大型语言模型在急诊分诊诊断中超越医生
一项涉及哈佛和斯坦福的新研究发现，OpenAI 的 o1 预览版在基于有限急诊数据做出诊断方面显著优于医生。信息最少时，准确率差距最大。
几天来，我目睹医学界和 IT 行业对《科学》杂志发表的一项研究议论纷纷。哈佛和斯坦福再次发起挑战：他们的联合研究表明，OpenAI 的 o1-preview 大型语言模型的诊断准确率高于医生。尤其是在急诊分诊时，信息极少，而错误代价是生命。
但新闻摘要一如既往地流于表面。它们报道了“硬件胜利”的事实，却忽略了这场胜利在医疗法律、医院财务和医生等级制度中引发的结构性变化。作为一名为健康科技初创公司提供咨询的人，我在准确率图表背后看到的不是技术的胜利，而是“临床直觉”作为法律论据的终结的开始。
[核心]：真正发生了什么
从形式上看，我们谈论的是数字：AI 在分诊阶段的准确率为 67.1%，而现场医生分别为 55.3% 和 50%。但关键不在于数字。关键在于，AI 不是在“无菌”的教科书知识任务上，而是在“混乱”的真实世界数据——电子健康记录（EHR）中的非结构化笔记——上击败了人类。
这意味着模型学会了从医生自己制造的噪音（混乱的笔记、拼写错误、矛盾数据）中提取信号。我们曾以为 AI 需要完美标注的数据集。事实证明，真实医院的原始混乱就是足够的营养基。o1-preview 就像一个理想的住院医生，一秒钟内读完整个病史，并且不会在夜班后出现认知偏差。
时间线与背景
这并非晴天霹雳。这是一场始于 1959 年的系统性围攻，当时计算机首次在临床诊断任务上接受测试。
- 2021–2024 年： GPT-4 等模型在临床推理任务（管理推理）上已经紧逼医生，但当时它们被拿来与 Google 等参考工具比较，AI 以 89% 对 34% 的压倒性优势获胜。
- 2025 年： OpenAI 发布了具有“思维链”的 o1 系列。这是一个转折点：模型不再猜测下一个 token，而是开始模仿诊断医生的思维过程——怀疑、考虑假设、自我复核。
- 2026 年 4–5 月： 在《科学》杂志上发表并在贝斯以色列女执事医疗中心进行大规模测试。差距在统计上变得不可否认。对行业来说最麻烦的是：评估诊断文本的评审员在 83.6% 和 94.4% 的案例中无法判断结论是医生还是机器写的。
谁赢谁输
输家：传统临床医生。 这不是比喻。研究发现，质量差距在“管理推理”——选择治疗策略、抗生素、治疗目标——方面尤其大。这曾被认为是技能巅峰，结合了经验和主观判断。现在它成了一个算法。
赢家：中级医务人员。 最被低估的受益者。急诊护士常常凭直觉感到病人“危急”，但缺乏挑战医生的权威。现在他们有了一个工具，在 67% 的案例中正式诊断准确率高于医生。这是科室权力斗争中的一件武器。模型减少了焦虑：如果员工曾担心 AI 会取代他们，那么在真正实施后这种担忧会减少——因为很明显 AI 需要人类监督和解读。
输家：当前形式的保险业。 如果 AI 能在分诊时高精度预测住院需求，就会破坏许多美国保险公司的商业模式，这些公司通过拒绝支付“不合理”住院费用来获利。当优于医生的算法建议住院时，拒绝承保在法律上是自杀行为。
媒体遗漏了什么
所有光鲜的文章都回避了 “不可漏诊”问题。 这是只有细心阅读科学期刊的人才知道的秘密。
在同样的实验中，AI 在准确率上表现出色，但 在识别危及生命的状况方面并未显示出统计上显著优于医生。 模型擅长生成广泛的鉴别诊断，能发现罕见病，但在心脏病发作或败血症的典型“伪装”上，医生表现同样出色。AI 与其说是预防灾难，不如说是防止复杂和罕见病例中的“诊断游荡”。但为了公关目的，展示总体平均准确率百分比比承认在关键安全方面几乎没有差异更有利。这是一个关键细节，将在针对盲目信任算法的医院的诉讼中浮出水面。
预测：未来 30 天和 90 天
未来 30 天。 我们将看到美国主要医院连锁的 C 级高管发表一波关于“合作”而非“取代”的声明。没有人想与医学协会发生冲突。但医院法律部门已经开始重写规程。将 AI 作为“第二意见”实施将不再是出于便利，而是为了降低医疗事故风险。如果 AI 可用而医生在分诊时做出错误诊断，将被视为疏忽。“我不知道”的论据将不复存在。
90 天。 这里开始决胜局。该研究是在 o1-preview 预览版上进行的，该版本已经过时。OpenAI 发布了 o3，性能远超前者。准确率差距将从目前的约 12% 扩大到 20–25%。这将引发第一次严重危机。
此外，我们将面临“莱顿效应”。在荷兰，尝试在真实急诊工作中实施 ML 工具失败的原因不是准确率，而是缺乏 EHR 集成和明确的 AI 信号行动规程。管理者将意识到，购买 OpenAI 订阅只是问题的 1%。主要的 5000 万美元（或更多）将不得不花在彻底改造医院 IT 基础设施上，目前这些设施是 90 年代软件的拼凑物。没有这些，任何最聪明的 AI 都只是 TED 会议上的漂亮演示，而不是拯救生命的工具。
— Editorial Team
