论文摘要 · 2026-10-22 · Science
人工智能在反复诊断过程中记录了比医生更高的准确率
Sequential diagnosis with language models
- 做了什么
- 研究人员开发了一个基于大语言模型的人工智能系统和一个交互式评估标准，用于模拟临床诊断过程。
- 核心结果
- 该人工智能系统在医学案例评估中分别创下了百分之83.2和百分之80.3的准确率，表现优于一般医生。
- 意义
- 尽管是在受控环境中，但这展示了语言模型能够支持更准确、更具成本效益的诊断的潜力。
研究背景
由于临床诊断经历的是医生反复收集信息并进行推理的顺序诊断过程，因此有必要探索人工智能能将此执行得有多好。
方法
开发了一个人工智能系统和交互式评估标准，该系统能够根据临床案例持续修正疑似疾病名称并选择最具成本效益的检查。
主要结果
在使用医学期刊案例和急诊室住院记录进行的评估中，人工智能分别达到了百分之83.2和百分之80.3的准确率，表现出比作为对比的一般医生更高的准确率。
局限与待确认之处
所提出的结果是在受控的评估标准环境中获得的，可能需要在实际临床环境中进行验证。
术语解释
- 大语言模型 — 一种通过学习海量文本数据，能够像人类一样理解和生成文本的人工智能技术。
- 顺序诊断 — 一种在了解患者状况的同时，分阶段选择额外信息的诊断方式。
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
