引用可以表明 AI 助手查了哪里，却不能证明它正确理解了记录。当消费者询问家用血压计是否经过独立验证，这一区别很重要。任务不是一般解释高血压，而是把精确设备与测量准确性证据匹配；流畅回答可能掩盖型号错误。
一项在美国心脏协会 2026 年高血压科学会议报告的初步研究，检查了 324 款设备，其中 145 款已验证、179 款未验证。测试发生于 2026 年 4—5 月。Gemini 报告准确率为 86%—91%，ChatGPT、Copilot 和 Perplexity 约为 63%—83%，随工具和提示变化。这是历史研究结果，不代表所有当前会话。
理解助手必须完成的查询
正确回答需要识别制造商与完整型号，获取正确注册条目，并保留该条目实际证明的范围。相似名称、地区后缀和零售描述都可能让链条出错。一种型号的证据，不能自动延伸至整个品牌或相邻型号。
研究使用三类提示，包括要求查询指定注册库，以及限定一个词回答。更多细节没有消除错误。有些工具找到官方记录，却未识别其验证意义；重复提问也可能不一致。简短的“是”会隐藏不确定性，长篇带引用的解释也可能得出错误结论。
保持权威记录可见
ValidateBP 和 STRIDE BP 提供专为这类核验设计的结构化清单，研究也使用了 Hypertension Canada。直接查询，比让通用助手综合零售页、评论与厂商宣传更聚焦。保留精确匹配标识，不要只接受对相近产品的顺畅概括。
“没找到”不等于“未验证”。查询失败可能来自拼写、地区命名或索引，不能单独证明产品没有通过测试。标识不一致时应保留不确定性，请医生或药师帮助厘清。适用人群证据与袖带尺寸也可能重要，不能超出条目范围推广。
按证据边界理解研究
结果属于会议摘要，不是完整同行评审论文。具体模型版本、提示、错误类别和设备级结果，将有助于复现。研究测量回答准确性，没有测量用户是否购买产品或受到伤害，因此下游影响只能描述为风险，不能说成观察到的临床结果。
模型和检索系统变化也会让百分比过时。另一项 2024 年研究发现聊天机器人对一般家庭测量知识解释较好，但这不同于精确型号核验。不能据任一结果断言某助手在所有医疗任务都准确或都不准确。
围绕可验证决策安排辅助
可用对话工具整理问题、解释术语，但决定性验证应落在权威条目。记录制造商、完整型号和适用人群，再与注册库比较，并就未解决的设备选择咨询医护人员。
AI 产品可以改进结构化检索、匹配型号展示、核查日期和证据模糊时明确拒答。一般免责声明修复不了型号匹配错误。有价值的输出，是他人在依赖前能够追溯、复现并质疑的回答。