【哈佛 Science 新研究：AI 急诊分诊准确率远超人类医生】

快速阅读：哈佛一项发表在《Science》的研究显示，在仅凭电子病历文本进行急诊分诊时，OpenAI 的 o1 模型在诊断准确率上超过了人类医生。这并非意味着医生将被取代，而是医疗模式正在从“医生决策”向“医生、患者与 AI 协同”的三角模型转型。

急诊室里的决策往往像是在极低带宽的通信环境下进行的：护士简短的描述、几项生命体征、一段病史。在这种信息极度压缩的场景下，人类医生容易陷入认知偏差或过度保守的陷阱，而 AI 表现得更像一个永不疲倦的编译器，在海量医学文献中进行高频的模式匹配。

研究发现，当面对信息匮乏的快速决策时，AI 的准确率达到了 67%，而医生仅在 50%-55% 左右。甚至在制定长期治疗方案时，AI 的得分（89%）也远超依赖传统搜索引擎的医生（34%）。有网友提到，这种优势在处理复杂病史时尤为明显，比如 AI 能通过患者的红斑狼疮病史，敏锐地察觉到肺部炎症的深层逻辑，而人类医生可能仅仅将其视为常规感染。

不过，这种“胜出”带有某种特定的约束。AI 此时更像是一个基于文档的“第二意见”生成器，它并没有“看到”患者痛苦的表情，也没有“闻到”伤口的气味。

有观点认为，这其实反映了当前急诊诊断质量的某种平庸。医生在实际临床中不仅要诊断，还要进行大量的“信息采集”和“风险规避”。如果为了规避法律责任而选择最稳妥而非最准确的路径，那么在纯粹的逻辑竞赛中，AI 确实会显得更有侵略性。

医疗的本质不仅仅是知识的检索，更是对不确定性的管理。当诊断过程被简化为文本输入与输出时，AI 确实在降维打击。但如果把医疗简化为单纯的逻辑运算，我们是否也正在把医疗变成一种冰冷的、缺乏容错能力的算法？

当 AI 能够比医生更早发现癌症，或者在患者面对生死抉择时提供更精确的概率，我们该如何定义那份不可替代的“人性温度”？

science.org/doi/10.1126/science.adz4433