最新研究给AI医生泼冷水：诊断准确率仅为52.1%，与非专家医生相当

在人工智能（AI）技术飞速发展的当下，AI在医疗领域的应用一直备受关注。然而，一项最新的研究结果却给AI医生的前景泼了一盆冷水。据报道，大阪都会大学医学研究生院的研究团队深入评估了生成式AI在诊断医疗状况方面的表现，并将其与医生进行了对比，发现结果不那么如人意。

研究团队从18371项研究中筛选出83项进行详细分析，涵盖了GPT-4、Llama3 70B、Gemini 1.5 Pro和Claude 3 Sonnet等主流生成式AI模型，覆盖了多个医疗领域。结果显示，这些AI模型的平均诊断准确率仅为52.1%（95%置信区间：47.0% - 57.1%），这一数字远远低于人们的预期。

更令人意外的是，AI的诊断准确率与非专家医生相当，两者之间没有显著统计差异（准确率差异：0.6%[95%置信区间：-14.5%至15.7%]，p=0.93）。这意味着，尽管AI在某些领域表现出色，但在整体医疗诊断中，其能力并不比普通医生更强。而与专家医生相比，AI的差距则更为明显，专家医生的准确率高出AI 15.8%（95%置信区间：4.4% - 27.1%，p=0.007）。

研究还发现，AI在大多数医学专科的表现较为一致，但在皮肤科和泌尿科这两个领域却出现了例外。在皮肤科，AI的表现相对出色，这可能是因为该领域涉及模式识别，而这是AI的强项。然而，皮肤科同样需要复杂的推理和针对患者的决策，AI的优势并不能完全反映其在该领域的实际应用价值。对于泌尿科，研究结果仅基于一项大型研究，结论的普适性受到一定限制。

研究团队指出，尽管生成式AI在医学教育中具有一定的潜力，可以用于模拟真实病例，帮助医学生和受训者学习和评估技能，但在实际医疗诊断中，其局限性仍然明显。研究人员强调，未来的研究需要在更复杂的临床场景中进行评估，使用实际病历进行性能评估，提高AI决策的透明度，并在不同患者群体中进行验证，以进一步证实AI的能力。

此外，研究还对AI模型的透明度和偏见提出了担忧。许多AI系统并未公开其训练数据的详细信息，这引发了关于其结果是否适用于所有人群的疑问。研究人员指出，透明度是确保对模型知识、背景和局限性理解的关键，而目前AI系统的不透明性可能会限制其在医疗领域的广泛应用。

总之，尽管生成式AI具有巨大潜力，但在涉及详细患者信息的复杂病例中仍面临巨大挑战。这项研究结果表明，AI在医疗诊断领域的应用仍需谨慎，其距离真正替代医生还有很长的路要走。