如何评估医疗AI？一些思考
或许我们一直以来都在错误地看待这些研究论文？
微软医疗AI论文的启示
微软AI团队近期发布了一项研究，将人工智能与医生在《新英格兰医学杂志》复杂病例中的诊断表现进行对比。不同于常规采用美国执业医师考试（USMLE）的测评方式，这项研究的突破在于其采用的AI模型具备渐进式推理模式，能够根据新信息动态调整诊疗路径。
该模型在决策过程中不仅考量医学有效性，还将成本效益纳入评估体系。这种多维度决策机制引发了业界广泛讨论：一方面有观点认为AI的80%以上准确率足以替代部分医生工作；另一方面临床专家则质疑测试案例的现实适用性。值得关注的是，研究中AI的推理过程已能模拟多数医生的临床思维模式。
医疗AI的应用重心转移
当前研究多聚焦复杂病例，这固然具有即时决策支持价值，但作者指出更具变革潜力的领域在于：简单病症的全自主诊疗。这类应用可通过自动化处理常见病症（包括开具低风险处方、实验室检查等），实现以下突破：
- 通过标准化流程缓解基层医疗资源压力
- 减少重复性简单病例对医生的占用
- 降低患者就医的时间与经济成本
需要特别说明的是，美国在复杂疾病治疗领域已具备优势，而AI在基础医疗场景的应用可能带来更广泛的系统性变革。
医疗AI研究设计的挑战
构建科学的AI评估体系面临多维挑战：
- 评估基准：医生群体本身存在诊断差异（研究显示25-33%的病例医生意见相左）
- 数据环境：需明确AI与医生可调用的诊断工具（如是否允许访问网络医学数据库）
- 时空维度：回顾性研究中AI可能"预知"未来检查结果，造成评估偏差
- 伦理框架：现行医疗责任体系难以直接移植到AI诊疗场景
作者创新性提出阶梯楔形试验设计：
- 将急诊科医生1:1随机分组
- 干预组使用AI辅助工具，对照组常规诊疗
- 患者随机分配至不同医生组别
- 一月后组别角色互换
- 核心评估指标包括入院率、ICU使用率、30天死亡率等临床硬指标
AI错误与人类错误的权衡
医疗AI面临远高于人类医生的容错标准，需构建新型责任体系：
- 动态评估：不应简单要求AI与医生诊断完全一致
- 责任分层：探索医生承担AI决策连带责任，同时获得效率提升收益的模式
- 能力分段：若AI表现优于医生后25%群体（在简单病例中持续犯错者），即具备临床应用价值
Doctronic平行研究启示
与微软复杂病例研究形成互补，Doctronic的回顾性研究表明：AI在常见急诊处理中与医生决策一致性高达90%，且在分歧案例中经临床评审，AI方案有显著比例优于人类判断。这为实现自主化诊疗提供了现实路径——通过AI处理简单病例，使每位医生能服务的患者数量提升10倍。
研究本质的哲学思考
开展医疗AI评估的根本目的在于界定技术的医疗权威边界。这需要回答系列关键问题：
- 是否赋予AI处方权？
- 应否要求重要治疗前获取AI第二意见？
- 支付方是否应采购AI作为预检工具？
- 如何构建技术失误的责任框架？
每篇新研究都在帮助我们更清晰地定义AI在医疗体系中的角色，这将实质性改变医疗工作流程与患者服务模式。正如作者戏称："当机器学习遇上循证医学，这场人机对抗或许正是医疗革命的必经之路。"
（作者系医疗科技领域独立观察者，通过Out-Of-Pocket平台分享行业洞见）
【全文结束】
