大型语言模型（LLMs）不仅可能加快答案的速度，还可能增强临床推理能力。这项研究于2025年2月6日发布，并由Margaret Foley审核。
关键点
- LLMs促进了更深层次的临床推理，促使医生进行迭代和反思性的决策。
- 使用AI辅助的医生每例病例多花费119秒，提高了准确性而不急于求成。
- LLMs丰富了认知参与，可能会重新点燃医生对医疗实践的满意度。
来源：ChatGPT/OpenAI
可以说，人工智能（AI）不仅仅是一种临床工具；它是一种重塑临床医生处理患者护理方式的变革力量。其中最令人兴奋的发展之一是大型语言模型（LLMs）的出现——这些工具对临床医生和患者都有相关性。尽管大部分讨论集中在“更快更好”上，但最近发表在《自然》杂志上的一项临床试验表明，LLMs可能影响临床医生推理的本质。
新形式的认知协作
医疗决策正在从单一的认知任务演变为医生与AI之间的迭代对话。过去，医生仅依赖临床经验和静态资源，现在他们与LLMs进行动态交流，挑战假设并扩展思维。随着医学知识的指数级增长，这种迭代方法帮助医生处理大量信息，同时保持临床判断力。
证据令人信服且引人入胜。在这项涉及92名医生的试验中，使用GPT-4的医生每例病例多花费119.3秒。这并不是效率下降的表现，而是代表了一种新的迭代智能形式，其中AI促使更深入的分析和不同的视角。医生提出初步想法，LLM回应更多考虑因素，这种来回互动创造了更丰富的临床推理过程。这种协作认知可能帮助临床医生超越第一印象，探索他们可能忽略的复杂治疗路径。
通过AI增强的推理拓宽视野
LLMs集成的最引人注目的方面之一是其能够拓宽临床视角。传统资源虽然宝贵，但往往受限于人类记忆和经验的范围和即时性。相反，LLMs基于广泛的医学文献和真实世界数据，提供全景视图，可以挑战根深蒂固的假设并激发创新思维。
此外，该试验还包括一个测试LLM独立性能的第三组。有趣的是，LLM辅助的医生和独立工作的LLM得分相似（平均差异=-0.9%，95%置信区间=-9.0至7.2，P=0.8）。两组都超过了仅使用传统资源的医生，表明无论作为协作工具还是独立系统，LLM集成都能超越传统方法提升临床推理。
在数字时代平衡速度与准确性
批评者可能会认为，更长的思考时间（试验中平均每例病例多花费119.3秒）可能会减慢临床工作流程。然而，这种增加的时间实际上可能是对准确性和安全性的投资。在医疗错误可能导致严重后果的时代，更加谨慎的决策过程不仅是奢侈品，而是必需品。通过提供鼓励医生暂停、反思并考虑所有方面结构化框架，LLMs有助于减轻草率或不完整决策的风险。
这种速度与准确性之间的平衡至关重要。目标不是取代医生的判断，而是增强它，确保每个决定都基于最当前和全面的数据。管理推理评分显著提高（P<0.001），证据表明这种额外的思考时间可以转化为可测量的更好的临床决策。
临床决策的未来
展望未来，LLMs融入临床实践代表着根本性的转变。这些系统有潜力打破传统的知识孤岛，促进跨学科合作。试验结果显示，LLM辅助在各种场景和专科中持续提升医生表现（置信区间为2.7至10.2）。
然而，像任何新兴技术一样，负责任的整合至关重要。LLMs的承诺在于增强人类智能，而不是取代它。确保透明度、问责制和现实世界中的验证将是这些工具更深入嵌入临床工作流的关键。
结合LLMs进行医疗决策不仅仅是技术进步；它是在复兴深思熟虑的医学艺术。或许更重要的是，LLMs可能帮助医生重新发现医学中智力探索的乐趣。通过创造反思和深入推理的空间，这些工具不仅在改善结果，还在改变行医体验。
(全文结束)
