AI輔助醫療診斷現曙光新研究：複雜病例助醫避免漏診

一項由 Arjun Manrai 團隊發表在《科學》期刊上的最新研究發現，AI 在分析複雜醫療病例時，比人類醫師更能將正確診斷納入考量，顯示 AI 在避免漏診方面具潛力；儘管另有研究指出 AI 在處理不確定診斷時仍有弱點，但專家普遍認為 AI 應作為醫生的輔助而非取代，並期待透過更多研究安全地整合 AI 進入醫療體系。

【記者蔡佳穎／綜合外電】一項最新研究指出，人工智慧（AI）在複雜的醫療診斷案件中，考慮潛在診斷的能力可能優於人類醫師，為AI在醫療領域的應用帶來新的可能性。

根據《TAPinto》報導，這項由生物醫學資料科學家 Arjun Manrai 及其團隊執行的研究，已於今年 4 月 30 日發表在頂尖期刊《科學》（Science）上。研究團隊利用 OpenAI 的 o-1 preview model 進行測試，資料來源包括醫療訓練案例以及來自波士頓 76 名急診患者的真實數據。結果顯示，在臨床推理測試中，AI 模型將正確診斷或非常接近的替代診斷納入可能選項的機率，高於人類醫師。共同作者 Adam Rodman 醫師表示，這次測試的 AI 模型「適用於真實世界的診斷」。他舉例指出，在一個同時有呼吸道症狀和器官移植史的患者案例中，AI 模型甚至在人類醫師警覺到致命性食肉菌感染之前，就提早 12 到 24 小時察覺異狀。

這項研究的背景是大型語言模型（LLMs），也就是 ChatGPT 背後的技術，正在推動醫療 AI 的進步。根據 2025 年的一項調查，全球有五分之一的醫師和護理師已使用 AI 尋求複雜病例的第二意見，而超過一半的醫護人員希望將 AI 應用於此用途。Arjun Manrai 強調，AI 技術應作為醫療專業人員的輔助工具，而非取代他們，因為在面對具挑戰性的治療決策時，人類仍傾向尋求人類的指引。

然而，並非所有研究都對 AI 在醫療決策中的應用抱持同樣樂觀的態度。哈佛醫學院研究員 Arya Rao 肯定 Manrai 團隊的研究「嚴謹而深思熟慮」，但也提醒 AI 的推理方式與人類臨床推理不同。她表示，AI 模型雖已優化以進行序列性思考，但這與醫學生學習的醫學推理邏輯不盡相同。Arya Rao 的團隊在今年 4 月 13 日發布的一項研究中，測試了 21 種 AI 模型，發現推理模型雖然總體得分最高，但在處理多重不確定診斷方面仍是弱點。Rao 團隊認為，大型語言模型容易「倉促下結論」，且「其推理在不確定性和細微差別最重要的地方顯得脆弱」，因此尚未準備好用於醫療決策。

儘管兩組研究團隊對 AI 的成熟度看法略有不同，但他們都同意需要進行更多研究。Arjun Manrai 的團隊計畫進行臨床試驗，以探討「如何安全且周全地將 AI 整合到醫療照護中」。Arya Rao 則認為，AI 有潛力成為醫療資源不均情況下的「絕佳平衡器」，為缺乏醫療資源的人群提供幫助。

參考來源