随着人工智能（AI）在医疗保健领域的应用日益广泛，了解如何利用这些工具来改善患者护理和医生体验变得至关重要。弗吉尼亚大学健康系统（UVA Health）的安德鲁·S·帕森斯（Andrew S. Parsons）博士表示：“这项研究表明，在优化我们与AI在临床环境中的合作方面，还有许多工作要做。”
在这项由UVA Health的安德鲁·S·帕森斯博士及其同事进行的研究中，50名来自家庭医学、内科和急诊医学的医生被招募来测试Chat GPT Plus的效果。一半的医生随机分配使用Chat GPT Plus来诊断复杂病例，而另一半则依赖传统的资源，如医学参考网站（例如UpToDate）和Google。研究人员随后比较了两组的诊断结果，发现两组的准确性相似。
然而，单独使用Chat GPT的表现超过了两组，这表明它仍然有潜力改善患者护理。研究人员得出结论，医生需要更多的培训和经验，才能充分利用这一新兴技术。目前，Chat GPT最适合用于辅助而非替代人类医生。
“我们的研究表明，AI单独使用可以是一个有效且强大的诊断工具，”帕森斯博士说，他在弗吉尼亚大学医学院负责教授临床技能，并共同领导临床推理研究协作组。“我们惊讶地发现，加入人类医生反而降低了诊断准确性，但提高了效率。这些结果可能意味着我们需要接受如何最佳使用AI的正式培训。”
生成人类类似响应的聊天机器人（称为大型语言模型）越来越受欢迎，它们在记录病史、同理心沟通甚至解决复杂的医疗案例方面表现出色。然而，目前它们仍需要人类医生的参与。帕森斯和他的同事们热衷于确定这种高科技工具如何最有效地使用，因此他们在UVA Health、斯坦福大学和哈佛大学贝丝以色列女执事医疗中心（Beth Israel Deaconess Medical Center）启动了一项随机对照试验。
参与的医生根据基于真实患者护理案例的“临床情景”做出诊断。这些案例研究包括患者的病史、体检和实验室检查结果的详细信息。研究人员随后对结果进行评分，并考察了两组医生做出诊断的速度。使用Chat GPT Plus的医生的中位诊断准确率为76.3%，而使用传统方法的医生的中位诊断准确率为73.7%。使用Chat GPT Plus的医生整体上略快一些，平均用时519秒，而使用传统方法的医生平均用时565秒。
研究人员对Chat GPT Plus单独使用的出色表现感到惊讶，其诊断准确率的中位数超过92%。他们认为，这可能反映了研究中使用的提示词，建议医生需要接受如何有效使用提示词的培训。另一种方法是，医疗机构可以购买预定义的提示词，以便在临床工作流程和文档中实施。
研究人员还警告说，Chat GPT Plus在现实生活中可能表现不佳，因为在临床推理中涉及许多其他因素，尤其是在确定诊断和治疗决策的后续影响方面。他们呼吁进行更多的研究，评估大型语言模型在这些领域的能力，并正在进行类似的管理决策研究。
“随着AI在医疗保健领域的应用越来越多，了解如何利用这些工具来改善患者护理和医生体验变得至关重要，”帕森斯博士说，“这项研究表明，在优化我们与AI在临床环境中的合作方面，还有许多工作要做。”
为了进一步评估AI在医疗保健中的输出，四个研究地点还启动了一个名为ARiSE（AI Research and Science Evaluation）的跨海岸AI评估网络。更多信息请访问ARiSE网站。
该研究结果已发表在科学期刊《JAMA Network Open》上。研究团队成员包括伊桑·戈（Ethan Goh）、罗伯特·加洛（Robert Gallo）、杰森·霍姆（Jason Hom）、埃里克·斯特罗恩（Eric Strong）、王颖洁（Yingjie Weng）、汉娜·克尔曼（Hannah Kerman）、约瑟芬·库尔（Joséphine A. Cool）、扎希尔·卡尼（Zahir Kanjee）、帕森斯博士、尼拉·阿胡贾（Neera Ahuja）、埃里克·霍维茨（Eric Horvitz）、丹尼尔·杨（Daniel Yang）、阿诺德·米尔斯坦（Arnold Milstein）、安德鲁·P·J·奥尔森（Andrew P.J. Olson）、亚当·罗德曼（Adam Rodman）和乔纳森·H·陈（Jonathan H. Chen）。这项研究的资金由戈登和贝蒂·摩尔基金会提供。论文中列出了完整的披露和资金来源信息。要关注UVA的最新医学研究新闻，请订阅《医学制造》博客。
(全文结束)
