哈佛大学突破性研究：AI诊断准确率超越急诊室医生

BitcoinWorld

AI诊断准确率在哈佛突破性研究中超越急诊室医生

一项突破性的哈佛研究揭示，在某些临床场景中，AI提供的诊断比急诊室医生更为准确，这标志着医疗人工智能领域的重要里程碑。该研究发表于期刊Science，证明OpenAI的大型语言模型在真实急诊室病例的诊断中能够超越人类医生。

哈佛AI研究：医疗诊断的新基准

来自哈佛医学院和贝斯以色列女执事医疗中心的研究人员开展了一系列实验，评估OpenAI模型与人类医生的比较结果。该研究聚焦于76名到访贝斯以色列急诊室的患者。两名主治医生提供诊断，而OpenAI的o1和4o模型则各自生成诊断结果。另外两名主治医生随后对所有诊断进行评估，且不知晓哪些来自人类、哪些来自AI。

结果令人瞩目。在每个诊断节点上，o1模型的表现要么略优于两名主治医生，要么与之持平。4o模型同样表现出色。差异在初始急诊分诊阶段最为明显，彼时信息匮乏而紧迫性极高。

在分诊病例中，o1模型有67%的概率提供完全准确或非常接近的诊断。一名医生达到了55%，另一名则为50%。这代表诊断准确率提升了12至17个百分点。

研究如何进行

研究团队强调，他们没有对数据进行预处理。AI模型接收到的是每次诊断时电子病历中所提供的相同信息。这一方式确保了人类与机器推理之间的公平比较。

Arjun Manrai是哈佛医学院AI实验室的负责人，也是该研究的主要作者之一，他在新闻稿中表示："我们将AI模型与几乎所有基准进行了测试，它超越了先前的模型和我们的医生基准。"

医疗领域的大型语言模型：潜力与局限

OpenAI的o1和4o等大型语言模型在处理基于文本的医疗信息方面展现出卓越能力。然而，该研究并未声称AI已准备好在急诊室做出生死攸关的决策。相反，它强调了迫切需要开展前瞻性试验，以在真实患者护理环境中评估这些技术。

研究人员也指出了局限性。他们仅研究了模型在基于文本信息方面的表现。现有研究表明，当前的基础模型在处理非文本输入（如医学影像或患者生命体征）的推理方面较为有限。

贝斯以色列的医生兼联合主要作者Adam Rodman告诉《卫报》，目前对于AI诊断的问责没有正式框架。他强调，患者仍然希望由人类引导他们做出生死攸关的决策和艰难的治疗选择。

对急诊医学的影响

急诊医学要求在信息有限的情况下迅速做出准确决策。该研究表明，AI可以作为急诊室医生强有力的决策支持工具。通过提供准确的诊断建议，AI有助于减少诊断错误并改善患者预后。

然而，将AI整合到临床工作流程中面临挑战。医生必须信任该技术，了解其局限性，并对患者护理保持最终责任。该研究呼吁在广泛采用之前进行审慎评估。

AI模型比较：o1与4o

该研究比较了两款OpenAI模型：o1和4o。o1模型在所有诊断节点上始终优于4o。这表明更新、更先进的模型在医疗应用中可能提供更高的准确率。

表格：初始分诊时的诊断准确率

这些结果凸显了AI在医疗领域的快速进步。然而，该研究的作者告诫不要过度解读这些发现。样本量较小，临床背景也有限。

专家对AI诊断的看法

医学专家的反应既有热情也有谨慎。一些人将AI视为可以使专家级诊断民主化的变革性工具。另一些人则担忧对技术的过度依赖以及临床判断的弱化。

哈佛研究进一步丰富了支持AI在医疗领域潜力的证据体系。此前的研究已显示AI在放射学、病理学和皮肤科表现良好。本研究将证据延伸至急诊医学这一高风险环境。

Manrai博士强调，AI模型经过了几乎所有基准的测试，并超越了先前的模型。这表明AI不仅仅是在追平人类表现，而是在特定情境中已超越人类。

伦理与监管考量

该研究引发了重要的伦理问题。当AI诊断出错时，谁来负责？如何在不损害患者信任的情况下将AI整合到临床决策中？这些问题需要监管机构、医疗服务提供者和技术开发者的审慎考量。

目前，尚不存在针对AI诊断问责的正式框架。Rodman指出，患者在生死攸关的决策中仍希望获得人类的指引。这表明AI应当是增强而非取代人类专业知识。

未来方向：前瞻性试验与真实世界测试

该研究的作者呼吁开展前瞻性试验，以在真实患者护理环境中评估AI。此类试验将为AI的有效性、安全性及对患者预后的影响提供更有力的证据。

前瞻性试验还有助于识别潜在隐患，例如算法偏差或对AI的过度依赖。它们将提供AI在不同患者群体和临床场景中表现的数据。

研究人员计划继续推进工作，将研究扩展至更多患者和临床机构。他们还计划测试AI模型在非文本输入方面的表现，例如医学影像和实验室结果。

这对患者和医生意味着什么

对于患者而言，这项研究带来了获得更准确、更及时诊断的希望。对于医生而言，这提供了将AI作为决策支持工具加以利用的机会。然而，两个群体都必须以现实的期望面对AI。

AI并非人类判断的替代品。它是一种可以提升诊断准确率的工具，尤其在急诊室等高压情境下。关键在于负责任地整合AI，确保其补充而非削弱临床专业能力。

结论

哈佛研究提供了令人信服的证据，表明在某些情境下，AI提供的诊断比急诊室医生更为准确。OpenAI的o1模型在分诊准确率上超越了人类医生，展示了大型语言模型在医疗领域的潜力。然而，该研究也强调，在AI能够在临床环境中被广泛采用之前，需要进行审慎评估、建立伦理框架并开展前瞻性试验。随着AI持续演进，其在医学中的作用可能会不断扩大，但人类监督对于患者安全与信任仍不可或缺。

常见问题

问题1：哈佛研究如何比较AI与人类医生？
答：研究人员将OpenAI o1和4o模型的诊断与76例急诊室病例中两名主治医生的诊断进行比较。另外两名医生在不知晓来源的情况下对诊断进行评估。

问题2：研究中AI模型的准确率是多少？
答：在分诊病例中，o1模型有67%的概率提供完全准确或非常接近的诊断，而两名人类医生分别为55%和50%。

问题3：AI是否已准备好取代急诊室医生？
答：尚未。该研究并未声称AI已准备好用于真实临床决策。它呼吁开展前瞻性试验，并强调需要人类监督与问责。

问题4：AI在医疗诊断中有哪些局限性？
答：当前AI模型局限于基于文本的信息，在处理医学影像或患者生命体征等非文本输入时表现可能较差。该研究也指出缺乏正式的问责框架。

问题5：这对医疗的未来意味着什么？
答：AI有潜力提升诊断准确率并支持临床决策。然而，在广泛采用之前，需要审慎整合、制定伦理准则并开展进一步研究。

本文AI诊断准确率在哈佛突破性研究中超越急诊室医生最初发表于BitcoinWorld。