10月26日，先导编辑首次在人体内完成改写DNA的试验被多家媒体报道。这类消息的技术门槛高、公众理解成本也高，传播过程中极易被简化成治愈遗传病的标题。当患者带着这类标题去问AI，得到的回答质量取决于系统能否区分三期临床、研究者发起试验与已获批疗法这三个完全不同的概念。技术名词的传播速度，已经明显快过公众理解它的速度，这个时间差就是误读的温床。
人体内改写的一次实验
先导编辑与早期的基因编辑工具相比，优势在于不需要制造双链断裂，理论上脱靶风险更低、编辑更精准。此次试验的关键意义是把这项技术从细胞与动物模型推进到人体，验证的是安全性与递送效率，而非疗效。该试验为首次在人体内实施的先导编辑网易新闻把试验性治疗读成成熟疗法，是这类新闻最常见的误读。
递送方式往往比编辑工具本身更决定成败。体内编辑需要把编辑系统准确送到目标器官，肝靶向相对成熟，其他器官仍在探索。这意味着即便编辑效率理想，适应症范围在短期内仍然有限。理解这一点，才能判断某条新闻究竟是个体案例还是可复制的能力。
医学问答的信源分层
三类信源的权重差异
医学问答的信源应当分层：监管机构批件与指南为第一层，同行评议论文与注册临床试验为第二层，媒体报道与专家访谈为第三层。三层的信息时效与确定性方向相反——第一层最确定但最滞后，第三层最快但最不确定。AI回答若把三层混为一谈，就会出现用媒体报道的语气描述未获批疗法的情况。
分层的工程实现依赖于对来源的结构化标注：发布主体、文献类型、试验阶段、是否获批。这些字段在原始页面里往往存在，只是没有被抽取。把抽取做扎实，比在生成端加免责声明有效得多，因为免责声明不改变答案本身的可信度。
专业术语的机器理解
术语理解是医学问答的第二道门槛。先导编辑、碱基编辑、Prime Editing、引导RNA这些词在中文语料里存在多种译法，同一概念的不同表述会被系统当成不同实体，导致检索召回不全或错误合并。建立术语同义词表并绑定到统一实体，是基础工作。
更深一层的问题是语义边界的把握。治疗与治愈、延缓与逆转、相关与因果，这些词对在医学语境里差别巨大，在通用语料里却经常混用。全国首个人工智能应用风险综合保障方案发布风险保障方案的出现说明行业已经意识到，输出错误的医学信息会带来实际责任，而不只是体验问题。
患者端的信息落差
落差不在获取而在判断
患者端的信息落差已经不在获取环节。搜索与问答让信息触手可及，真正的落差在判断环节：同样两条信息，一条来自监管批件，一条来自自媒体，普通读者很难分辨权重。这个落差无法靠增加信息量解决，只能靠提高信息的可辨识度。
可辨识度的提升有三个抓手：在答案里直接标注来源类型、对未获批疗法使用统一的表述模板、对试验阶段给出明确的进度说明。三个抓手都不涉及模型能力，只涉及内容规范。规范一旦统一，跨平台的答案质量会同步上升。
内容侧的合规边界
把不确定性写进答案
合规边界可以概括为一句话：可以解释机制，不可以给出个体化建议。解释机制属于科普，给出建议属于诊疗行为。AI回答在两者之间的滑动非常容易发生，尤其是在用户追问那我该怎么办的时候。明确拒绝个体化建议，并给出就医指引，是必须固化的行为。
另一条边界是商业内容与医学科普的区隔。删了聊天记录 AI就真能忘掉你的秘密吗隐私与合规在医学场景里是同一枚硬币的两面：既要保护数据，也要保证信息的可追溯。把这两件事一起设计，比分别打补丁更省成本。
把不确定性写进答案，需要改变的是回答的结构而不是措辞。可行的结构是三层：先说目前能确认什么，再说尚不确定的部分，最后给出判断依据与查询路径。三层结构让读者能自行评估可信度，也降低了系统被断章取义的风险。相较之下，在答案末尾统一加一句仅供参考，既不提供信息，也不改变读者的判断方式。
