退出机制：建立数据加密、访问权限管理等技术保障措施，同时允许患者随时要求删除其数据，例如：“如果您不希望自己的数据用于AI模型优化，随时可以告诉我们，我们会立即删除。”责任界定：AI误诊时的医患责任分配AI并非法律意义上的“医疗主体”，其辅助诊断中的责任需明确界定：-医生为最终责任人：无论AI结果如何，诊断决策及医疗责任由医生承担。例如，若AI误诊导致患者治疗方案错误，医生需承担相应责任，而非AI开发者。-AI开发者责任边界：若因算法缺陷（如训练数据不足、模型偏差）导致AI误诊，AI开发者需承担技术责任，但需在沟通前向医生明确“AI的适用范围及局限性”，避免误导。-医患共同监督机制：鼓励患者及家属反馈AI诊断中的问题（如“AI结果与实际情况不符”），建立“AI误报-医生核实-模型优化”的闭环流程，例如：“如果您觉得AI的结果和您爸爸的情况不一样，请及时告诉我们，我们会重新评估，同时反馈给AI团队改进模型。”人文坚守：避免“技术至上”对医疗本质的异化1AI是工具，而非目的；医患沟通的核心是“人”而非“技术”。需警惕“技术依赖”导致的“去人性化”风险：2-AI辅助，而非AI主导：沟通中始终以患者需求为中心，避免“为了展示AI而沟通”。例如，不应过度强调“AI的准确性”，而应关注“患者及家属的理解与感受”。3-保留“面对面”沟通时间：即使AI能自动生成诊断报告，医生仍需与患者面对面交流，通过观察表情、语气、肢体语言获取情感信息，避免“人机对话”替代“医患对话”。4-技术适配人文需求：AI工具的设计需考虑患者及家属的使用习惯，例如，为老年患者开发的AI沟通界面应字体大、操作简单，避免复杂功能增加使用负担。算法透明：与患者共享AI决策逻辑的适度原则AI的“黑箱特性”是信任危机的重要来源，但完全透明可能引发不必要的焦虑。需把握“适度透明”原则：-解释“是什么”，而非“为什么”：向患者及家属解释AI结论的内容（如“您的记忆力比同龄人低”），而非复杂的算法原理（如“基于深度神经网络的特征提取”），避免信息过载。-共享“决策影响因素”：告知AI判断的关键依据（如“主要参考了您的海马体体积和记忆测试结果”），让患者理解AI并非“凭空猜测”。-承认“不确定性”：明确AI结论的概率性质（如“80%可能”），而非绝对化判断，避免患者产生“AI确诊”的误解。05实践挑战与优化路径实践挑战与优化路径尽管AI辅助医患沟通策略已形成框架，但在临床实践中仍面临诸多挑战，需通过技术迭代、培训优化、政策支持等多路径协同解决。特殊人群沟通策略：低文化水平、少数民族患者低文化水平及少数民族患者对AI技术的接受度更低，沟通需更具针对性：-方言与通俗语言结合：使用患者熟悉的方言及生活化比喻，避免书面语。例如，对农村患者解释“海马体萎缩”时，可说“大脑里记事的‘小袋子’变小了”。-实物演示与家属参与：通过脑模型、认知训练玩具等实物辅助解释，同时邀请家属作为“翻译”，帮助患者理解。-文化适配的沟通材料：针对少数民族患者，制作民族语言版的沟通手册、视频，结合其文化观念解释痴呆（如部分民族认为“失忆是神的考验”，需尊重并引导科学认知）。AI误判场景下的沟通调整技巧AI误判（如假阳性、假阴性）是临床实践中难以完全避免的问题，需灵活调整沟通策略：-假阳性（AI提示痴呆，实际无）：先肯定AI的“预警价值”，再解释误差原因，例如：“AI提示您的记忆力有点下降，就像天气预报说明天有雨，但实际不一定下。我们再做个详细检查看看，可能是最近太累了导致的。”-假阴性（AI未提示痴呆，实际有）：坦诚AI的局限性，避免推卸责任，例如：“这次AI没发现问题，但根据您的描述，我觉得还是需要再观察一下，可能是早期症状不明显，我们过段时间再复查。”