AI 系统在提升诊断准确性的同时降低了医疗检测成本

一种旨在模仿医疗专家小组的人工智能（AI）系统（它可在出现新信息时持续进行审阅）在诊断临床病例方面的表现优于参与的人类医生，它同时往往还能降低预估的检测成本。该研究的作者表示，此前对医疗 AI 工具的评估“尚未将诊断作为一个主动、序贯的信息收集过程进行测试，而这一过程需要同时考量诊断的准确性和诊断检查成本。”临床诊断是一个迭代过程：为确定患者的病情，医生会通过从患者病史、体格检查和诊断性检测中收集信息。随着新证据的出现，他们会不断修正可能的诊断，并判断是否已有足够的把握来做出结论或启动治疗。尽管语言模型（LMs）在书面考试和结构化临床病例中展现出令人印象深刻的医学推理能力，但传统评估通常会预先提供完整的病例信息。作者表示：“通过将诊断压缩为单次推理步骤，静态基准测试无法衡量一个系统是否会提出正确的问题、避免不加区分的检测、随着证据积累更新鉴别诊断，或判断何时已具备足够确定性来结束检查。”这可能会导致人们高估其诊断能力。为弥补这一空白，Harsha Nori 和同事开发了序贯诊断基准（SDBench）：将来自《新英格兰医学杂志》和急诊科接诊的 629 个临床病例转化为交互式、逐步推进的诊断挑战。

利用 SDBench，Nori 等人评估了他们创建的用于指导诊断推理的 AI 系统——诊断协调器（DxO）；该系统在选择问题和检测时会考虑成本因素。在评估的成本-准确性范围内，由 GPT-5 驱动的 DxO 会比参与医生在诊断准确性与检测成本之间取得更有利的平衡。根据预算限制的不同，该系统达到了 79.6% 至 84.5% 的准确率，每例平均费用在 1303 美元到 8945 美元之间。相比之下，医生在评估精心挑选的临床会议病例时的平均诊断准确率为 22.3%（不用参考工具）和 36.1%（用参考工具）。即便是表现最佳的医生（准确率达到 51.8%），其在准确性和成本方面也都被 DxO 超越。该系统还遵循了一种独特的诊断策略：在开具第一项检测之前，它收集的患者病史信息远多于医生通常所做到的。在常规急诊科病例中，DxO 在无预算限制的情况下达到了 80.3% 的准确率，平均每例成本为 4980 美元。尽管这些发现表明 AI 协调（AI orchestration）可能支持更高效的诊断，但作者认为，仍需进一步评估以确定其在真实临床实践中的功效及其对患者转归的影响。此外，Nori 等人强调，该模型无法进行体格检查或直接观察患者。不过，该系统在辅助医生工作流程方面展现了前景。欲了解更多见解，请参看“SciPak: Unpak'd”视频访谈，其中两位作者更详细地讨论了这项研究。