醫護教育
LMM 可生成度身訂造的學習文本、模擬患者對話（包括罕見病或殘疾），並提供 chain-of-thought 解釋。然而錯誤或虛構內容可損害教育質素，學員可能將判斷交由模型（自動化偏誤）。WHO 亦指出新的數碼素養負擔——專業人員須學習使用 AI 輔助工具，同時維持核心臨床技能。
科學研究及藥物開發
LMM 可起草文稿、摘要文獻、分析數據集、校訂資助申請及支援 de novo 藥物設計。主要出版商及世界醫學編輯器協會限制作者身份僅限人類，因 AI 無法承擔問責。其他風險包括：
- 虛構參考文獻 — 引用不存在的論文
- 訓練數據及輸出中的高收入國家偏誤
- 若不透明 AI 生成評審泛濫，削弱同行評審
- 付費牆加劇研究人員之間的知識鴻溝
醫療體系系統性風險
WHO 將影響整個醫療體系的更廣泛風險歸類如下：
| 風險 | 含義 |
|---|---|
| 技術解方主義 | 高估 LMM 效益，同時對經證實的非 AI 干預投資不足 |
| 可及性及可負擔性 | 訂閱費、以英語為中心的模型及數碼鴻溝限制公平取用 |
| 系統性偏誤 | 更大模型可能將偏誤傳播至各機構 |
| 人力影響 | 再培訓需要、數據標註勞工關注及可能的技能退化 |
| 依賴性 | 醫療體系依賴未為本地情境維護的模型 |
| 網絡保安 | 提示注入、數據外洩及針對 AI 依賴基礎設施的攻擊 |
對香港醫護人員的意義
於 CME、教學或研究寫作中使用 LMM 時，須按期刊及機構政策披露 AI 使用。優先人類問責並核實每項引用。在醫院管治討論中，問 LMM 投資是否將資源從已在香港改善人口健康的循證計劃中抽走。