自主AI在2030年前的认知医疗任务中超越医生

这篇新的JAMA观点文章中最令人不安的论点，并非AI能击败医生，而是让人类重新介入以捕捉AI错误的做法，反而可能导致结果更差而非更好。作者Ezekiel Emanuel、Abraham Baker-Butler、Neal Khosla和Vinod Khosla认为，一旦AI单独的表现持续优于人类单独的表现，那么由临床医生复核AI输出的混合式医疗模式，更可能削弱而非提升整体表现^[1]。这并非孤立发现：2025年对52项临床研究的综述发现，医生与AI组成的团队既未优于独立运行的医疗AI，也未胜过表现最佳的独立医生或最佳独立AI系统^[2]。问题的根源很可能是自动化偏见——当一个系统大多数时候正确时，临床医生往往在它出错时过度信任，或在它正确时本能地质疑，无论哪种情况，人类干预都会抵消AI的优势，而非增强它。这颠覆了医疗AI的常规宣传逻辑，即人类审查者本应是安全网，而非拖累源。

2030年的时间表并非来自AI炒作周期的猜测，而是基于一系列直接对比研究的推断。在377个复杂真实病例中，ChatGPT o3在60%的病例中首先正确命名最终诊断，而20名内科医生在其中302个病例的子集测试中，这一比例约为16%^[2]。使用真实的波士顿急诊室数据，另一项哈佛-贝斯以色列研究发现，一个OpenAI推理模型在约67%的早期病例中得出正确或非常接近的诊断，而医生的这一比例为50%至55%^[3]。一项针对AI虚拟助手在类似医师执照考试中的多国评估发现，AI在每个受测国家均优于医生，得分为72%至96%，而医生为46%至62%^[4]。谷歌的AMIE系统在获取患者主诉、回顾症状和采集病史方面，评分显著优于人类医生^[2]。正是这种不断扩大的差距——而非单一突破性结果——促使JAMA作者预测，自主AI可能在2030年前准备好部署于“部分，甚至可能是许多”临床工作流程中^[1]。内科医生兼相关《科学》（Science）研究共同资深作者亚当·Rodman（Adam Rodman）从历史角度评价其意义：这些结果达到了1959年确立的临床决策支持系统优于人类诊断的基准^[5]——同时提醒，模拟或回顾性病例中的优异表现不应被误认为AI已安全到可独立治疗真实患者。

并非所有人都认同这场辩论应被框定为AI对抗医生。JAMA作者的立场直接与美国医学会（AMA）和美国内科医师学会（ACP）的官方立场相悖，这两个机构均认为AI在医疗中的适当角色是辅助性的，而非自主性的^[1]。AMA自身的政策表述明确指出：自主或半自主AI工具必须融入由医生主导的团队，并在主治医生的指导下使用^[6]——这与AI无需逐案临床医生审查的模式完全相反。这种紧张关系也体现在执业医生日常谈论AI的方式中。尽管AI采用率在三年内翻了一倍多，但大多数医生表示，准确性和可靠性是他们对AI最关心的问题，多数人担心频繁依赖AI可能削弱自身的诊断能力；大多数医生也希望在AI如何融入其工作流程方面拥有直接发言权，而非自上而下强加^[7]。医生兼作家弗朗西丝·梅·哈丁（Frances Mei Hardin）直白地总结了潜在的抱怨：AI的采用速度超过了医生的知情同意，出错的风险主要由权力最小、最无力抵制其部署方式的临床医生承担^[7]。

即使是JAMA作者也承认，能力并非瓶颈——基础设施才是。他们承认，责任归属、报销机制和监管障碍仍未解决，按现状而言，不允许非人类的“医生”独立提供医疗服务^[1]。Emanuel在另一篇相关的JAMA观点文章中阐述了为何即使模型持续改进，这种谨慎仍是必要的：AI模型在不同于训练医院的机构部署时可能失败，因为患者群体和设备存在差异；语言模型可能生成流畅但错误的陈述；在训练数据中代表性不足的特定种族、族裔或社会经济群体，其算法对这些患者的表现往往更不准确^[8]。该文主张更安全的近期模式是协作式医疗，即算法处理明确定义的任务，而医生保留实质性监督——这明确与推动自主性的JAMA观点文章主张相反。此外，能力范围也有硬性上限：许多认知性医疗任务仍与物理操作绑定——如手术、分娩、结肠镜检查、介入放射学——目前没有任何机器人能自主执行这些操作，无论模型在基于文本的诊断案例中表现如何^[2]。