SeetoMD
感恩，關懷，友誼
比較 AI 與醫生的診斷能力，我們應該設計一場真正公平的測試
司徒
最近有一項實驗使用了304個來自《新英格蘭醫學雜誌》的標準病例。AI係統與來自美國和英國、擁有5到20年臨床經驗的21位醫生進行對比。他們被要求逐步處理這些病例，包括選擇檢查項目、問診內容，以及進行鑒別診斷。
結果顯示，當AI係統搭配使用OpenAI最新的大型語言模型時，能夠在85.5%的病例中做出正確診斷；相比之下，這21位醫生的平均準確率隻有20%。
乍一看，AI似乎遙遙領先。但問題在於：AI擁有幾乎整個世界的醫學知識和數據庫，而醫生卻被禁止使用任何他們平時會依賴的資源——比如同事會診、醫學書籍，甚至AI工具本身。
這樣的對比根本不公平，也不符合真實醫療情境。這就像一場考試：一個人是開卷考試，另一個人卻被要求閉卷，不能查資料也不能問問題。在這種設定下，結果從一開始就已經注定了。
更值得指出的是，這些病例並不是來自現實門診的複雜情境，而是醫生事先整理並潤色過的教學案例。這類結構清晰、用詞標準的病例，正是AI最擅長處理的，但卻無法代表真實世界中病人的表現方式。
在現實生活中，病人不會說：“我左臂無力，懷疑錐體束受損。”他們往往隻是說：“我胳膊感覺怪怪的。”這種“怪”，可能是疼痛、麻木、無力，也可能是心理壓力或焦慮。醫生不僅要理解這些模糊的表達，還要通過病人的語氣、表情、行為，判斷其中是否夾雜情緒、社交甚至法律層麵的因素。
我覺的來一次公平的測試是必要的。真正有說服力的比較，應該是這樣的：
1. 一方是由AI驅動的機器人，擁有數據、傳感器和推理能力；
2. 另一方是經驗豐富、具備執照的醫生，合理地將AI工具融入到診療流程中作為輔助。
兩者都必須麵對真實的病人：親自問診、體格檢查、情緒評估，在不確定中做出診斷，而不是僅僅處理整理好的紙麵病例。然後再比較兩者的表現。
在這樣的公平實驗尚未完成之前，宣稱AI能夠取代醫生，是可能引起公眾的誤會。
當前的研究最多隻能說明：AI在處理為它量身打造、結構清晰的標準問題時表現出色。而醫生在被剝奪所有常規工具的情況下自然處於劣勢，這本不令人驚訝。
醫學不是紙上談兵，也不僅僅是邏輯推理或數據匹配。醫療的本質是責任，是人對人的理解、同理心與承諾。
我們有必要認真追問：所謂“AI超過醫生”的說法，是建立在怎樣的測試和前提之上。否則，這些報道隻會誤導公眾，讓人錯誤地以為醫生已經可以被AI/機器替代了。
兩者都應該接觸真實的病人——不是教科書裡挑出來的理想案例。他們應該親自問診、做體檢、下診斷，然後再比較結果：診斷準確度、安全性、病人信任程度、長期效果。這才是公平的比較。
而事實是：我們至今還沒有真正做過這樣的測試。