《科學(xué)》期刊周四發(fā)表的一項(xiàng)研究顯示，OpenAI的推理模型在真實(shí)醫(yī)療場(chǎng)景診斷中，準(zhǔn)確率超過(guò)三分之二，而資深醫(yī)生只有一半。

這不是實(shí)驗(yàn)室玩具。研究人員用的是波士頓一家醫(yī)院急診科的電子病歷，病例從未公開(kāi)，模型和醫(yī)生都是第一次見(jiàn)。

誰(shuí)在做這個(gè)測(cè)試

研究團(tuán)隊(duì)來(lái)自波士頓貝斯以色列女執(zhí)事醫(yī)療中心。他們?cè)O(shè)計(jì)了一套殘酷的對(duì)比實(shí)驗(yàn)：讓OpenAI的o1推理模型、舊版GPT-4、執(zhí)業(yè)醫(yī)生和住院醫(yī)師，同場(chǎng)競(jìng)技診斷真實(shí)病例。

o1是OpenAI去年推出的新架構(gòu)，專(zhuān)門(mén)強(qiáng)化"推理"能力——不是簡(jiǎn)單匹配答案，而是模擬人類(lèi)醫(yī)生的逐步思考過(guò)程。

結(jié)果很刺眼。在急診科初始分診環(huán)節(jié)，o1的診斷準(zhǔn)確率超過(guò)三分之二。兩位專(zhuān)家級(jí)主治醫(yī)師的正確率，大約只有一半。

舊版GPT-4的表現(xiàn)更差，o1相對(duì)它提升顯著。

加州大學(xué)舊金山分校醫(yī)學(xué)系主任羅伯特·瓦赫特沒(méi)參與研究，但評(píng)價(jià)很高。他在郵件中寫(xiě)道：「現(xiàn)代AI在識(shí)別正確診斷和下一步操作上，將優(yōu)于舊版大語(yǔ)言模型和醫(yī)生，這一點(diǎn)現(xiàn)已無(wú)可爭(zhēng)議。」

瓦赫特剛出版了《巨大飛躍：AI如何改變醫(yī)療以及這對(duì)我們的未來(lái)意味著什么》。他的判斷有分量。

但實(shí)驗(yàn)有個(gè)關(guān)鍵缺陷

瓦赫特也潑了冷水。他說(shuō)：「問(wèn)題在于這能在多大程度上復(fù)現(xiàn)真實(shí)生活，答案是中等程度，但并非完美�！�

研究作者自己也承認(rèn)限制：實(shí)驗(yàn)只用純文本輸入，沒(méi)包含視覺(jué)和聽(tīng)覺(jué)線索——而醫(yī)生診斷高度依賴這些。

患者的痛苦表情、呼吸節(jié)奏、皮膚顏色，CT片和心電圖，這些都沒(méi)進(jìn)數(shù)據(jù)集。病例是書(shū)面的，而且經(jīng)過(guò)人工"清理"，比急診室的混亂現(xiàn)實(shí)整齊得多。

瓦赫特的原話很生動(dòng)：「生成式AI或許開(kāi)始整合這些輸入，但目前，對(duì)書(shū)面且常被人為'凈化'的臨床病例場(chǎng)景的測(cè)試，并不等于走進(jìn)急診室應(yīng)對(duì)混亂。去看看《匹茲堡醫(yī)護(hù)前線》就知道了�！�

這部醫(yī)療劇今年剛播，講急診室的極端壓力。瓦赫特用它說(shuō)明：真實(shí)醫(yī)療不是干凈的選擇題。

為什么作者仍喊"緊急"

基于這些發(fā)現(xiàn)，研究團(tuán)隊(duì)強(qiáng)調(diào)了一個(gè)「緊急」需求：進(jìn)一步研究和前瞻性臨床試驗(yàn)，以確定AI系統(tǒng)如何改善臨床實(shí)踐和患者結(jié)局。

他們的判斷寫(xiě)在論文里：「大語(yǔ)言模型的快速改進(jìn)速度，對(duì)臨床醫(yī)學(xué)的科學(xué)和實(shí)踐具有重大影響�！�

同一期《科學(xué)》還配發(fā)了澳大利亞弗林德斯健康與醫(yī)學(xué)研究所兩位專(zhuān)家的評(píng)論文章。他們沒(méi)參與研究，但同意其緊迫性。

不過(guò)他們明確反對(duì)用AI取代醫(yī)生。設(shè)想的模式是協(xié)作：AI提供能力，醫(yī)生保留監(jiān)督、情境判斷和問(wèn)責(zé)。

評(píng)論寫(xiě)得直接：「如果沒(méi)有經(jīng)過(guò)充分證明的有效性、公平性和安全性，許多AI系統(tǒng)將不足以用于臨床�！�

67% vs 50%的真正含義

這個(gè)數(shù)字對(duì)比需要拆解。

o1的67%是在"初始分診"環(huán)節(jié)——患者剛進(jìn)來(lái)，信息最有限的時(shí)候。醫(yī)生50%的準(zhǔn)確率，是兩位專(zhuān)家級(jí)主治醫(yī)師的表現(xiàn)，不是住院醫(yī)師（后者通常更低）。

這意味著在最吃信息、最考驗(yàn)快速判斷的環(huán)節(jié)，AI已經(jīng)能給出比資深人類(lèi)更穩(wěn)的答案。

但"穩(wěn)"不等于"能用"。研究沒(méi)測(cè)后續(xù)治療建議，沒(méi)測(cè)復(fù)雜共病，沒(méi)測(cè)AI犯錯(cuò)時(shí)的代價(jià)。

更關(guān)鍵的是，醫(yī)療決策的容錯(cuò)率極低。一個(gè)漏診的胸痛患者，可能是心梗，也可能是焦慮發(fā)作——AI和醫(yī)生都可能在概率上"對(duì)"，但后者會(huì)觀察臉色、聽(tīng)語(yǔ)氣、摸脈搏，這些目前無(wú)法量化輸入模型。

瓦赫特說(shuō)的"中等程度復(fù)現(xiàn)"，精確描述了現(xiàn)狀：技術(shù)曲線陡峭，但落地曲線平緩。

產(chǎn)品視角：誰(shuí)在押注這個(gè)未來(lái)

從商業(yè)邏輯看，這項(xiàng)研究釋放了兩個(gè)信號(hào)。

第一，"推理"正在成為AI醫(yī)療的新壁壘。o1相對(duì)GPT-4的顯著提升，說(shuō)明單純堆參數(shù)的時(shí)代正在過(guò)去，架構(gòu)創(chuàng)新——讓模型像醫(yī)生一樣逐步思考——才是差異化關(guān)鍵。

第二，醫(yī)院數(shù)據(jù)正在成為核心資產(chǎn)。貝斯以色列女執(zhí)事醫(yī)療中心能拿真實(shí)急診病歷做測(cè)試，這種數(shù)據(jù)獲取能力是學(xué)術(shù)機(jī)構(gòu)和創(chuàng)業(yè)公司難以復(fù)制的。

OpenAI顯然在布局。o1的發(fā)布節(jié)奏、醫(yī)療場(chǎng)景的優(yōu)先測(cè)試，都指向同一個(gè)判斷：臨床決策支持是通用大模型最容易商業(yè)化的垂直場(chǎng)景之一。

但阻力同樣真實(shí)。FDA審批、醫(yī)療責(zé)任歸屬、醫(yī)生職業(yè)認(rèn)同、患者信任——這些都不是技術(shù)問(wèn)題，但都會(huì)決定產(chǎn)品生死。

澳大利亞專(zhuān)家的評(píng)論文章提供了一個(gè)中間路線：不取代，但重構(gòu) workflow。AI做初篩和概率排序，醫(yī)生做最終決策和人際溝通。這種分工下，67%的準(zhǔn)確率可能足夠釋放價(jià)值——如果它能幫醫(yī)生把50%提升到80%，或者把診斷時(shí)間從30分鐘壓縮到5分鐘。

研究作者呼吁的"前瞻性臨床試驗(yàn)"，本質(zhì)是要求用真實(shí)世界的ROI（投資回報(bào)率）來(lái)驗(yàn)證技術(shù)。這是醫(yī)療AI從論文走向產(chǎn)品的必經(jīng)之路。

瓦赫特的書(shū)名已經(jīng)說(shuō)明立場(chǎng)：《巨大飛躍》。他認(rèn)為變革不可避免，但節(jié)奏和形態(tài)仍開(kāi)放。

這項(xiàng)研究的價(jià)值，在于給出了第一個(gè)硬數(shù)據(jù)錨點(diǎn)：在特定條件下，AI確實(shí)能超越人類(lèi)專(zhuān)家。這個(gè)"特定條件"的邊界在哪里，就是接下來(lái)所有產(chǎn)品決策的核心問(wèn)題。

急診室的混亂、患者的非語(yǔ)言信號(hào)、醫(yī)療系統(tǒng)的激勵(lì)機(jī)制——這些變量還沒(méi)被納入模型。但67% vs 50%的對(duì)比已經(jīng)存在，它會(huì)被記住，會(huì)被引用，會(huì)成為下一輪融資和采購(gòu)談判的籌碼。

技術(shù)已經(jīng)跑在前面。現(xiàn)在的問(wèn)題是，醫(yī)療系統(tǒng)愿意以多快的速度，用什么樣的代價(jià)，去追趕它。

數(shù)據(jù)收束：研究測(cè)試了波士頓醫(yī)院急診科的真實(shí)病歷，o1模型初始分診準(zhǔn)確率超過(guò)三分之二，兩位專(zhuān)家級(jí)主治醫(yī)師約為一半。作者承認(rèn)實(shí)驗(yàn)僅限文本輸入，未包含視覺(jué)和聽(tīng)覺(jué)線索。瓦赫特評(píng)價(jià)"現(xiàn)代AI將優(yōu)于舊版模型和醫(yī)生"現(xiàn)已無(wú)可爭(zhēng)議，但補(bǔ)充真實(shí)臨床環(huán)境的復(fù)現(xiàn)程度為"中等"。研究團(tuán)隊(duì)強(qiáng)調(diào)需"緊急"開(kāi)展進(jìn)一步臨床試驗(yàn)，同期刊評(píng)論文章反對(duì)取代醫(yī)生，主張協(xié)作模式并強(qiáng)調(diào)有效性、公平性和安全性的證明門(mén)檻。