98%医生点赞的AI队友，斯坦福实验揭秘：诊断准确率飙升10%！

147 0 0

文章摘要

斯坦福大学的研究揭示了AI在医疗诊断中的潜力，尤其是当AI从工具转变为协作队友时，医生的诊断准确率显著提升了10%。这项研究由70名美国执业医生参与，通过对比AI-first、AI-second和传统诊断方法，发现AI协作组的医生表现明显优于仅使用传统工具的对照组。AI-first组的平均得分为85%，比对照组高9.8%，而AI-second组的平均得分为82%，比对照组高6.8%。尽管AI单独运行的准确率略高于协作组，但差异不显著，这表明AI能够有效补全人类思维的漏洞。

研究团队基于GPT-4开发了一款定制化的AI系统，设计了两种协作工作流程。在AI-first组中，医生首先输入病例信息，查看AI生成的诊断建议，然后结合自己的判断形成最终诊断。在AI-second组中，医生先独立完成诊断，再将病例和自己的初步诊断输入AI系统，AI会生成独立分析并与医生的诊断进行整合，生成一份综合报告。对照组则仅使用传统资源完成诊断，不与AI互动。AI-first组在最终诊断和后续步骤方面的表现优于AI-second组，提升了8.9%。

AI系统的核心设计在于协作，它不仅生成自己的诊断，还会对比医生和AI的判断，生成一份综合报告，清晰列出双方提出的诊断、共识点、分歧点，并对每个诊断提供评论。这种设计旨在激发医生的批判性思考，而非简单依赖AI的输出。所有医生在试验后对AI的态度显著改善，98.6%表示愿意在复杂临床推理中使用AI。

研究还发现，AI在信息过载与遗漏、经验依赖的陷阱和决策链的逻辑性方面具有显著优势。AI能瞬间扫描所有数据，精准关联各种线索，帮助医生避免漏掉关键指标。此外，AI的诊断报告像思维流程图，先列出最可能的诊断，再用支持证据和反对证据逐条论证，最后给出下一步检查建议。AI的批判性思维、沟通能力和透明化决策能力，使其在医疗诊断中更具人性化。

然而，研究也揭示了AI的「锚定效应」。在AI-second组中，AI的独立分析有时会受到医生初步诊断的影响，未能完全遵循独立分析的指令。当AI先发言时，医生会更主动地挑战它的结论，这种「对抗性协作」反而激发了更深入的临床推理。总体而言，这项研究表明，AI作为协作队友能够显著提升医生的诊断准确性，并为未来的医疗诊断提供了新的方向。