AI对医生没用？斯坦福、哈佛重磅研究揭开AI医疗痛点，DeepSeek远远不够！

开年以来，AI火爆医疗圈，超过100家医院官宣接入DeepSeek。

然而，在市场预期拉满的同时，一线使用者们却对AI褒贬不一，有医生表示：AI真正起到的作用还很有限。

去年10月，斯坦福大学、哈佛医学院等机构的研究人员在JAMA Network Open上发表了题为Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial的论文。

该研究针对50名医生进行随机临床试验，结果发现使用大语言模型 (LLM) 并没有显著提高医生的诊断推理能力。

造成这一结果的原因并非是AI不够强大，研究结果显示，AI独立使用的效果要比人类医生以及人类医生+AI更好！

一直以来，人们对AI的定位往往是医生的“好助手”，而该研究却否定了强大的AI模型对医生临床诊断的提升作用，人与AI的结合实际上起到了1+1=1的效果。

这一发现不禁让人开始重新审视AI在医疗领域的角色定位，是我们对AI的认知还不够深入全面，还是人类医生与AI之间的协作模式还存在优化空间？

毕竟，医疗领域关乎的是生命健康，容不得丝毫马虎。在期待AI能够为医疗事业带来革新的同时，如何实现AI与人类医生的优势互补，将是未来的关键课题。

斯坦福大学医学助理教授Jonathan Chen和斯坦福大学生物医学信息学研究中心博士后Ethan Goh是此次研究的发起人。

Chen拥有计算机科学博士学位，多年前曾是一名程序员，对计算机+医学这一交叉领域地研究已有20多年，而Goh则曾担任内科医生，与谷歌、罗氏、三星等公司合作开发数字医疗产品。

图：Ethan Goh（左）和Jonathan Chen（右）

具体而言，他们招募了50名美国执业医师，包括26名主治医师和24名住院医师，专业涵盖家庭医学、内科和急诊医学。

通过随机分组，其中AI组25人使用大语言模型（GPT-4）+传统资源，传统组25人仅使用传统资源（如UpToDate、Google）。

最终，所有参与者共完成 244例诊断（AI组125 例，对照组119 例），由3名资深医师盲审给出评分。

结果显示，AI组中位数得分为76%（IQR 66%-87%），传统组为74%（IQR 63%-84%），调整后差异为2个百分点，诊断性能无显著差异。

时间上，LLM组每例耗时519秒（IQR 371-668），传统组565秒（IQR 456-788），差别也不明显。

是因为AI不够强大吗？答案是否定的，研究人员让AI单独表现时，其得分达92%（IQR 82%-97%），显著高于AI组和传统组。

研究人员得出结论：与传统资源相比，大语言模型作为强大的诊断辅助工具却并没有提高医生的表现，AI在临床决策上的潜力有待进一步发掘。

人们往往会认为，只要医生使用AI，就能提升诊疗的准确性与效率。但事实证明，这种假设是错误的。

究其原因，AI的确很强大，但如果医生们并不能熟练掌握，其作用仍然有限。

也正因如此，在文章的最后，研究人员们认为需要“通过重新设计医学教育和实践框架来适应颠覆性的新兴技术”。

在实际工作中，因为不明白如何使用AI而导致效果大打折扣的案例比比皆是。

一项来自麻省理工学院-哈佛大学的联合研究同样指出，AI在图像识别等任务上表现优异，但这些能力未被医生们充分利用。

该研究调查了180名来自美国和越南的放射科医生，结果发现，即便AI的预测准确性高于医生，但医生仍倾向于依赖自身经验或直觉。

这意味着，即使AI是正确的，医生也往往会坚持自己的第一印象，导致他们做出的诊断不太准确。

这暴露出人和AI协同的深层矛盾，如何在医生与AI之间建立起更加和谐的互动关系，成为AI医疗能否真正落地的关键。

这让我想起历史上多起民航空难事故，正是由于飞行员与自动驾驶争夺控制权，最终酿成了不可挽回的结果。

必须承认，自动驾驶极大程度上简化了飞行员的操作，实现了对飞机非常精准的操控，但当电脑结果会和飞行员的判断产生冲突，将直接挑战着航空安全的底线。

而现代民航制度已经发展出一套成熟的方案来应对，通过多层次的安全设计和标准化流程，构建起「人机协同」的决策体系。

同样是人命关天的大事，当AI深入到医疗领域，或许可以学习航空业的经验，在教育培训制度、标准化工作程序、监管框架设计等方面发力，突破信任危机与效率瓶颈。

尽管不少医院均表示已经接入DeepSeek，但大部分医院仅仅是停留在Chatbot（聊天机器人）的形式，其实际效果究竟如何需要打个大大的问号。

尤其是在医疗资源极为稀缺的中国，如果AI不能真正提高效率、解决实际问题，医务工作人员将很快抛弃这些工具，风口之后只会留下一地鸡毛。

DeepSeek的出现，仅仅解决了AI医疗最为初级的问题，其技术价值还没有触及医疗细分场景的核心痛点，而这个则是留给相关公司们的更大机会。

对于当下的AI医疗公司来说，与其在参数、性能上内卷，不如在理解临床需求、匹配实际场景、优化用户体验、提供培训支持等方向上深化，让AI能够融入到医务人员的工作流之中。

未来的成功不在于AI能完成多少项“炫技”，而在于它能否成为诊疗过程中不可分割的智能伙伴。

当DeepSeek完成市场启蒙后，AI医疗真正的战场将在每一次问诊、每一份病历、每一项数据中进行，只有那些最懂患者、最懂医院、最懂中国的公司，才能成为这场深刻的行业革命中的赢家。

参考文献：

Hswen Y, Rubin R. An AI Chatbot Outperformed Physicians and Physicians Plus AI in a Trial—What Does That Mean? JAMA. 2025;333(4):273–276.

Agarwal, Nikhil and Moehring, Alex and Rajpurkar, Pranav and Salz, Tobias, Combining Human Expertise with Artificial Intelligence: Experimental Evidence from Radiology (July 2023)

—The End—