近日，北京友谊医院联合北京同仁医院等国内外多家医疗机构，开展了全球首次AI（人工智能）大模型医学诊断能力测评。测评结论是：AI眼下还无法取代人类医生，但可以辅助医生提高效率，让其有更多时间和精力服务患者。
此轮“应考”的“AI医生”是GPT-4o、Claude 3.5、Qwen-Max（千问）、DeepSeek-R1（深度求索）、OpenAI o1等5款国内外通用大模型。考题是真实临床病例，包括从心内科、眼科、神经内科、肿瘤科等7个科室选取的有代表性的真实病例脱敏数据。
研究团队主要成员、友谊医院放射介入科医生栗荐说，判卷人分了两批。一批是400余名不同年资、不同地区的执业医生，他们为大模型给出的意见进行盲评打分。结果显示：高年资医生和年轻医生对大模型的评价存在差异，不同地区医生之间也存在差异。
还有一批评委就是AI自己。其给出的“第一名”和400多位医生选出的并不相同。
栗荐说，我国很多医院已部署大模型辅助医生工作，但哪款大模型更适合临床辅助诊疗，尚无定论。此次人类和AI给出的卷面成绩没有达成一致，是因为AI只认“标准答案”。但现实中的医学案例，往往伴随着复杂的个体情况和病理差异，是一道“多选题”，甚至是“开放题”。
例如，同样是胸痛，心内科医生会优先排查冠心病，呼吸科医生会想到肺栓塞，急诊科医生则会立刻做心电图排除心梗。3种判断在各自专科逻辑里都成立，没有对错之分。但AI还难以理解这种差异。“所以当前的研究方向，也多是针对不同专科深耕，开发定制化的AI智能体。”栗荐说。
现实中已出现很多拿着“AI诊断”来找医生求证的患者。栗荐表示，患者可以参考AI给出的建议，但不宜全信。普通患者缺乏医学训练，向AI描述病情时的用词、角度如果不准确，得到的答案就可能存在偏差。“不过，AI在慢病管理、诊前筛查、诊后随访方面优势明显。对于高血压、糖尿病、乙肝、肿瘤、青光眼等需要长期监测的疾病，AI非常适合承担定期复查提醒、化验单解读等事务性工作。”
近日，北京友谊医院联合北京同仁医院等国内外多家医疗机构，开展了全球首次AI（人工智能）大模型医学诊断能力测评。测评结论是：AI眼下还无法取代人类医生，但可以辅助医生提高效率，让其有更多时间和精力服务患者。
此轮“应考”的“AI医生”是GPT-4o、Claude 3.5、Qwen-Max（千问）、DeepSeek-R1（深度求索）、OpenAI o1等5款国内外通用大模型。考题是真实临床病例，包括从心内科、眼科、神经内科、肿瘤科等7个科室选取的有代表性的真实病例脱敏数据。
研究团队主要成员、友谊医院放射介入科医生栗荐说，判卷人分了两批。一批是400余名不同年资、不同地区的执业医生，他们为大模型给出的意见进行盲评打分。结果显示：高年资医生和年轻医生对大模型的评价存在差异，不同地区医生之间也存在差异。
还有一批评委就是AI自己。其给出的“第一名”和400多位医生选出的并不相同。
栗荐说，我国很多医院已部署大模型辅助医生工作，但哪款大模型更适合临床辅助诊疗，尚无定论。此次人类和AI给出的卷面成绩没有达成一致，是因为AI只认“标准答案”。但现实中的医学案例，往往伴随着复杂的个体情况和病理差异，是一道“多选题”，甚至是“开放题”。
例如，同样是胸痛，心内科医生会优先排查冠心病，呼吸科医生会想到肺栓塞，急诊科医生则会立刻做心电图排除心梗。3种判断在各自专科逻辑里都成立，没有对错之分。但AI还难以理解这种差异。“所以当前的研究方向，也多是针对不同专科深耕，开发定制化的AI智能体。”栗荐说。
现实中已出现很多拿着“AI诊断”来找医生求证的患者。栗荐表示，患者可以参考AI给出的建议，但不宜全信。普通患者缺乏医学训练，向AI描述病情时的用词、角度如果不准确，得到的答案就可能存在偏差。“不过，AI在慢病管理、诊前筛查、诊后随访方面优势明显。对于高血压、糖尿病、乙肝、肿瘤、青光眼等需要长期监测的疾病，AI非常适合承担定期复查提醒、化验单解读等事务性工作。”
