題圖 | Pixabay

撰文 | 王聰

2026年1月，OpenAI發(fā)布的報(bào)告顯示，在全球范圍內(nèi)，有超過5%的與ChatGPT的對話與醫(yī)療保健相關(guān)，每天有超過4000萬人向ChatGPT咨詢醫(yī)療保健方面的問題。

同月，OpenAI推出了其首款A(yù)I醫(yī)療產(chǎn)品：ChatGPT Health，這是一款面向消費(fèi)者用戶的健康服務(wù)產(chǎn)品，旨在幫助用戶理解醫(yī)療信息，并為與人類臨床醫(yī)生的會面做好準(zhǔn)備。

那么，ChatGPT Health的實(shí)際表現(xiàn)如何呢？

2026年2月23日，西奈山伊坎醫(yī)學(xué)院的研究人員在"Nature Medicine"期刊上發(fā)表了一篇題為" ChatGPT Health performance in a structured test of triage recommendations "的研究論文。

這項(xiàng)研究評測了ChatGPT Health在分診建議方面的表現(xiàn)，結(jié)果顯示，其存在漏判高危急癥以及危機(jī)干預(yù)觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔(dān)憂。例如，對于“糖尿病酮癥酸中毒”和“即將發(fā)生的呼吸衰竭”這類危及生命的狀況，其建議患者在“24-48小時后再評估”，而不是立即前往急診科。

圖：論文截圖

在這項(xiàng)研究中，研究團(tuán)隊(duì)使用臨床醫(yī)生撰寫的涵蓋21個臨床領(lǐng)域的60個病例情景，在16種不同條件下，對ChatGPT Health的分診建議進(jìn)行了結(jié)構(gòu)化壓力測試。

結(jié)果顯示，ChatGPT Health的測試總體表現(xiàn)呈“倒U型”分布，其在處理中等緊急程度的病例時表現(xiàn)尚可，最危險(xiǎn)的失誤集中在兩個臨床極端——非緊急臨床表現(xiàn)（失誤率35%）和緊急狀況（失誤率48%）。

在明確需要急診的“金標(biāo)準(zhǔn)”病例中，ChatGPT Health錯誤地將52%的病例判斷為不需要立即急診。例如：對于“糖尿病酮癥酸中毒”和“即將發(fā)生的呼吸衰竭”這類危及生命的狀況，其建議患者在“24-48小時后再評估”，而不是立即前往急診科。

研究還顯示，ChatGPT Health易受他人意見影響，也就是存在錨定偏見，當(dāng)病例描述中提到家人或朋友低估了癥狀，其給出的分診建議會顯著地向“降低緊急程度”偏移。這種影響在邊緣案例中尤為明顯。

對于有Suicide傾向的患者，ChatGPT Health的危機(jī)干預(yù)的觸發(fā)情況難以預(yù)測，在患者未描述具體Suicide方法時，危機(jī)干預(yù)觸發(fā)頻率反而高于描述具體方法時。

總的來說，這項(xiàng)研究結(jié)果揭示了人工智能分診系統(tǒng)存在漏判高危急癥以及危機(jī)干預(yù)觸發(fā)不一致的問題，這引發(fā)了對其安全性的擔(dān)憂。

參考文獻(xiàn)：

https://doi.org/10.1038/s41591-026-04297-7

助力醫(yī)學(xué)研究高質(zhì)量發(fā)展，推動醫(yī)療科技創(chuàng)新轉(zhuǎn)化！

研究設(shè)計(jì)|課題申報(bào)|數(shù)據(jù)挖掘|統(tǒng)計(jì)分析

生信分析|選題指導(dǎo)|寫作指導(dǎo)|評審指導(dǎo)

選刊投稿指導(dǎo)|研究項(xiàng)目指導(dǎo)|定制化培訓(xùn)

定制化研究設(shè)計(jì)|真實(shí)世界研究（RWS）實(shí)施

致力于生命科學(xué)和醫(yī)學(xué)領(lǐng)域最前沿、最有趣的科研進(jìn)展。

醫(yī)諾維，一站式科研平臺，助力醫(yī)學(xué)科研成功轉(zhuǎn)化。

轉(zhuǎn)載、進(jìn)群、宣傳成果、課題組招聘、合作推廣等，請?zhí)砑有【?，注明來意?/p>

（請注明來意）