AI Medical Diagnosis: Why Research Results Conflict

•近期《科學》期刊研究指出，OpenAI 的 o1-preview 大型語言模型在急診初期檢傷階段的診斷準確率達 67.1%，優於兩位急診醫師的 55.3% 和 50%，尤其在資訊最少、不確定性最高的時刻表現突出。
•JAMA Network Open 的研究顯示，雖然大型語言模型在獲得完整病患資料時，最終診斷的正確率可達 90% 以上，但在早期鑑別診斷（differential diagnosis）階段，當資訊不完整時，其錯誤率普遍超過 80%。
•AI 醫療診斷面臨多重挑戰，包括數據品質與一致性差、標籤不確定性、病患異質性、真實世界部署的流程整合困難、環境變化快速以及數據偏見導致的泛化能力不足等問題。
•美國 FDA 已批准超過 1,400 個 AI/ML 醫療設備用於臨床應用，其中大部分集中在放射科和心血管科，顯示監管機構對 AI 醫療技術安全性與有效性的認可，但同時也面臨如何監管自適應演算法的挑戰。
•儘管 AI 在特定任務上表現出色，但其「黑箱問題」和缺乏對非結構化資訊（如患者面色、情緒）的感知能力，使得其決策過程不透明，且過度依賴可能削弱醫師的獨立臨床判斷能力，因此 AI 應作為輔助工具而非取代人類醫師。

模型架構：早期醫療 AI 系統如 INTERNIST-1 (1971) 和 MYCIN (1976) 主要基於專家系統和規則引擎，透過強大的排序演算法或「逆向鏈接」推理來提供診斷建議。
深度學習：2010 年代後，隨著深度學習的興起，卷積神經網絡 (CNN) 成為醫療影像分析的核心工具，能夠處理多維度數據，用於識別病理特徵，例如在乳房 X 光攝影中檢測乳腺癌。
大型語言模型 (LLM)：近年來，LLM 如 OpenAI 的 o1-preview 和 GPT-4o 被應用於臨床推理，它們擅長處理非結構化文本數據，進行模式識別和跨科別知識整合，尤其在資訊不完整時能提供有條理的推理路徑。
多模態能力：未來的 LLM 發展趨勢將聚焦於多模態大模型，結合文本、影像、聲音等多元數據，以更全面地模擬臨床診斷過程。
推理機制：新型 AI 診斷系統結合知識圖譜、自然語言處理、貝氏網路和符號推理等技術，旨在提供深度推理能力和可解釋性，將診斷結論分解為邏輯步驟並提供證據支持，以克服傳統「黑箱」模型的局限。

AI 將加速醫療模式從治療導向轉向預防導向。

AI 模型能夠分析大量數據，提早數年預測高風險疾病，並結合影像、血液、基因數據進行風險評估，提供個人化預防建議，從而實現早期介入與治療。

AI 將成為醫師的「副駕駛」而非取代者，改變臨床工作流程。

AI 在處理重複性分析、文件管理和總結病歷方面展現潛力，能輔助醫師進行雙重檢查和行政工作，使醫師能更專注於複雜決策和患者溝通，形成「醫師×患者×AI」三方協同的新範式。

醫療 AI 的監管框架將持續演進，以應對自適應演算法和數據偏見帶來的挑戰。

隨著 AI/ML 醫療器材的快速發展，FDA 等監管機構正積極制定針對自適應演算法的具體指導，強調透明度、實時性能監控，並要求製造商定期更新產品，同時關注算法偏見和解釋性問題。

1950

艾倫·圖靈提出「圖靈測試」，為人工智慧奠定理論基礎，並明確提及醫療診斷作為潛在應用。

1971

全球首個醫學人工智慧顧問系統 INTERNIST-1 誕生，利用搜尋演算法根據症狀進行臨床診斷。

1976

MYCIN 專家系統開發完成，能針對潛在細菌病原體提供抗生素治療建議，準確率達 90.9%，但因責任、FDA 不確定性等因素未投入臨床使用。

2012

AlexNet 在 ImageNet 競賽中取得突破，標誌著深度學習在圖像識別領域的重大進展，為醫療影像 AI 的發展奠定基礎。

2017

IBM Watson 被神經科醫生用於識別肌萎縮性脊髓側索硬化症 (ALS) 中改變的 RNA 結合蛋白。

2020

每年發表數百個 AI 醫學影像模型，多個 FDA 批准的 AI 診斷工具進入臨床使用，FDA 批准的 AI/ML 醫療設備超過 64 個。

AI 醫療診斷：為何研究結果相互矛盾？