2025年可能会成为医学人工智能（AI）发展的一个关键时刻。一项新的预印本研究评估了OpenAI的GPT-4和o1-preview模型，结果显示，AI不仅在临床推理方面取得了令人印象深刻的成就，而且是在没有额外领域特定数据训练的情况下实现的。这一成就代表了通用大型语言模型（LLMs）的巨大飞跃，得益于链式思维（CoT）处理等推理框架的创新。
研究结果既令人鼓舞又引人深思。一方面，o1-preview模型在需要复杂诊断和管理推理的任务中表现出色，与人类临床医生相当。另一方面，它在概率推理和急诊诊断方面仍存在关键差距，这些领域仍然需要人类的专业知识。这种双重性引发了关于AI如何融入医疗工作流程并重新定义临床医生角色的重要问题。
这项研究涉及多个实验，包括差异诊断生成、诊断推理、急诊差异诊断、概率推理和管理推理。结果由专家医生使用经过验证的心理测量方法进行评判，为与人类对照组的比较提供了基准。
优势
- 差异诊断生成：o1-preview模型在该任务中的准确率达到88%，远远超过了人类临床医生的35%。其输出被一致评为更全面和精确，特别是在罕见和复杂的诊断场景中，模型的CoT推理使其能够识别临床医生常常忽视的条件。
- 诊断和管理推理：o1-preview模型在诊断和管理任务中表现出显著进步。在84%的案例中，模型的推理被评为与人类专家相当或超过，而人类专家仅在64%的案例中达到相似的准确率。医生称赞模型结构化和逻辑化的处理方式，这与临床医生逐步批判性思考的方法相似，并综合了来自多种临床输入的数据以产生可操作的建议。
局限性
- 概率推理：模型在需要细致概率推理的任务中表现不佳——这是医疗决策的核心。尽管o1-preview模型的表现与之前的LLMs一致，但人类临床医生在这一领域继续表现出色，能够在竞争诊断中更灵活地分配可能性，并在不确定情况下动态平衡风险。
- 急诊差异诊断：在需要按严重程度优先处理病例的急诊任务中，模型没有显示出改进。虽然人类临床医生在这些高压、动态场景中的准确率为70%，但模型的逻辑但僵化的输出未能达到实时决策所需的适应性细微差别，尤其是在紧急或重症监护环境中。
链式思维推理的作用
o1-preview模型的一个突出特点是其依赖于链式思维（CoT）推理，这是一种使AI能够在最终答案前生成中间推理步骤的框架。这个过程使模型能够解释其思考过程，使其输出更加透明，便于临床医生解读。
通过将复杂问题分解为较小的步骤，CoT推理减少了逻辑错误的风险，特别是在需要批判性思考的任务中。此外，这种方法模仿了临床医生解决诊断挑战的方式——系统地考虑症状、检查结果和病史以形成结论。CoT推理可能是模型在诊断和管理推理方面取得成功的关键因素，即使它在临床实践的更动态方面（如急诊）仍存在困难。
没有补充临床训练的显著成就
另一个值得注意的方面是，o1-preview模型没有接受补充临床数据的训练。与早期在医疗数据集上微调的AI系统不同，o1-preview仅通过通用训练就达到了其性能水平。这一成就表明，广泛的一般训练数据结合先进的推理框架可以媲美领域特定训练，减少了昂贵且耗时的微调过程的需求。
缺乏补充训练还消除了对患者隐私、有偏见的数据集和过度拟合特定情景的担忧。然而，这也意味着模型的性能受限于其一般训练数据中存在的模式，导致在需要情境细微差别的领域存在空白。这突显了通用AI系统在医疗保健等专业领域的前景和当前局限性。
临床医生的警钟
o1-preview模型的性能突显了LLMs在医学中的潜力和局限性。对于临床医生来说，这项研究是一个警钟：AI不再是未来概念——它已经到来，并正在重新定义患者护理的可能性。
- AI作为伙伴：像o1-preview这样的模型不是取代临床医生，而是增强其能力。它们在差异诊断生成和管理规划等任务中表现出色，使临床医生能够更多地关注患者互动和决策。
- 弥补差距：尽管o1-preview在结构化推理任务中表现出色，但其在概率推理和急诊方面的不足强调了人类专业知识的不可替代价值。这些差距指出了未来AI发展的机会。
- 需要新的基准：目前的评估方法，如多项选择题基准，无法捕捉到现实世界临床场景的复杂性。稳健、可扩展的基准和临床试验对于了解AI在医疗保健中的真正潜力至关重要。
数字健康和“另一个”转折点？
o1-preview模型可能标志着AI融入医学的一个转折点。尽管我们已经多次听到类似的声明，但其在没有补充临床训练的情况下执行超人推理任务的能力仍然是一个重要的成就和挑战。随着AI的不断发展，临床医生必须适应这一新现实，将AI视为认知伙伴，同时保持定义医学艺术的人类专业知识。
2025年不仅仅是一个警钟；它可能是新时代的开始。问题不再是AI是否会改变医学，而是临床医生和AI将如何共同努力塑造医疗保健的未来。
(全文结束)
