今天小編分享的财經經驗：AI看病比醫生強？哈佛、斯坦福最新研究：o1-preview模型診斷準确率高達近80%，歡迎閱讀。
哈佛大學、斯坦福大學、微軟等頂尖學府和機構的多名醫學、AI 專家日前聯合開展了一項研究，對 OpenAI 旗下 o1-preview 模型在醫學推理任務的表現進行了綜合評估。
結果顯示，o1-preview 模型在多項任務中表現出卓越的能力，在鑑别診斷生成（判斷 " 這是什麼病 "）、診斷臨床推理（判斷 " 這最可能是什麼病 "）和管理推理（判斷 " 應該如何治療 "）方面，甚至達到了超人類水平。
目前，AI 技術在一些醫院已初步展開應用，覆蓋了分診導診、預先問診、病歷生成等多種場景。
清華大學電子工程系長聘教授、清華大學精準醫學研究院臨床大數據中心共同主任吳及告訴《每日經濟新聞》記者，"AI 在醫療領網域的應用難度較大，但會逐步滲透到一些典型場景中。"
圖片來源：論文《大型語言模型在醫學推理任務中的超人表現》
o1-preview 診斷準确率高達近 80%
該研究通過五個實驗對 o1-preview 模型進行了綜合能力評估，包括鑑别診斷生成、診斷推理、分診鑑别診斷、概率推理和管理推理能力。
這些實驗由醫學專家使用經過驗證的心理測量方法進行評估，旨在将 o1-preview 的性能與以前的人類對照組和早期大型語言模型基準進行比較。結果表明，與醫生、已有的大語言模型相比，o1-preview 在鑑别診斷、診斷臨床推理和管理推理的質量都有明顯提高。
在評估 o1-preview 鑑别診斷生成的能力時，研究人員使用了發表在國際頂級醫學期刊《新英格蘭醫學雜志》（NEJM）上的臨床病理會議（CPC）病例。結果表明，o1-preview 在鑑别診斷中的準确率高達 78.3%。
值得注意的是，o1-preview 在 88.6% 的病例中得出了準确或非常接近準确的診斷結果，而 GPT-4 只有 72.9%。
此外，在 87.5% 的病例中，o1-preview 選擇了恰當的檢查項目；另在 11% 的病例中，兩位醫生均認為該模型所選檢查方案是有效的；而在僅有的 1.5% 的病例中，其檢查方案被兩位醫生認為是無效的。
為了進一步評估 o1-preview 的臨床推理能力，研究人員使用了 NEJM Healer（一款在線工具，學習者可以通過與虛拟患者的互動來提升他們的臨床推理和診斷技能）中的 20 個臨床病例。
結果表明，o1-preview 的表現明顯優于 GPT-4、主治醫師和住院醫師。在 80 例病例中，有 78 例獲得了完美的 R-IDEA 評分。R-IDEA 評分是一個 10 分制量表，用于評估臨床推理能力。
此外，研究人員還通過灰質管理案例和标志性診斷案例評估了 o1-preview 的管理和診斷推理能力。
在灰質管理案例中，o1-preview 得分明顯高于 GPT-4、使用 GPT-4 的醫生和使用傳統資源的醫生。在标志性診斷案例中，o1-preview 的性能與 GPT-4 相當，但優于使用 GPT-4 或傳統資源的醫生。
研究仍有局限性
研究表明，大語言模型如 o1-preview 在輔助醫生進行診斷決策方面具有巨大潛力。然而，該項研究也具有部分局限性。
首先，o1-preview 有 " 啰嗦 " 傾向，而這種特性可能會讓其在試驗中取得更高分。
其次，目前的研究只反映了模型性能，但現實中離不開人機互動。人機互動對開發臨床決策輔助工具至關重要，下一步應該确定大語言模型（如 o1-preview）能否增強人機互動。人類與計算機之間的互動或許是不可預測的，表現良好的模型與人類互動中甚至可能出現能力退化的情況。
第三，研究只考察了臨床推理的五個方面，但目前已知有幾十個其它任務可能對實際的臨床護理有更大影響。
第四，研究案例集中在内科，并不能代表所有醫療實踐。此外，研究在設計上也未将診斷類型、患者個體差異以及就醫地點的不同等因素納入考量。
研究人員強調，醫學領網域診斷推理的基準正迅速接近飽和狀态，因此亟需開發更具挑戰性和貼近實際應用的評估手段。他們呼籲在真實的臨床環境中測試這些技術，并為臨床醫生與人工智能的合作創新做好準備。
專家：AI 将逐步滲透醫療典型場景
目前，AI 技術在一些醫院已初步展開應用，覆蓋了分診導診、預先問診和病歷生成等多種場景。
美國耶魯大學教授威廉 · 基西克（WiliamKissick）提出了著名的 " 醫療不可能三角 " 理論。這個理論指出，在既定的約束條件下，一個國家的醫療系統很難同時實現提高醫療服務質量、增加醫療服務可及性和降低醫療服務的價格。現實中的醫療困境，如 " 看病難、看病貴 " 以及不斷出現的醫患矛盾，正是傳統醫療體系 " 醫療不可能三角 " 的具體表現。
圖片來源：甲子光年智庫
而醫療 AI 的興起可能為解決這一難題提供新的答案。AI 賦能下的醫療服務可以大規模接待患者，實現随時随地的無限供應，并且其水平會随着持續訓練迅速提升，已經達到了具有 10 至 15 年臨床經驗醫生的水準，且每月還在不斷進步。
清華大學電子工程系長聘教授、清華大學精準醫學研究院臨床大數據中心共同主任吳及在接受《每日經濟新聞》記者采訪時指出，相比自動化、智能設備等場景，AI 在醫療場景的應用更為復雜。
吳及提到，醫療本質上是人對人的服務，這一過程非常復雜，醫學診療不僅包含理論和科學，還涉及大量經驗，很多時候依賴專家的直覺。因此，"AI 在醫療領網域的應用難度較大，但會逐步滲透到一些典型場景中。"
據市場研究機構 Global Market Insights 的統計，2023 年，醫療保健領網域的 AI 市場規模價值為 187 億美元，預計到 2032 年将達到 3171 億美元，2024 年至 2032 年的復合年增長率為 37.1%。
每日經濟新聞
