自然医学杂志：用AI帮助看诊表现平平

寂静回声

发表2026年2月《自然医学》（Nature Medicine）期刊上的一项新研究表明，人工智能（AI）在看诊上表现平平，用AI帮助患者做健康决策，并不比其它方法更有效。
研究人员表示，这项研究意义重大，因为人们越来越多地转向AI寻求医疗建议，但目前缺少证据表明AI是一种更佳和更安全的方法。

这项研究由牛津大学互联网研究所与一组医生合作完成，他们设计了10种不同的医疗情景，涵盖从普通感冒到危及生命的脑出血等各种情况。
研究人员首先选定了三个大型语言模型——OpenAI的Chat GPT-4o、Meta的Llama3，和Cohere的Command R+进行测试，结果显示这些AI工具识别出了94.9%的病情，此外还在56.3%的案例中选择了正确的行动方案，例如呼叫救护车或建议患者看医。
但在实地测试环节，AI的表现则远远不如理论。研究人员在英国招募了1298名参与者，让他们分别使用AI、常用资源（例如互联网搜索、自身经验或英国国家医疗服务体系网站）来调查症状并决定下一步行动。
结果显示，参与者使用AI识别相关疾病的比例不足34.5%，而给出正确行动方案的比例也不足44.2%。这一表现与使用传统工具的对照组相比并无优势。

该论文的合著者、牛津大学副教授Adam Mahdi表示，这项研究表明AI的理论与人类实际使用之间存在着的“巨大差距”。
“这些AI可能拥有丰富的知识，然而，这些知识在与人类互动时并不总是能够有效转化。”他说，这意味着还需要开展更多研究来探究造成这种情况的原因。
研究团队详细分析了约30次交互，并得出结论：虽然人类常常提供不完整或错误的信息，但AI也会产生误导性或不正确的回复。
例如，一位患者描述了蛛网膜下腔出血（一种危及生命的脑出血）的症状，包括颈部僵硬、畏光和“有史以来最严重的头痛”，AI正确地建议他去医院就诊。
而另一位患者描述了相同的症状，但在提到头痛时使用的是“剧烈”一词，AI只是建议他躺在调淡光线的房间里休息。

研究团队计划在不同国家、使用不同语言，并随着时间的推移开展类似研究，以测试这是否会影响AI的性能。
该研究得到了数据公司Prolific、德国非营利组织迪特‧施瓦茨基金会（Dieter Schwarz Stiftung）以及英国和美国政府的支持。