# 哈佛新研究：AI 模型"急诊科"场景诊断能力有望超越人类医生

- 来源：IT之家（RSS）
- 发布时间：2026-05-02 22:16
- AIHOT 分数：66
- AIHOT 链接：https://aihot.virxact.com/items/cmoohd0et0oa7sll9haeq6vww
- 原文链接：https://www.ithome.com/0/946/077.htm

## AI 摘要

哈佛医学院与贝斯以色列女执事医疗中心的研究显示，OpenAI的一款推理模型在真实临床病例测试中，其诊断与制定治疗方案的能力达到甚至超越了人类医生水平。研究重点测试了模型在急诊科等信息不完整、混乱的真实场景中的表现，模型仅依据当时可获得的电子健康记录文本进行判断，在多个诊疗环节及复杂诊断推理测试中的表现超过了两名经验丰富的医生以及一个大型医生基准组。但模型目前完全依赖文本病历，未处理影像等关键信息。研究者强调，AI并非取代医生，而是有望成为临床决策支持工具，尤其适用于急诊等高压环境。下一步需在真实临床环境中测试其对患者结局的实际改善效果。

## 正文

IT之家 5 月 2 日消息，当地时间 5 月 1 日，据外媒 TechSpot 报道，AI 正开始进入医学中最难的一类场景：信息不完整时如何作出正确的判断。《科学》期刊一项新研究显示，OpenAI 的一款推理模型在真实临床病例中接受测试后，在诊断患者和制定治疗方案方面达到人类医生水平，很多情况下甚至表现更好。

这项研究由哈佛医学院和贝斯以色列女执事医疗中心研究人员完成。与传统受控基准测试不同，研究重点放在真实临床环境下的表现，也就是模型面对不完整、不规整、不断变化的医疗信息时能否作出有效判断。

其中一个病例中，一名患者因肺栓塞进入急诊科。治疗后一度好转，随后病情再次恶化。医生最初怀疑药物没有发挥作用。AI 模型则基于当时同样可获得的电子健康记录，提示患者可能有狼疮病史。

据悉，狼疮是一种自身免疫性疾病，可能导致心脏炎症。后续结果证明，模型给出的方向是正确的。

研究团队在多个诊疗环节测试了这个模型，从急诊分诊到住院阶段都有覆盖。每一步中，模型都只能使用当时已经掌握的信息。总体结果显示，在相同限制条件下，模型表现超过了两名经验丰富的医生。

贝斯以色列女执事医疗中心临床研究人员、研究作者之一亚当 · 罗德曼表示：“对我来说，最大的结论是，它能处理急诊科那些混乱的真实世界数据。它能在真实世界中用于诊断。”

研究人员还使用《新英格兰医学杂志》临床病例报告，以及其他标准化诊断挑战来测试模型。这类病例主要考察复杂诊断推理能力。结果显示，模型再次超过了作为对照的一大组医生。

参与研究的哈佛医学院生物医学信息学助理教授拉杰 · 曼赖表示：“模型表现超过了我们规模很大的医生基准组。”

不过，这项研究也有重要限制。模型完全依赖文本病历，没有处理影像、声音和非语言线索，而这些信息在真实临床工作中非常关键。即便如此，它在不确定条件下的表现仍比早期系统更强，尤其是在鉴别诊断中更突出。鉴别诊断要求医生同时考虑多种可能疾病，再逐步排除和收窄范围。

作为对比，过去的大模型在病例信息模糊或不完整时，经常难以稳定推理。

外部专家认为，这项进展确实重要，但真正落地仍有很多问题。

研究作者同样强调，这项研究并没有证明 AI 应该取代医生，仅仅说明 AI 有机会成为临床决策支持工具，尤其适用于急诊这类节奏快、时间紧、信息不完整的场景。曼赖说：“我认为，这确实意味着我们正在见证一场非常深刻的技术变化，它将重塑医学。”

真正困难的下一步，是把这类系统放进真实临床环境中接受测试。研究人员需要设计严谨试验，不只看模型答得准不准，还要看它是否真正改善患者结局。赖希表示：“设计这类试验是一个非常有挑战性的过程，但这项研究正是一个非常合适的行动号召。”