日前，OpenAI公布一项研究成果：由哈佛医学院和斯坦福大学组成的科研团队，在医学诊断领域深入评估OpenAI的o1-preview模型，发现其比人类医生更擅长诊断棘手的医疗案例。相关消息引发了全球关注，医生真的在不久的将来会被取代吗？

o1-preview诊断正确率近8成

@deedydas在原文中说，“根据（关于）OpenAI的最新论文，o1-preview在推理任务上远远优于医生，甚至天壤之别。AI对143项困难的NEJM CPC诊断结果分别为约80%至30%。现在相信你的医生而不咨询人工智能模型是危险的。”据悉，自上世纪50年代以来，评估鉴别诊断生成器的首要标准是由《新英格兰医学杂志》（NEJM）发表的临床病理学会议（CPCs）病例，因此这也是评估o1-preview的首选基准。截至发稿前，该言论已引来107万次的浏览量。

根据研究报告，o1-preview正确诊断了78.3%的测试案例，在70个特定案例的对比测试中，准确率高达88.6%，显著优于其前身GPT-4的72.9%。此外，使用医学推理质量评估标准量表R-IDEA，o1-preview在80个案例中取得了78个满分。同时，经验丰富的医生在28个案例中获得满分，住院医生则仅为16例。而在25位专家设计的复杂案例中，o1-preview得分高达86%，是使用GPT-4的医生（41%）和使用传统工具的医生（34%）的两倍有余。

不过，研究人员承认该测试存在局限性，部分测试案例可能包含在o1-preview的训练数据中，且测试主要集中于系统单独工作，并未充分考虑其与人类医生协同工作的场景；此外，o1-preview建议的诊断测试成本高昂，在实际应用中存在局限性。

医学是科学，也是“人”学

这并非AI与医生的首次“对决”。此前，在医学顶刊《美国医学会杂志》（JAMA）等期刊上，也曾有研究指出大语言模型在诊断基准测试中超越了人类，包括医科学生、住院医师和主治医师。这是否意味着o1-preview在医学上已全面超越人类？

“AI确实在病例诊断的初步筛选、初诊环节具有很强的辅助功能，但无论是现在，或是可以预见的将来，它都仍旧没有完全进行决策的能力。”上海市第一人民医院副院长、放射科学科带头人王悍谈到，“无可否认的是，成熟的AI模型能力应该与住院医师是可以抗衡的，其优势在于完成重复性、细致度高的工作，比如肺小结节在体检场景中的筛查、心脑血管的重建。以往，大多数此类工作由住院医师人工扫描完成，大约耗时20分钟，现在基于AI的四维重建最快只需按秒计算，大大节省了临床医师的时间，还能减少患者的不适。”另一方面，AI也有劣势：所有的诊断均应该建立在可靠、可重复的基础上，目前尚无样本量和覆盖面足够大且可靠的通用型模型，不同人种、国家、性别、年龄、文化水平等变量参数都可能造成评估的谬误，“因为医学不仅是科学，也是‘人’学。”

王悍说，以我国传统中医药为例，望、闻、问、切的诊疗流程缺一不可，即便如今也有中医领域的AI软件及模型开发，如根据舌苔的疾病评估，但仍基于图形化的固定模式，“它或许还不同于X光、CT影像学报告，这与医患面对面，有热度的触诊是不同的。”

其实，AI在辅助决策中的准确率现阶段仍取决于患者的“标准化”，但其心理因素、经济水平乃至社会关系都可能在真实的治疗场景中对方案产生影响，“AI或许可以完成多学科团队（MDT）对于单纯病理症状的评估并给出建议，但患者最终选择的方案，仍需医者以同理心从‘模棱两可’的选项中帮助拍板。”

好医生应学会向AI借力

在王悍看来，虽然AI模型较难完全取代医生，但主动学习AI同时对其保持不依赖的心理，才是未来从事医疗领域的不二法则。“如果学不会向AI借力，在未来更精准、个性化的诊疗趋势中，医生会浪费更多宝贵的精力；但若过分盲信AI，就会成为‘被淘汰者’。”他直言。

11月30日，中国互联网络信息中心发布了《生成式人工智能应用发展报告（2024）》，截至今年6月，我国生成式人工智能产品的用户规模已达2.3亿人。由清华大学智能产业研究院团队打造的首家“AI医院”（Agent Hospital）预计将于2025年上半年对公众开放，医疗或将在不远的将来成为AI渗透生活的主要途径之一。

在上海，11月末也公布了首批5个医疗应用场景，包括中山医院AI电子病历辅助书写、AI医健助手，东方医院医生伴侣、科研助理及上海电信的就医小帮手等。正如东方医院AI医学大模型Med-Go创始人、急诊重症医学科主任张海涛所说，精准高效的可解释性医学回复内容，是医学模型的核心竞争力，也是赋能医学提高临床应用的重中之重，“AI来源于医生，也服务医生与患者，让其助力人才队伍的高效培养与升级，将最终为患者带来精益求精的医疗体验。”