31岁工程师被AI劝停救命药，25天后猝死，她曾质疑，但AI回答了158次“没事”，

拉莫三嗪是一种电压门控钠通道阻滞剂，通过稳定神经元细胞膜、抑制谷氨酸释放来控制癫痫发作，其治疗癫痫的常规参考血药浓度范围大致在每日口服剂量100毫克至400毫克之间，具体目标浓度因人而异，且任何剂量调整都被要求建立在脑电图复查、血药浓度监测和发作日记记录的综合评估之上。美国食品药品监督管理局批准的拉莫三嗪说明书中写得非常明确：该药不应突然停药，任何剂量的减少都必须在医生监督下循序渐进地进行，因为骤然撤药可能诱发癫痫发作频率反弹，严重时导致癫痫持续状态，而癫痫持续状态本身就是一种具有致死风险的神经科急症。

一项多研究汇总分析纳入了数千例癫痫缓解期患者，结果显示停药组一年内的癫痫复发风险为32%，而继续服药组仅为13%；两年时这一差距扩大为43%对21%，也就是说，停药本身就会使患者在两年内多承受约五分之一的绝对复发风险，且儿童研究中也观察到16%至56%不等的撤药后复发率，大部分复发集中在停药后的第一年内。真正危险的不是“减药”这个动作本身，而是失去了医生监护、脑电图监测和浓度化验这三重安全网之后的减药。

停药与继续服药癫痫累积发生率

（DOI: 10.1002/epi4.12880.）

而GPT-4o给Bowen制定的方案是，逐日递减，25天内从400毫克直接减到零。这个速度放在任何一家正规医院的神经内科门诊，都属于不可接受的操作，相当于用不到一个月的时间完成了医学上需要数月乃至一年以上且必须全程伴随脑电图监测才能完成的撤药过程。

更值得注意的是减药中途的两个细节：当Bowen在减药第三天出现犹豫时，模型以“绿卡移民体检策略”为由主动将她的目标剂量从200毫克进一步下调到150毫克，劝说她更快的减量“完全合理、并不鲁莽”；当她出现解离性发作、短暂性失语、时间和空间感迷失这些典型的危险信号时，模型告诉她的不是立即就医，而是“你的大脑没有崩溃，它正在调整”。医学训练告诉我们的恰恰与此相反，减药过程中出现任何新的神经精神症状，都必须视为撤药反应或发作前兆，第一时间回到医生面前，而不是被解读为“排毒”或“适应”。

起诉书引用的尸检结论中有一个关键词，SUDEP，即癫痫猝死，指癫痫患者在无溺水、创伤等其他明确死因的情况下发生的突发性死亡，被国际抗癫痫联盟认定为癫痫最严重的并发症。目前的病理生理学解释主要集中于严重全面性强直阵挛发作后引发的脑干呼吸抑制与自主神经功能崩溃，以及发作后的长时间呼吸暂停。

国际抗癫痫联盟流行病学委员会对多项病例对照研究的合并分析显示，全面性强直阵挛发作的年发作频率是SUDEP最明确、最强烈的危险因素，发作控制不佳者的死亡风险随发作次数呈剂量反应性升高，而规律服用抗癫痫药物、保持无发作状态则是最明确的保护因素。

另一项基于丹麦登记数据与尸检毒理学的研究显示，在全部经尸检确认的SUDEP病例中，约22%的患者存在抗癫痫药物不依从的证据，即体内检出的药物浓度与其声称的服药处方不符，而且不依从者中共病精神疾病的比例明显更高，其中拉莫三嗪正是出现浓度不符频率最高的药物之一。

声称处方与尸检检出药物对比

（DOI: 10.1111/epi.18354.）

由此看来，Bowen的死亡路径在医学上是可以被解释的，长期高剂量抗癫痫药抑制了她的语言功能，裁员压力与身份焦虑让她迫切希望恢复语言能力，AI的迎合性回应说服她骤然撤药，血药浓度跌至治疗窗以下导致发作失控，而一次未被控制的严重全面性发作触发了呼吸循环衰竭，最终形成SUDEP。这里每一个环节，医学上都有成熟的指南与规范可以作为干预节点，遗憾的是，当时没有任何一方的医学专业力量能够及时介入。

这个案例中还有一个容易在舆论中被略过的医学细节，Bowen从2025年4月起同时服用治疗中度至重度抑郁症的药物，而GPT-4o在此之前就已经建议她不要服用医生开具的西酞普兰类药物，并肯定了她私下切药、瞒着医生的行为。抑郁症本身就是癫痫最常见的精神共病之一，两者的共病率在临床研究中高达20%至30%，其背后是共同的神经生物学基础、抗癫痫药物的情绪副作用以及慢性病程带来的社会功能退缩。

（来源：加州旧金山县高等法院起诉书）

这一共病关系在SUDEP研究中被反复确认，不依从抗癫痫药物的患者群体里，精神疾病的共病比例显著偏高，研究者推测自杀意念、决策能力下降、对生活控制的病理性渴望，都是导致这部分患者擅自减药或停药的心理机制。

Bowen除了去超市几乎不离开公寓，2025年9月单月向GPT-4o发送了一万多条消息，患者长期孤独，把聊天安慰、看病吃药的决定甚至人生大事都交给一个“只会顺着你说”的AI时，这个AI实际上已经在扮演医生的角色，却没有医生必须遵守的任何规矩。任何引导其远离医生和正规医疗的建议，都应被视为高风险行为。

模型分诊建议与金标准混淆矩阵

（DOI: 10.1038/s43856-026-01466-0.）

AI发展到今天，有一个问题我们无法回避：把用药决策交给AI，出错的概率究竟有多大？

2025年以来，国内已发生多起险情级别的个案：有“95后”家长依据AI问诊判断孩子只是“普通呼吸道感染”而延误就诊，最终确诊为病毒性肺炎；有患者按AI推荐剂量自行购药，因进口药与国产药规格差异实际服用三倍剂量，导致急性肾损伤被送医；也有家长拿着AI关于“哮喘急性发作”的判断，拒绝医生对肺炎征象的进一步检查，两天后孩子因肺炎住院。所幸这些事件都以可逆的结局收场。

多篇范围综述研究的结论是，大语言模型在回答普外科术前术后问题、饮食建议、健康教育等结构清晰、答案相对标准化的低危问题上表现尚可，一旦进入多疾病重叠、罕见病鉴别、剂量个体化这类需要整合临床情境的高危场景，错误率和自相矛盾率显著上升，没有任何一项研究支持其替代专业医疗人员的个性化判断。

AI健康建议的风险，并不表现为低水平的错误，而是以高度自信、条理清晰的专业表述输出错误结论。正规医疗体系的安全性，来自复诊随访、检验复查、第二诊疗意见和不良反应监测等纠错机制，能够在判断偏差后及时修正；AI对话不接入这套体系，其错误输出缺乏识别、校验与追责的环节。正因如此，目前的AI可以成为我们的信息助手，却还成不了医疗决策者。

来源：医学论坛网