【AI新衝擊 醫療智變】AI臨床表現勝醫生 缺乏問責難替代 機器協助診症 生死決定由人

美國非牟利衞生政策研究機構凱澤家族基金會（KFF），今年較早時發布的民調結果顯示，約三分之一美國成年人正使用人工智能（AI）獲取健康信息與建議。美國AI公司OpenAI於今年7月上線ChatGPT Health功能，允許用戶整合醫療紀錄與健康數據，從與聊天機器人的對話中獲取個人化的健康資訊。但有分析認為，即使AI看病表現或優於人類，但人們還沒準備好把性命交給AI。

●香港文匯報記者 胡藝禾

業內研究表明，AI在部分臨床任務中的表現已取得突破性成就，或已超越人類醫生。兩篇發表於科學期刊《自然》的研究顯示，德國學術團隊開發的MIRA，與Google研發的AMIE這兩款AI智能體，在虛擬測試中已能媲美、甚至超越人類醫生的臨床決策能力。在500多宗急症病例評估中，AI診斷準確率達87.8%，優於6名跨專科醫生組成的人類專家組的78.1%。

「不可出錯診斷」AI未贏人類

由哈佛醫學院等機構組成的研究團隊，在科學期刊《科學》上發表的論文亦指出，OpenAI的模型，在6項臨床推理任務中表現遠勝人類，但在「不可出錯診斷」、即一旦出錯就會搞出人命的測試中，AI模型還未與人類拉開差距。不過研究團隊坦承，該研究的對照組是內科醫生，而非急症室醫生，結論有局限性。

同期的類似研究則獲得截然不同的結果。美國醫學會期刊《JAMA Network Open》刊文稱，業界現有的大型語言模型（LLM），包括GPT-5、Claude 4.5 Opus、Gemini 3、Grok 4等，在臨床推理早期的鑒別診斷階段，錯誤率普遍逾80%。分析認為，AI在信息不足、需逐步推理的早期階段，往往容易過早作出結論。相比之下，臨床醫生通常會在初期保留多種可能性，並隨着檢查結果修正判斷，最終才形成定論。

OpenAI表示，現時用戶向AI查詢健康問題的數量，已增至每周3億次，原因是當下醫療健康領域存在醫療成本高、醫生預約爆滿，及服務缺乏連續性等問題。但AI在健康領域的應用同樣面臨挑戰，因LLM的原理是預測最可能的回應，而非最準確的答案，因此LLM不具備判斷信息真偽的能力，容易出現「幻覺」，導致回答內容失準。

「誤信AI幾乎死於肺栓塞」

ChatGPT Health上線的前一日，美國佛羅里達州一名牧師指控當時的舊版ChatGPT模型，向他提供了不準確的醫療建議，幾乎導致他去年死於肺栓塞。西奈山醫療系統的研究員更發現，即使症狀提示存在危及生命的情況，但當用戶在提示詞中加入「我可能反應過度了」，或「我妻子說沒事」等表述時，ChatGPT Health有較大可能不建議患者去求診。

哈佛研究團隊的結論是，LLM在多個臨床標桿測試中表現優異，但在實際複雜臨床情境中落地仍屬前瞻性。「在對AI診斷尚無正式問責框架下，病人仍希望由人類作出事關生死的決策。即使AI看病在特定場景下表現優於人類，但人們還沒準備好把性命交給AI。」