网易首页 > 网易号 > 正文 申请入驻

98%医生点赞的AI队友,斯坦福实验揭秘:诊断准确率飙升10%!

0
分享至

  新智元报道

  编辑:英智

  【新智元导读】AI从医疗工具变身为协作队友,斯坦福大学研究揭示:医生诊断准确率竟飙升10%!70名美国执业医生参与的真实测试,AI-first、AI-second与传统诊断,谁能更精准破解临床谜题?

  你敢让AI帮你看病吗?

  斯坦福大学的一群医生和工程师,最近做了一项研究:让AI和人类医生组队,共同破解复杂的诊断难题。

  论文链接:https://www.medrxiv.org/content/10.1101/2025.06.07.25329176v1.full.pdf

  结果让人惊讶:当AI从「工具」变成「队友」,医生的诊断准确率直接飙升了10%。

  网友惊叹:颠覆的临界点即将到来!

  「充满热情的医生加上AI将势不可挡。」

  「AI驱动的临床决策支持,仍然是该领域最有力的杠杆之一。」

  还有人表示,「对于一个背负数十万美元债务的医生来说,这种发现有点令人害怕。这还只是用GPT 4,无法想象o3会有多厉害。」

  AI当医生,

  抢饭碗还是递扳手?

  过去几年,AI在医疗领域的存在感越来越强,从影像识别到药物研发。

  但医生把它当搜索工具,用来查指南、找文献,却不敢真正把它当作「搭档」。

  为什么会这样?斯坦福的研究团队发现,关键问题出在交互模式上。

  早期的AI就像个沉默的助手,医生输入问题,它输出答案。

  这导致医生很难信任AI的判断,甚至出现过「医生用AI辅助诊断,结果反而比AI单独诊断更差」的情况。

  于是,他们决定做一个颠覆性实验:把AI变成会讨论的队友。

  实验设计很巧妙:让医生和AI各自先独立分析病例,然后AI生成一份联合报告,不仅列出双方的共识和分歧,还会像资深医生一样点评每个诊断的合理性。

  比如,当医生考虑真性红细胞增多症,AI会补充低EPO水平支持这一诊断,但需排除罕见的EPO分泌肿瘤。

  当医生漏掉淋巴瘤的可能性,AI会提醒瘙痒和尿酸升高可能是这个方向。

  团队基于GPT-4开发了一款定制化的AI系统,设计了两种协作工作流程,分别测试AI-first和AI-second时的效果。

  70名美国执业的内科或家庭科医生参与了这项试验,他们被随机分配到以下三种组别之一:

  AI-first组:医生首先输入病例信息,查看AI生成的诊断建议(包括五个可能的诊断和七个后续步骤),然后结合自己的判断形成最终诊断。

  AI-second组:医生先独立完成诊断(可以使用传统资源如UpToDate、PubMed等),再将病例和自己的初步诊断输入AI系统,AI会生成独立分析并与医生的诊断进行整合,生成一份综合报告。

  对照组:医生仅使用传统资源完成诊断,不与AI互动。

  实验使用了六个基于真实患者的临床病例,涵盖了复杂诊断场景。

  每个病例包含病史、体检和实验室检查结果,医生需要提供三个可能的诊断、支持和反对的证据、最终诊断及三个后续步骤。

  研究通过19分制的评分系统评估诊断的准确性,评分由两位内科认证医生独立完成,且评分者不知道答案来自医生还是AI,以确保公平。

  AI系统的核心设计在于协作。

  它不仅生成自己的诊断,还会对比医生和AI的判断,生成一份综合报告,清晰列出双方提出的诊断、共识点、分歧点,并对每个诊断提供评论。

  这种设计旨在激发医生的批判性思考,而非简单依赖AI的输出。

  研究结果:

  AI显著提升诊断准确性

  研究结果令人振奋,AI协作组的医生表现明显优于仅使用传统工具的对照组。

  诊断准确性:

  对照组(传统工具):平均得分75%。

  AI-first组:平均得分85%,比对照组高9.8%(p<0.0004)。

  AI-second组:平均得分82%,比对照组高6.8%(p<0.00001)。

  AI单独运行:平均得分90%,略高于协作组但差异不显著。

  医生和AI协作后,虽然没超过AI单独水平,却比医生单打独斗强。这说明,AI能补全人类思维的漏洞。

  在最终诊断和后续步骤(即临床上可操作的决策)方面,AI-first比AI-second组表现更好(高8.9%,p=0.026)。

  AI-second相较于对照组在这些决策上的得分提升了14.9%(p=0.00092),其中36%的病例在与AI互动后有所提高。

  AI-first完成每个病例的平均时间为631秒,略快于AI-second的688秒。在剔除未严格遵循流程的病例后,AI-first的优势更明显。

  所有医生在试验后对AI的态度显著改善,98.6%表示愿意在复杂临床推理中使用AI(试验前为91.4%,p=0.011)。

  为什么AI当队友更厉害?

  信息过载与遗漏:临床诊断就像拼拼图,每个病例可能包含几十条线索。

  医生很容易漏掉某个实验室指标(比如「血清LDH升高」提示细胞破坏),但AI能瞬间扫描所有数据,精准关联高LDH+巨幼细胞贫血可能指向骨髓增生异常综合征。

  经验依赖的陷阱:资深医生容易被典型病例固化思维。

  比如看到老年女性、乏力、舌炎,可能优先考虑缺铁性贫血,但AI会跳出经验框架,提出维生素B12缺乏或甲状腺功能减退的可能性。

  决策链的逻辑性:AI的诊断报告就像思维流程图:先列出3个最可能的诊断,再用支持证据和反对证据逐条论证,最后给出3个下一步检查建议。

  AI的「人性化改造」

  为了让AI更懂医生,研究团队给它加了三个补丁。

  1.会「吵架」的批判性思维:当医生的诊断和AI不一致时,AI不会直接服从,而是会说:「您提到的原发性胆汁性胆管炎可能性较低,因为患者缺乏胆汁淤积的证据,但需要注意罕见变异型。」

  这种挑战不是对抗,而是逼医生重新审视自己的逻辑漏洞。

  2.能「翻译」的沟通能力:传统AI输出的是学术化的语言,但实验中的AI会用口语化表达:「目前看,真性红细胞增多症是最可能的,但淋巴瘤不能完全排除,建议先查血清EPO水平和骨髓活检。」

  这种说人话的能力,让医生更容易理解和接受。

  3.可「追溯」的透明化决策:每个诊断结论,AI都会标注证据来源,比如「支持淋巴瘤的证据是瘙痒和尿酸升高(引用文献X),反对证据是缺乏淋巴结肿大(引用指南Y)。」

  这解决了医生对AI黑箱决策的不信任感,让协作建立在可验证的基础上。

  AI的「锚定效应」

  研究发现,AI-second组中,AI的独立分析有时会受到医生初步诊断的影响。

  实验中有个有趣的细节:AI-second组中,48%的病例中AI的诊断和医生初始意见完全重叠,而AI-first组仅为3%。

  说明如果医生先入为主给出思路,AI可能会「迎合」人类判断,未能完全遵循独立分析的指令。

  比如,有个病例中医生误判缺铁性贫血,AI在后续分析中居然也把这个诊断放在了第一位。尽管按照数据,维生素B12缺乏才是更合理的方向。

  这意味着,AI的批判性依赖于独立思考的空间,一旦被人类思维锚定,反而会降低协作价值。

  但反过来,当AI先发言时,医生会更主动地挑战它的结论。

  有位住院医师在看到AI提出骨髓瘤时,立刻反驳:患者没有骨痛和蛋白尿,这个诊断可能性太低,并最终通过追问病史排除了这一方向。

  这种「对抗性协作」,反而激发了更深入的临床推理。

  参考资料:

  https://x.com/emollick/status/1931907652118069510

  https://www.medrxiv.org/content/10.1101/2025.06.07.25329176v1

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

人生录
2026-11-06 07:30:25
黄仁勋想回英伟达被打脸,与黄乐早期私密视频曝光

黄仁勋想回英伟达被打脸,与黄乐早期私密视频曝光

壹月情感
2026-11-18 13:49:29
APEC全家福官方配饰亮相,红蓝长巾吸睛,参与设计师揭秘

APEC全家福官方配饰亮相,红蓝长巾吸睛,参与设计师揭秘

南方都市报
2026-11-19 16:56:09
阿卡退出年终?以今晚检查结果为准,明年多哈与迪拜赛取消?

阿卡退出年终?以今晚检查结果为准,明年多哈与迪拜赛取消?

网球之家
2026-11-19 20:41:13
丰盈不是累赘,饱满身姿更显大气

丰盈不是累赘,饱满身姿更显大气

穿的像个人样
2026-11-17 08:01:36
女子经常陪情夫睡情夫仍不满足,丈夫回来他还要来,2020年情夫被发现在水渠里

女子经常陪情夫睡情夫仍不满足,丈夫回来他还要来,2020年情夫被发现在水渠里

丫头舫
2026-11-19 21:59:09
探访澳大利亚总理逛过的深圳超市:其品尝并赞扬“非常美味”的M9级澳洲和牛眼肉,每公斤3180元

探访澳大利亚总理逛过的深圳超市:其品尝并赞扬“非常美味”的M9级澳洲和牛眼肉,每公斤3180元

极目新闻
2026-11-19 00:33:17
最后10分钟,力挽狂澜

最后10分钟,力挽狂澜

贩财局
2026-11-19 16:11:21
英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

环球趣闻分享
2026-11-18 14:57:47
一人洗碗,全家致癌?提醒:洗碗时的几个坏习惯,你占了几个?

一人洗碗,全家致癌?提醒:洗碗时的几个坏习惯,你占了几个?

39健康网
2026-11-18 17:30:46
钱再多有什么用?被送进急救的于和伟,给所有男明星提了个醒

钱再多有什么用?被送进急救的于和伟,给所有男明星提了个醒

云舟史策
2026-11-19 07:13:32
7天内不撤回中国诉讼,每天罚500万欧元,封顶3亿!闻泰科技和安世已经从董事会吵架,升级成了一场按天计费的法律围猎

7天内不撤回中国诉讼,每天罚500万欧元,封顶3亿!闻泰科技和安世已经从董事会吵架,升级成了一场按天计费的法律围猎

扶苏聊历史
2026-11-18 11:21:53
一首《慌啥子嘛》把我听吐了......

一首《慌啥子嘛》把我听吐了......

细雨中的呼喊
2026-11-17 18:21:32
当下 “发不出工资” 的 4 个行业!比想象中还严重!

当下 “发不出工资” 的 4 个行业!比想象中还严重!

职场资深秘书
2026-11-19 16:08:33
争议!张水华被上海马拉松拒之门外 网友热议:瞧不起人 区别对待

争议!张水华被上海马拉松拒之门外 网友热议:瞧不起人 区别对待

念洲
2026-11-19 08:22:51
刘德华被问到多个流传多年的传闻,他亲口证实“都是真的”

刘德华被问到多个流传多年的传闻,他亲口证实“都是真的”

韩小娱
2026-11-19 08:49:36
克里米亚大桥再次遭袭,列车暂停通行

克里米亚大桥再次遭袭,列车暂停通行

澎湃新闻
2026-11-19 16:19:04
1950年新疆两千五百名叛匪烧杀抢掠,王震不调援兵,转头从监狱提出大批惯匪,这群死囚反倒成了剿匪奇兵

1950年新疆两千五百名叛匪烧杀抢掠,王震不调援兵,转头从监狱提出大批惯匪,这群死囚反倒成了剿匪奇兵

磊子讲史
2026-11-18 14:55:01
APEC现场|王毅:中俄美元首会晤为新时期大国协调互动构建了新范式

APEC现场|王毅:中俄美元首会晤为新时期大国协调互动构建了新范式

澎湃新闻
2026-11-19 22:44:40
高市早苗到了,从APEC欢迎仪式开始,日媒就酸了

高市早苗到了,从APEC欢迎仪式开始,日媒就酸了

芳华青年
2026-11-19 10:23:28
2026-11-19 23:19:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16720文章数 67240关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

时尚
艺术
教育
家居
军事航空

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

家居要闻

2026建博会(广州) 公装联探展交流活动

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版