AI看病的诊断率比医生高？

寂静回声

今年 4 月底，哈佛医学院和波士顿一家医院在《Science》上发了篇研究，他们把 OpenAI 的 o1-preview 拉进急诊室，喂它 76 份真实病历。模型把正确诊断列进答案的比例是 67.1%，同台对比的两位主治医生，分别是 55.3% 和 50.0%。换到《新英格兰医学杂志》那套出了名的疑难病例上，143 个病例里，模型 78.3% 把正确诊断写进了答案；当它一次性列出好几个可能方向时，97.9% 都给了有用的线索。印象最深的，是一个器官移植后免疫力低下的病人。进来时看着只是普通呼吸道症状，模型却从一开始就盯上了一种会吃人的感染，比人类医生早 12 到 24 小时起疑。等医生反应过来，病人已经快不行了。
今年 2 月，上海交大和新华医院把一套叫 DeepRare 的罕见病诊断系统发上了《自然》。全世界的罕见病有七千多种，病人平均要熬 5.6 年才确诊。DeepRare 只看临床症状，首诊准确率 57.18%，比当时国际最好的模型高了将近 24 个百分点；把基因数据加进去，这个数字能过 70%。
同一个哈佛，另一位研究者 Arya Rao 在 4 月 13 号发了项研究，测了 21 个 AI 模型。她发现 AI 最怕的，不是不会，是沉不住气：数据给全了，它能把最终诊断说得很准；可越是信息残缺、几个答案都说得通的模糊阶段，它越容易一条道冲到底。用她的话说，模型擅长的是考试，不是问诊。


它像个考试型人才。题面清楚时厉害，题面一含糊，它偏偏还要给你一个斩钉截铁的回答。
AI 像个不知疲倦的副驾驶，真正握方向盘、签字担责任的还是人。它擅长在海量数据和微小特征里揪出你忽略的东西，人擅长在情境、个体差异和最终后果上拍板。
把它当第二个意见，别当最终判决。拿着化验单、影像报告去问，让它帮你想还有哪几种可能、该再去查什么，但别让它替你决定吃不吃药、要不要开刀。真到了签字那一步，还是得问穿白大褂的那个人。


它不会因为连续看了五十个病人就走神，它不会因为你没挂到专家号，就漏掉报告上那个微小的结节。
它也不会在凌晨三点因为累了，把一份报告草草扫过。
所以与其怕它，不如学会跟它搭档。它给你列清单、提风险，你拿清单去跟医生对话，把那三分钟问出价值来。


点评
我就这么问大夫的，把大夫问烦了，“你比我懂啊”。事实上就是大夫不懂，用错了药，还不会及时调药。