Nº 140AI与医疗:聊天机器人能否判断“不必要的检查和治疗”,灰色地带的分歧,以及面对焦虑患者时能否坚持

Why AI Chatbots Usually Know When a Medical Test Is Not Needed

418 词 / 约 3 分钟

中文导读

很多病人看病时会要求“保险起见”多做一项检查,但多做检查并不总是更好:没有必要的检查可能发现无害的小问题,进而带来焦虑、更多就诊,甚至不必要的手术。以色列本-古里安大学的 Guy Laban 与 Clalit 医疗服务机构的家庭医生 Dean Ariel 等人,于2026年10月20日在《内科学年鉴》发表研究,测试了谷歌、Anthropic 和 OpenAI 的六个大语言模型(large language models)能否判断什么时候“不该做”。研究案例依据国际“明智选择”(Choosing Wisely)倡议的建议设计,每个案例都配有一个情况相近、但确实需要检查或治疗的对照案例。文章大致按“问题—研究方法—主要结果—出错的灰色地带—意义—不同模型的差异与下一步问题”展开。阅读时可留意 but、while 如何构成对比,for example 如何引出配对案例,以及 0.6%、5.4%、28.3%、42.8% 等数字分别说明了什么。

正文

“ .” , . . , .

本段译文

很多病人会要求“保险起见”再多做一项检查。但在医学上,检查做得越多并不总是意味着照护越好。以色列的一项新研究探讨了AI聊天机器人是否知道什么时候不需要做检查或治疗。答案大体上是肯定的,但聊天机器人在一些不明确的案例中会遇到困难,而人类医生在这些案例上同样存在分歧。

20 . , , . , .

本段译文

这项研究于10月20日发表在《内科学年鉴》上,由Clalit医疗服务机构的家庭医生Dean Ariel和内盖夫本-古里安大学的Guy Laban牵头。研究团队用数百个医疗案例测试了谷歌、Anthropic和OpenAI开发的六个大语言模型,并分析了数千条回答。

, 2012 . . , , . , .

本段译文

这些案例依据“明智选择”(Choosing Wisely)的建议设计。这是一项始于2012年的国际倡议,目的是减少价值不大的医疗服务。每个案例都配有一个情况非常相近的对照案例。例如,一名年轻男子搬家具后突然腰背疼痛,不需要做影像检查;但一名曾患乳腺癌、夜间出现新的背痛的女性则需要。普通感冒不需要抗生素,而已确诊的细菌性咽喉感染则需要。

, . , 0.6% . , 5.4% . 8 15 , .

本段译文

总体来看,聊天机器人表现不错。当检查或治疗确有必要时,它们只在0.6%的回答中错误地建议不做。当检查或治疗没有必要时,它们在5.4%的回答中仍建议去做。在15条建议中,有8条对应的案例里,它们完全没有建议任何不必要的步骤。

. - 28.3% , . , 42.8% . .

本段译文

大多数错误出现在两个灰色地带。对于低风险患者,模型在28.3%的回答中建议做心脏检查,这往往发生在患者提到心跳过快的时候。对于颈部看起来无害的小肿块,它们在42.8%的回答中建议做超声检查。美国两个主要医学团体至今仍在这类肿块是否需要检查的问题上存在分歧。

, . “ ,” .

本段译文

这一点之所以重要,是因为一次不必要的检查可能发现无害的问题,进而引发担忧、更多就诊,甚至手术。Ariel说:“行医最难的部分之一,就是知道什么时候该停下来。”

. , 10% , 80% . . , . “” .

本段译文

研究者还发现,不同的聊天机器人给出的回答差别很大。在不明确的案例中,一个模型建议做不必要检查的比例不到10%,而另一个模型的比例高达80%。Laban提醒说,人们可能会误以为所有AI工具都是同一个声音。他还说,医生面对焦虑的病人时必须坚持立场,而聊天机器人往往倾向于附和与它们对话的人。下一个问题是:当病人坚持要求时,它们还能否说“不”。

新闻来源

WORD NOTES 词汇