【新智元导读】AI从医疗东西变身为协作队友，斯坦福大学研讨提醒：医师确诊准确率竟飙升10%！70名美国执业医师参加的实在测验，AI-first、AI-second与传统确诊，谁能更精准破解临床谜题？
斯坦福大学的一群医师和工程师，最近做了一项研讨：让AI和人类医师组队，一起破解杂乱的确诊难题。
成果让人惊奇：当AI从「东西」变成「队友」，医师的确诊准确率直接飙升了10%。
还有人表明，「关于一个担负数十万美元债款的医师来说，这种发现有点令人惧怕。这还仅仅用GPT 4，没办法幻想o3会有多凶猛。」
这导致医师很难信赖AI的判别，甚至会呈现过「医师用AI辅佐确诊，成果反而比AI独自确诊更差」的状况。
试验规划很奇妙：让医师和AI各自先独立剖析病例，然后AI生成一份联合陈述，不只列出两边的一致和不合，还会像资深医师相同点评每个确诊的合理性。
比方，当医师考虑真性红细胞增多症，AI会弥补低EPO水平支撑这一确诊，但需扫除稀有的EPO排泄肿瘤。
团队根据GPT-4开发了一款定制化的AI体系，规划了两种协作作业流程，别离测验AI-first和AI-second时的作用。
70名美国执业的内科或家庭科医师参加了这项试验，他们被随机分配到以下三种组别之一：
AI-first组：医师首要输入病例信息，查看AI生成的确诊主张（包括五个或许的确诊和七个后续过程），然后结合自己的判别构成终究确诊。
AI-second组：医师先独立完结确诊（可以正常的运用传统资源如UpToDate、PubMed等），再将病例和自己的开始确诊输入AI体系，AI会生成独立剖析并与医师的确诊进行整合，生成一份归纳陈述。
每个病例包括病史、体检和试验室查看成果，医师需求出示三个或许的确诊、支撑和对立的依据、终究确诊及三个后续过程。
研讨经过19分制的评分体系评价确诊的准确性，评分由两位内科认证医师独立完结，且评分者不知道答案来自医师仍是AI，以保证公正。
它不只生成自己的确诊，还会比照医师和AI的判别，生成一份归纳陈述，明晰列出两边提出的确诊、一致点、不合点，并对每个确诊供给谈论。
医师和AI协作后，虽然没超越AI独自水平，却比医师单打独斗强。这阐明，AI能补全人类思想的缝隙。
在终究确诊和后续过程（即临床上可操作的决议计划）方面，AI-first比AI-second组体现更好（高8.9%，p=0.026）。
AI-second相较于对照组在这些决议计划上的得分提升了14.9%（p=0.00092），其间36%的病例在与AI互动后有所提高。
AI-first完结每个病例的均匀时刻为631秒，略快于AI-second的688秒。在除掉未严厉遵从流程的病例后，AI-first的优势更显着。
一切医师在试验后对AI的情绪明显改进，98.6%表明愿意在杂乱临床推理中运用AI（试验前为91.4%，p=0.011）。
医师很简单漏掉某个试验室目标（比方「血清LDH升高」提示细胞损坏），但AI能瞬间扫描一切数据，精准相关高LDH+巨幼细胞贫血或许指向骨髓增生反常归纳征。
比方看到晚年女人、乏力、舌炎，或许榜首先考虑缺铁性贫血，但AI会跳出经历结构，提出维生素B12缺少或甲状腺功用减退的或许性。
决议计划链的逻辑性：AI的确诊陈述就像思想流程图：先列出3个最或许的确诊，再用支撑依据和对立依据逐条证明，终究给出3个下一步查看主张。
1.会「吵架」的批判性思想：当医师的确诊和AI不一致时，AI不会直接遵守，而是会说：「您说到的原发性胆汁性胆管炎或许性较低，由于患者缺少胆汁淤积的依据，但必需要分外留意稀有变异型。」
2.能「翻译」的交流才能：传统AI输出的是学术化的言语，但试验中的AI会用口语化表达：「现在看，真性红细胞增多症是最或许的，但淋巴瘤不能彻底扫除，主张先查血清EPO水平缓骨髓活检。」
3.可「追溯」的透明化决议计划：每个确诊定论，AI都会标示依据来历，比方「支撑淋巴瘤的依据是瘙痒和尿酸升高（引证文献X），对立依据是缺少淋巴结肿大（引证攻略Y）。」
研讨发现，AI-second组中，AI的独立剖析有时会遭到医师开始确诊的影响。
试验中有个风趣的细节：AI-second组中，48%的病例中AI的确诊和医师初始定见彻底堆叠，而AI-first组仅为3%。
阐明假如医师先入为主给出思路，AI或许会「投合」人类判别，未能彻底遵从独立剖析的指令。
比方，有个病例中医师误判缺铁性贫血，AI在后续剖析中竟然也把这个确诊放在了榜首位。虽然依照数据，维生素B12缺少才是更合理的方向。
这意味着，AI的批判性依赖于独立思考的空间，一旦被人类思想锚定，反而会下降协作价值。
有位住院医师在看到AI提出骨髓瘤时，马上辩驳：患者没有骨痛和蛋白尿，这个确诊或许性太低，并终究经过诘问病史扫除了这一方向。