医生诊断患者已有数千年历史，机器人会接棒吗？
在经典的科幻系列《星际迷航》中，人类经常依赖他们的三录仪——一种能够在几秒钟内诊断几乎任何疾病的便携设备。人们长期以来一直梦想着一个机器能够确定我们的医疗问题的世界。虽然这样的技术仍然遥不可及，但最近的人工智能进展使这一愿景显得不那么虚幻。
例如，近年来大型语言模型（LLM）的崛起，如支持ChatGPT的模型。这些模型不仅已经证明它们能够通过美国医学执照考试，而且还在迅速改进。2021年9月，顶级LLM在考试中的得分仅为38%，远低于通过考试所需的60%。但到2023年11月，顶级语言模型的得分达到了90%，超过了甚至人类专家的表现。
医疗技术学校研究了学术研究和新闻报道，以了解人工智能如何改变医疗诊断。
人工智能在现实世界中的应用
人工智能模型不仅在医学考试中表现出色。今年早些时候，科学家报告称使用人工智能分析患者的血液样本，以识别与帕金森病相关的特定蛋白质水平。研究人员表示，他们使用的算法可以帮助预测帕金森病的发病时间，比任何症状出现提前七年。
与此同时，谷歌正在开发一种技术，该技术将分析智能手机记录的咳嗽声，以检测结核病或慢性阻塞性肺疾病（COPD）等疾病。加州大学戴维斯分校的研究人员最近构建了一个机器学习模型，根据人们的种族特征和病史来识别肝病风险。
多年来，一直有猜测认为人工智能将取代某些医疗专业人员，特别是放射科医生，他们的工作需要解释X光片等图像以识别异常和诊断疾病。然而，尽管快速进步和迅速部署，机器尚未取代人类。
部分原因是放射学非常复杂。尽管当前的人工智能系统已显示出在特定任务上超越人类医生的能力，但还没有任何人工智能系统能够承担所有医疗专业人员的任务。医疗保健是一个高度监管的行业。医生和立法者可能不会满意，直到机器发展到显而易见应该领导的地步。其他技术进步，如自动驾驶汽车，在变得更加普遍时也面临类似的担忧和法规。
了解医疗领域人工智能的局限性
构建机器人医生的问题之所以具有挑战性，部分原因是研究人员仍不完全理解人工智能模型是如何思考的。它们通过从大量数据中提取模式工作，但无法解释其推理过程，这在敏感领域中犯错时会成为一个问题。此外，基于LLM的模型容易出现“幻觉”，即它们自信地做出看似符合上下文但实际上完全错误的陈述。当被要求提供证据时，LLM经常会捏造来源，包括不存在的期刊文章。
尽管存在挑战，人工智能技术在医疗保健领域，特别是在诊断方面，提供了巨大的前景。医生通常工作繁重，医疗保健费用高昂。经济合作与发展组织（OECD）的数据显示，经济更发达的国家通常将其国内生产总值的约10%用于医疗保健，而美国则接近17%。
整合人工智能可以提高生产力，并帮助早期发现疾病，改善患者预后。早期检测对于治疗许多疾病至关重要，而人工智能快速准确地分析大数据集的能力有助于及时诊断，从而提供更好的护理并降低成本。
近期的一个发展方向是让人类医生与人工智能系统合作。这些系统可以帮助医生综合大量数据，为诊断提供背景。人工智能系统还可以提供第二意见，尤其是在复杂的病例中。它们甚至可以帮助人类医生在进行困难对话时更加同理心。最近的研究表明，并非所有放射科医生都能同样受益于人工智能辅助。这表明，尽管人工智能系统正在迅速改进，医生们也需要继续磨练技能，利用新技术，以充分利用其发展。
(全文结束)
