科技日報北京4月13日電 （記者張佳欣）盡管人工智能（AI）在醫療領(lǐng)域的應用日益增多，但其“像醫生一樣思考”的能力仍存在明顯短板。由美國麻省總醫院MESH孵化器團隊開(kāi)展的一項最新研究發(fā)現，生成式AI在臨床推理關(guān)鍵環(huán)節仍顯不足，尚不具備獨立承擔臨床診療任務(wù)的能力。相關(guān)成果發(fā)表在最新一期《JAMA Network Open》上。

　　團隊選取包括ChatGPT、DeepSeek、Claude、Gemini和Grok在內的21種大語(yǔ)言模型，在29個(gè)已發(fā)表的臨床病例中進(jìn)行測試，并通過(guò)逐步提供患者信息（從基本癥狀到實(shí)驗室和影像結果）來(lái)模擬真實(shí)診療過(guò)程。結果顯示，當獲得完整信息時(shí)，所有模型在超過(guò)90%的案例中能給出正確的最終診斷。

　　然而，在關(guān)鍵的早期診斷階段，這些模型普遍表現欠佳。研究發(fā)現，超過(guò)80%的情況下，模型未能提出合理的“鑒別診斷”，即對多種可能疾病進(jìn)行系統性分析與篩選。這一能力被認為是臨床推理的核心，也是醫生決策的重要基礎。

　　為更全面評估模型能力，團隊提出了一種名為PrIME-LLM的新指標，從提出潛在診斷、選擇檢查手段、給出最終診斷到制定治療方案等多個(gè)環(huán)節對模型進(jìn)行綜合評價(jià)。結果顯示，各模型整體評分在64%至78%之間，表現存在明顯差異。

　　團隊指出，大語(yǔ)言模型更擅長(cháng)在信息完備的情況下“給出答案”，但在信息不充分、需要開(kāi)放性推理的情境中表現較弱。隨著(zhù)實(shí)驗室數據和影像資料的加入，模型表現有所提升，且新一代模型整體優(yōu)于舊版本，表明相關(guān)技術(shù)正在持續改進(jìn)。

　　團隊表示，當前大語(yǔ)言模型尚不適合在缺乏監督的情況下直接用于臨床實(shí)踐，其價(jià)值更在于輔助醫生決策，而非取而代之。