OpenAI o1 在诊断复杂急诊病例方面超越医生
哈佛大学和斯坦福大学发表在《科学》杂志上的一项研究发现，OpenAI 的最新大语言模型 o1 能准确诊断 78.3% 的复杂临床病例，表现优于医生。该 AI 在仅凭最少患者信息进行初始分诊时优势最为明显。
作为一名在过去七年里从行业内部观察医疗算法竞赛的人，我要说：哈佛和斯坦福发表的不仅仅是一项研究。他们发表了一份宣言，宣告急诊医学中医生直觉的“黄金时代”终结。《科学》上的这篇文章优雅地描述了人类在医院最混乱的领域向机器的投降，但在这投降之下，隐藏着一笔将重塑医疗保险预算的交易。
核心：真正发生了什么
外行看到 78.3% 这个数字，会想：“机器人比医生诊断得更好。”这是肤浅的看法。真正的革命在于 OpenAI o1 获胜靠的不是知识，而是对“信息噪声”的抵抗力。
当患者因腹痛来到急诊室时，他们不会带着整洁的教科书式出院小结。有的只是一堆零散的抱怨、恐慌发作和模糊的化验结果。此时，人类医生会激活“可得性启发”：看到肥胖患者腹痛——想到胆囊；看到移民——下意识筛查结核病。这些是经过数千小时实践刻入神经元的认知偏差。
与我们不同，o1-preview 不受“情感启发”的影响。研究表明，在信息最稀缺的分诊点，AI 的准确率达到 67.1%，而现场医生为 50–55%。这不仅仅是 12–17 个百分点的差距。它证明了 LLM 比人类更擅长处理数据中的“沉默”。当数据缺乏时，它不会试图用刻板印象填补画面。它在医生开始猜测的地方计算概率。
时间线与背景
这一突破并非凭空而来。早在 2023 年，GPT-4 因未能通过基本临床场景、混淆心肺复苏操作顺序而遭到嘲笑。当时，“推理”似乎是人类难以企及的圣杯。
导致这一时刻的关键里程碑：
- 2024 年 9 月： OpenAI 发布 o1-preview。内部人士知道它最初是在数学问题和编程上测试的，但 Beth Israel Deaconess 的 Adam Rodman 团队立即看到了思维链在医学中的潜力。
- 2024 年秋季 – 2025 年冬季： Google DeepMind（凭借其 Med-PaLM）与 OpenAI 之间展开了一场无声的竞赛，看谁先能在《科学》这样的期刊上发表文章。哈佛获得了未经预处理的原始电子健康记录数据——这是一个巨大的风险。
- 2026 年 4 月： 在《科学》上发表。主要的冲击不是模型在诊断选择上获胜，而是在“临床管理”任务（Grey Matters）中，o1 的中位得分为 89%，而可以使用 Google 和 GPT-4 的医生仅得 34–41%。这意味着 AI 比人类更擅长管理医院资源。
谁赢谁输
赢家：
- 保险公司（联合健康集团、Elevance Health）： 主要受益者。o1 表明它在信息稀缺的情况下也能出色工作。这意味着算法可以放在系统的“入口点”，以减少不必要的住院。如果 AI 说胸痛患者不需要每 15 分钟查一次肌钙蛋白和心电图，只需抗酸药和回家，每年可节省数十亿美元。
- 分诊护士： 他们的角色反而会增加。他们将变成床边的“AI 之手”，凭借验证机器输入的能力获得高于市场水平的薪酬。
- 医疗包装初创公司： 数十家公司将开始销售“o1 用于放射科”、“o1 用于病理科”，即使底层只是 API 调用。
输家：
- 急诊科的超声和功能诊断医生： 如果 o1 仅凭稀疏病史就能比医生检查后诊断得更准确，为什么还要花 300 美元做扩展检查，而每 token 只需 0.03 美元？
- 美国住院医师培训体系： 如果一名内科医生毕业时的临床思维还不如一个在 GPU 集群上训练了 3 个月的模型，那为什么还要花 7 年时间培养？研究中的住院医师在 R-IDEA 量表上表现惨淡（80 例中仅 16 例获得满分，而 o1 为 78 例）。这动摇了整个基于师徒制的医学教育体系。
媒体没说的
现在是最不愉快部分。大家都在写“盲测”中医生无法区分人类文本和机器文本（猜测概率分别为 15% 和 3%）。但没人说这意味着诊断可重复性的崩溃。
第二个见解涉及“遗忘曲线”。研究表明，模型能很好地处理单次快照（分诊），但真正的急诊医学是一个动态过程。模型不会实时跟踪患者；它看不到肤色变化或呼吸困难加重。它处理的是文本快照。这就是为什么在关键的“不可漏诊”诊断中，o1 并未表现出显著优于人类。机器擅长玩“什么？哪里？何时？”，但不擅长把握濒死患者的脉搏。
预测：未来 30 天和 90 天
前 30 天（到 2026 年 6 月中旬）：
我称之为“演示版流行病”将开始。每个有自尊的美国医疗中心都会发布新闻稿，宣布与 OpenAI 或微软合作试点“AI 第二意见”。但真正的实施不会发生。任何医院的法务部门都会犹豫：如果 o1 漏诊了主动脉夹层，谁去坐牢？FDA 目前保持沉默。同时，预计美国医学会将掀起一波批评浪潮，坚称“数据解读”不等于“诊断”。
后 90 天（到 2026 年 9 月）：
关键转变将是多模态集成。目前模型只处理文本，但 OpenAI 已经发布了 o3。我预计会有泄露或预印本，显示模型不仅输入主诉文本，还输入便携式超声图像和呼吸录音。一旦 o3 在多模态数据收集中证明优势，像 Kaiser Permanente 这样的大型网络将开始将其嵌入急诊科，不是作为“助手”，而是作为主要分诊过滤器。针对急诊科的自然语言处理解决方案投资将降至零，因为没人想与微软/OpenAI 这头 800 磅重的大猩猩竞争。用于医生的临床推理脚本和测试市场将被彻底摧毁。
— Editorial Team
