研究发现强调传统诊断工具的持续相关性
最新研究表明，在疾病诊断领域，传统的诊断决策支持系统(DDSS)的表现继续优于生成式人工智能(AI)。这项研究由麻省总医院(MGH)的计算机科学家进行，重点比较了MGH长期使用的诊断决策支持系统DXplain与现代生成式AI模型（如ChatGPT和Gemini）的效能。
DXplain开发于1984年，利用庞大的疾病特征和临床发现数据库，帮助医疗专业人员生成并优先排序可能的诊断结果。鉴于生成式AI工具在医疗领域的兴起，研究人员旨在评估这些新技术与DXplain等传统系统相比的表现如何。
研究团队在36个不同的患者病例上评估了DXplain、ChatGPT和Gemini的诊断性能，这些病例涵盖了不同的种族、民族、年龄和性别群体。每个诊断系统都被要求为这些病例提供可能的诊断结果，包括有和没有伴随实验室数据的情况。
结果显示，当有实验室数据可用时，DXplain的正确诊断率达到72%，而ChatGPT达到64%，Gemini为58%。值得注意的是，在没有实验室数据的情况下，DXplain仍以56%的准确率领先，优于ChatGPT的42%和Gemini的39%。虽然这些性能差异在统计学上并不显著，但它们突显了传统系统在诊断环境中的可靠性。
该研究的合著者强调，认识像DXplain这样的传统专家系统的能力非常重要，这些系统可以通过回忆在高压情况下可能被忽视的关键信息来增强临床决策。此外，研究人员建议将生成式AI与已建立的诊断系统相结合可能会产生更好的结果。通过利用大型语言模型的语言优势与DXplain等系统的数据驱动方法相结合，有望显著提高诊断准确性和患者治疗效果。
总之，这些发现突显了传统DDSS在提供可靠诊断方面的优势，并表明将传统系统和生成式AI系统的优势结合起来用于最佳临床决策支持的前景十分光明。
【全文结束】