当前时间： 2026-08-11 23:31:11
分类：办公文件
评论(0)
AI辅助诊断:80%的病例过不了初诊关美国波士顿大众布莱根医疗网络（Mass General Brigham）一项发表于《JAMA网络开放版》的研究给AI医疗热潮泼了一盆冷水。研究人员测试了21款主流大型语言模型（LLM），包括Claude、DeepSeek、Gemini、GPT和Grok的最新版本，结论令人失望：超过80%的病例中，这些模型无法给出合格的鉴别诊断（differential diagnosis）。鉴别诊断是临床医学的核心思维工具：面对一组症状，医生需要列出所有可能的疾病，并逐步排查、缩小范围。在信息不完整、充满不确定性的条件下做判断，是医学思维的"开局"阶段。研究人员在AI辅助诊断的研究中专门设计了模拟真实临床场景，分阶段披露信息——先只给年龄、性别、主诉，再陆续加入体检和化验结果。使用PrIME-LLM评估工具，测试各个AI模型在每个阶段的诊断能力。* 当信息有限、情况开放时，AI表现很差——这恰恰是临床最需要判断力的时刻* 当完整信息都给出后，模型往往能给出正确的最终诊断（成功率因模型而异，在60%到90%以上之间）* 简言之：AI在"收尾“工作上表现尚可，在"开局"上几乎是毫无头绪。综合表现排在前列的有：Grok 4、GPT-5、GPT-4.5、Claude 4.5 Opus、Gemini 3.0 Flash 和 Gemini 3.0 Pro。目前有大量应用宣传AI"可以辅助诊断"。研究人员表示："这些模型在医疗场景中仍然需要人在决策链中保持存在，需要非常严格的监督。"真正的问题不在于AI是否能在有足够信息时猜对答案，而在于它能否在信息残缺、情况模糊时保持谨慎、不给出误导性结论。这项研究的结论是：目前做不到，也不该让AI去单独作业。为此，医学专家建议公众谨慎使用AI技术，如有任何健康问题，请务必咨询医疗专业人士。欢迎访问
德国热线网站
https://
www.dolc.de
扫码查看更多内容
夜雨聆风
