正确答案，错误理由：准确性、一致性和共识是临床决策支持中 LLM 忠实性的误导性指标

临床大型语言模型（LLMs）在医学考试中取得了很高的准确率；然而，正确答案并不保证其解释指出了实际驱动决策的概念。我们提出了三个轻量级、可直接解释的指标来衡量这种忠实性差距：解释稳定性指数（Explanation Stability Index，ESI），用于衡量重复查询中的推理一致性；因果忠实性得分（Causal Faithfulness Score，CFS），通过概念消融测试被引用概念是否驱动预测；以及扰动稳定性得分（Perturbation Stability Score，PSS），用于衡量对语义保持型改写的鲁棒性。通过在 150 道 MedQA-USMLE 题目上评估六个 LLM（共 900 个模型-题目观测），我们发现只有 23.3% 的被引用临床概念在因果上是必要的。正确答案的 CFS 低于错误答案（0.212 vs. 0.398），答案一致性对 CFS 呈负向预测（Spearman r = -0.466），并且模型对之间可能在答案上一致，但仅共享 8.8% 的被引用推理概念。这些结果表明，准确性、一致性和共识并不是临床决策支持的完整安全信号。该证据是行为层面的，而非机制层面的：概念消融测试的是输出的反事实敏感性，而不是内部回路。