在人工智能（AI）技術(shù)飛速發(fā)展的當(dāng)下，AI在醫(yī)療領(lǐng)域的應(yīng)用一直備受關(guān)注。然而，一項最新的研究結(jié)果卻給AI醫(yī)生的前景潑了一盆冷水。據(jù)報道，大阪都會大學(xué)醫(yī)學(xué)研究生院的研究團(tuán)隊深入評估了生成式AI在診斷醫(yī)療狀況方面的表現(xiàn)，并將其與醫(yī)生進(jìn)行了對比，發(fā)現(xiàn)結(jié)果不那么如人意。

研究團(tuán)隊從18371項研究中篩選出83項進(jìn)行詳細(xì)分析，涵蓋了GPT-4、Llama3 70B、Gemini 1.5 Pro和Claude 3 Sonnet等主流生成式AI模型，覆蓋了多個醫(yī)療領(lǐng)域。結(jié)果顯示，這些AI模型的平均診斷準(zhǔn)確率僅為52.1%（95%置信區(qū)間：47.0% - 57.1%），這一數(shù)字遠(yuǎn)遠(yuǎn)低于人們的預(yù)期。

更令人意外的是，AI的診斷準(zhǔn)確率與非專家醫(yī)生相當(dāng)，兩者之間沒有顯著統(tǒng)計差異（準(zhǔn)確率差異：0.6%[95%置信區(qū)間：-14.5%至15.7%]，p=0.93）。這意味著，盡管AI在某些領(lǐng)域表現(xiàn)出色，但在整體醫(yī)療診斷中，其能力并不比普通醫(yī)生更強(qiáng)。而與專家醫(yī)生相比，AI的差距則更為明顯，專家醫(yī)生的準(zhǔn)確率高出AI 15.8%（95%置信區(qū)間：4.4% - 27.1%，p=0.007）。

研究還發(fā)現(xiàn)，AI在大多數(shù)醫(yī)學(xué)?？频谋憩F(xiàn)較為一致，但在皮膚科和泌尿科這兩個領(lǐng)域卻出現(xiàn)了例外。在皮膚科，AI的表現(xiàn)相對出色，這可能是因為該領(lǐng)域涉及模式識別，而這是AI的強(qiáng)項。然而，皮膚科同樣需要復(fù)雜的推理和針對患者的決策，AI的優(yōu)勢并不能完全反映其在該領(lǐng)域的實際應(yīng)用價值。對于泌尿科，研究結(jié)果僅基于一項大型研究，結(jié)論的普適性受到一定限制。

研究團(tuán)隊指出，盡管生成式AI在醫(yī)學(xué)教育中具有一定的潛力，可以用于模擬真實病例，幫助醫(yī)學(xué)生和受訓(xùn)者學(xué)習(xí)和評估技能，但在實際醫(yī)療診斷中，其局限性仍然明顯。研究人員強(qiáng)調(diào)，未來的研究需要在更復(fù)雜的臨床場景中進(jìn)行評估，使用實際病歷進(jìn)行性能評估，提高AI決策的透明度，并在不同患者群體中進(jìn)行驗證，以進(jìn)一步證實AI的能力。

此外，研究還對AI模型的透明度和偏見提出了擔(dān)憂。許多AI系統(tǒng)并未公開其訓(xùn)練數(shù)據(jù)的詳細(xì)信息，這引發(fā)了關(guān)于其結(jié)果是否適用于所有人群的疑問。研究人員指出，透明度是確保對模型知識、背景和局限性理解的關(guān)鍵，而目前AI系統(tǒng)的不透明性可能會限制其在醫(yī)療領(lǐng)域的廣泛應(yīng)用。

總之，盡管生成式AI具有巨大潛力，但在涉及詳細(xì)患者信息的復(fù)雜病例中仍面臨巨大挑戰(zhàn)。這項研究結(jié)果表明，AI在醫(yī)療診斷領(lǐng)域的應(yīng)用仍需謹(jǐn)慎，其距離真正替代醫(yī)生還有很長的路要走。