一项发表于 Science（《科学》） 的新研究显示，在真实急诊病例测试中，OpenAI 的 o1 模型在部分诊断环节的表现，达到甚至略高于两名 internal medicine attending physicians（内科主治医生）。
这项研究由 Harvard Medical School（哈佛医学院） 和 Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） 的医生与计算机科学家联合完成。
研究选取了 76 名 进入 Beth Israel 急诊室的患者，比较两名内科主治医生与 OpenAI o1、4o 模型给出的诊断结果，再由另外两名不知情医生进行盲评。
结果显示，在每一个诊断节点上，o1 的表现都与医生相当，或略优于医生和 4o；其中差距最明显的是 initial ER triage（急诊初始分诊） 阶段，也就是患者信息最少、判断最紧急的时候。
按研究披露的数据，在分诊阶段，o1 给出“完全正确或非常接近正确”的诊断比例为 67%，而两名内科主治医生分别为 55% 和 50%。研究团队强调，这次测试并没有对病历数据做额外预处理，模型看到的信息，就是医生当时在 electronic medical records（电子病历） 中能看到的内容。
不过，研究并没有得出“AI 已能独立接管急诊诊断”的结论。作者明确表示，这一结果只是说明，AI 值得进入更严格的 prospective trials（前瞻性试验），以评估其在真实临床场景中的作用。研究也提到，此次测试仅基于文本信息，当前 foundation models（基础模型） 在处理影像等非文本输入时，能力仍有限。
此外，这项研究也引发了外界对标题党式解读的警惕。有急诊医生指出，研究拿来对比的对象是 内科主治医生，而不是 ER physicians（急诊科医生）；但急诊医生在首诊时最重要的任务，往往不是“猜中最终病名”，而是先判断患者是否存在致命风险。#医学影像 #ai问诊
