便宜的AI聊天机器人，让缺医少药的地方看病更方便

大型语言模型（LLMs）能通过研究生医学考试，也能在受控的基准测试中协助临床医生诊断。但在现实医疗场景中，医生人手不足、患者数量多且资源有限，它们是否有用呢？2月6日发表在《自然-健康》的两项研究表明，LLMs能胜任这一任务。研究发现，在卢旺达和巴基斯坦的医疗环境中，成本低廉的LLMs可提高诊断成功率，甚至表现优于训练有素的临床医生。

在卢旺达的研究中，研究人员测试了LLMs能否在四个地区的低资源医疗系统中为患者提供准确的临床信息。该研究的合著者、致力于健康公平的伦敦全球非营利组织PATH的首席AI官比拉尔·马滕表示，当地的一个常见问题是医生和护士太少，无法接诊所有患者，因此大多数人由几乎没有受过训练的社区工作者接诊和分诊。马滕的团队让约100名社区卫生工作者整理了他们从患者那里收到的5600多个临床问题清单。研究人员将五个LLMs对其中约500个问题的回答与受过训练的当地临床医生的答案进行了比较。以5分制评分显示，所有LLMs在包括与既定医学共识的一致性、对问题的理解以及回答导致伤害的可能性等11项指标上均优于当地临床医生。该团队还证明，LLMs能用卢旺达的国语——基尼亚卢旺达语回答约100个问题。马滕说，LLMs还有另一个优势：社区卫生工作者可以24小时咨询它们，而医生则做不到。LLMs的每条回答成本也低500倍——临床医生的回答平均成本为医生5.43美元、护士3.80美元，而LLMs的回答英语为0.0035美元，基尼亚卢旺达语为0.0044美元。马萨诸塞州波士顿贝斯以色列女执事医疗中心的临床和AI研究员亚当·罗德曼表示，这项研究“表明商业LLMs能够对常见咨询给出医学和文化上合适的回答”。不过，罗德曼对LLMs与人类表现的比较仍持怀疑态度。他说，这种书面答案的评估机制擅长衡量模型，但对人类表现的衡量效果较差。

在巴基斯坦，由巴基斯坦拉合尔管理科学大学的计算机科学家伊赫桑·卡齐领导的研究人员发现，LLMs能在低资源医疗环境中提高诊断准确性。卡齐说，那里医疗专家匮乏且患者数量庞大，导致诊断错误率很高。卡齐的团队进行了一项随机对照试验，58名持照医生接受了20小时的培训，学习如何使用LLMs辅助诊断患者症状，并警惕程序出现的错误或幻觉。与仅使用PubMed和互联网搜索的医生相比，使用GPT-4o LLM的医生在审查临床病例时的诊断准确性评分显著提高。使用LLMs的医生平均诊断推理得分达71%，而使用传统资源的医生为43%。一项次要分析发现，仅使用LLMs的得分比有LLMs辅助的医生更高。但也有例外，在31%的病例中，医生的表现优于中等水平的单独AI。卡齐说：“事实证明，这些病例涉及LLMs似乎忽略的危险信号和背景因素。”卡齐预计他的结果适用于其他国家，但表示需要用其他聊天机器人进行复制。“这项工作开辟了新的途径，最终可能导致AI与医疗保健更安全、更有效的整合。”