AI如何落地临床实践?从工具到队友

题目：From tool to teammate in a randomized controlled trial of clinician-AI collaborative workflows for diagnosis

期刊：《npj digital medicine》，影响因子15.1

1.研究背景：早期AI研究显示，医师在使用基础LLM时性能反而不佳，凸显人机交互设计的重要性。本研究旨在解决此问题，开发了协作工作流系统，以促进医师与AI的独立分析→整合→批判式对话。研究评估两种工作流：AI优先意见（医师先看AI诊断）和AI第二意见（医师先诊断后看AI反馈）。

2.方法设计：研究对象70名美国内科医师（39名住院医师，31名主治医师），随机分配到AI优先组（n=27）或AI第二意见组（n=43）。

不进行模型微调，仅通过多部分定制化系统提示词实现功能改造，让 GPT-4 具备三大核心能力：独立的临床诊断分析、整合医生与 AI 的推理观点、与医生的开放式对话。

AI 会生成 5 个鉴别诊断（按可能性排序）、7 个诊疗下一步建议，匹配医生的临床推理逻辑，且会生成整合视图，清晰展示双方对每个诊断的支持 / 反对证据。

使用6个临床病案（clinical vignettes），通过19分制评分（2名医师盲评）衡量准确性，包括证据支持度、最终诊断和推荐行动。

3.主要结果：

诊断性能显著提升：AI辅助组整体准确性显著高于仅常规资源组。AI独立准确率达90%，但协作组与之无显著差异。AI第二意见组中36%病例在临床可行动决策上有所提升；但在8%病例中，AI错误导致性能下降。

工作流程顺序的影响：AI优先组在可行动决策方面优于AI第二意见组（，且病例处理更快。AI第二意见下，AI易“锚定”医师输入（48%病例中AI与人类诊断完全重叠），而AI优先组仅3%。

交互方式与人机关系差异：AI第二意见组参与者更频繁使用拟人化语言（如“Great thought!”）和表达感谢，显示出更“对话式”关系。

4结论与启示：

协作设计提高了诊断“底线”，而非整体均分提升，证明AI可通过互补能力优化临床决策。

工作流程顺序锚定偏差需针对性设计策略；AI第二意见模式下AI易出现“谄媚效应”（sycophancy）。

医师接受度高（≥95%开放未来临床整合），但研究局限性包括：依赖病案模拟（非真实临床）、AI输出不确定性、采样偏差。

此篇文献是AI如何落地临床的一个很好示范，落地临床的和兴不是提升模型性能，而是如何更好的人机交互，该研究中并未采用专用模型，而是在通用大模型的基础进行适配，成本更低。对于基层医院来说，AI协作能够让医疗资源下沉，让普通医生更接近专家水平。未来如何在真实医疗场景中使用AI，如何评估AI的诊断，仍然是重点需要关注的问题