4 月 21 日消息，大阪都會大學醫學研究生院 Hirotaka Takita 博士和 Daiju Ueda 副教授領導的研究小組近期發布一項系統性回顧和薈萃分析，深入評估了生成式人工智能（AI）在診斷醫療狀況方面的表現，并將其與醫生進行了對比。

研究團隊篩選了總計 18371 項研究，最終確定 83 項進行詳細分析。這些研究涉及多種生成式 AI 模型，包括 GPT-4、Llama3 70B、Gemini 1.5 Pro 和 Claude 3 Sonnet 等，覆蓋了多個醫療領域。其中，GPT-4 是研究最多的模型。結果顯示，這些 AI 模型的平均診斷準確率為 52.1%（95% 置信區間：47.0% - 57.1%）。部分模型的診斷準確率與非專家醫生相當，兩者之間沒有顯著統計差異（準確率差異：0.6% [95% 置信區間：-14.5% 至 15.7%]，p=0.93）。然而，專家醫生的表現仍優于 AI，其準確率差距為 15.8%（95% 置信區間：4.4% - 27.1%，p=0.007）。盡管如此，隨著技術的不斷進步，這一差距可能會逐漸縮小。

研究還發現，AI 在大多數醫學專科的表現較為一致，但有兩個例外：皮膚科和泌尿科。在皮膚科，AI 的表現更為出色，這可能是因為該領域涉及模式識別，而這是 AI 的強項。但皮膚科同樣需要復雜的推理和針對患者的決策，因此 AI 的優勢并不能完全反映其在該領域的實際應用價值。對于泌尿科，研究結果僅基于一項大型研究，因此其結論的普適性受到一定限制。

“這項研究表明，生成式 AI 的診斷能力與非專家醫生相當。它可以用于醫學教育，支持非專家醫生，并在醫療資源有限的地區協助診斷。”Hirotaka Takita 博士表示，“未來的研究需要在更復雜的臨床場景中進行評估，使用實際病歷進行性能評估，提高 AI 決策的透明度，并在不同患者群體中進行驗證，以進一步證實 AI 的能力。”

除了診斷領域，該研究還強調了生成式 AI 在醫學教育中的潛力。研究人員指出：“當前生成式 AI 模型在非專家環境下的表現與醫生相當，這為將 AI 整合到醫學培訓中提供了機會。” AI 可以用于模擬真實病例，幫助醫學生和受訓者學習和評估他們的技能。

然而，研究也對這些模型的透明度和偏見提出了擔憂。許多 AI 系統并未公開其訓練數據的詳細信息，這引發了關于其結果是否適用于所有人群的疑問。研究人員強調，“透明度確保了對模型知識、背景和局限性的理解”，并強調需要開發清晰、符合倫理且經過充分驗證的 AI 應用。

目前，盡管生成式 AI 具有巨大潛力，但在涉及詳細患者信息的復雜病例中仍面臨挑戰。醫生們是否需要擔心失去工作？目前尚難定論，但在診斷領域，這種情況是有可能發生的。