人工智能驱动的聊天机器人在诊断某些疾病方面已经表现出色，但面对更为复杂的临床决策时表现如何？例如：患者手术前应提前多久停用抗凝药物？若患者曾对同类药物产生不良反应是否应调整治疗方案？这类问题往往没有标准答案，需要医生根据临床经验综合判断。
由斯坦福大学医学助理教授Jonathan H. Chen博士领衔的研究团队发现，大型语言模型（LLM）不仅能有效解答这些复杂问题，当医生借助AI辅助时，其决策质量还能显著提升。研究团队在《自然医学》发表的论文显示，单独使用AI的表现优于仅依靠网络搜索和医学资料的医生，而结合AI的医生团队则能与单独运行的AI系统持平。
"我一直认为人机结合能产生最佳效果。"Chen教授表示，"这项研究促使我们重新思考人机各自优势：计算机擅长处理数据和模式识别，而人类医生则在临床经验整合和患者个性化考量方面具有不可替代性。"
研究团队设计的试验包含三个对比组：独立AI系统、46名结合AI辅助的医生团队、以及46名仅使用传统资源的医生团队。通过分析5个匿名化临床病例（涉及肺部肿块处理等复杂场景），要求参与者提供详细的诊疗方案。由认证医师组成的评估组制定评分标准，从患者病史、检查安排、治疗时机等维度进行量化评估。
结果显示，独立AI系统比传统组医生多完成了更多评分项，而结合AI的医生团队表现与AI系统相当。有趣的是，研究并未明确医生获益的具体机制：究竟是AI促使医生更全面地思考病例，还是提供了全新的诊疗思路？这将成为后续研究方向。
尽管AI展现出显著优势，Chen教授特别强调这并不意味着医生将被取代。"患者不应跳过专业诊疗直接依赖聊天机器人。虽然网络信息良莠不齐，但培养辨别可信信息的能力比以往任何时候都更重要。"研究团队同时提供了两个典型参考案例，包括在《JAMA网络开放》发表的AI在诊断环节超越医生的研究，以及本项聚焦治疗决策的突破性成果。
【全文结束】