行业观察|AI医疗从“回答问题”走向“疾病演化预测”

一个模型能在医学考试里拿高分，能对着一段病历说得头头是道，并不等于它能在真实诊疗中做出可靠判断。2024 年发表在《自然·医学》的一项研究，说明了这中间的距离。研究者用两千多个真实住院病例，考察大语言模型能否像医生那样一步步收集信息、判断并处理四种常见的腹部急症。结果是，这些模型的诊断准确率明显低于医生，差距大约在十六到二十五个百分点；当模型需要自己决定该问什么、该查什么时，表现进一步下滑；它们甚至在判断一个化验值是偏高还是偏低这种基础问题上频繁出错。研究者的结论很直接：这些模型还不能用于自主的临床决策。

真实病例上，大语言模型的诊断准确率明显低于医生。来源：Nature Medicine, 2024

问题不在于模型“知道得不够多”，而在于医疗决策本身的性质。同一个诊断，放在不同的人、不同的时间、不同的合并症背景下，处理方式可能完全不同。病情随时间变化，一个决定的后果有时要很久才显现。回答一个封闭的问题，和在变化中做出一连串带后果的判断，是两件事。

要跨过这段距离，AI 需要理解的不只是“此刻的一张快照”，而是疾病如何随时间演化。

很多传统医疗模型处理的是静态问题：给定此刻的一组指标，判断有没有某种病、属于哪一类。这类识别很有用，但它默认时间是凝固的。真实的病人不是这样，指标在动，状态在变，早期一个细微的趋势，有时比某一次的绝对数值更重要。

一个正在被研究的方向，是把一个人的医疗记录看成一串带时间戳的事件——什么时候做了什么检查、用了什么药、出现了什么变化——让模型从这串序列里学习疾病演化的规律，而不是只看孤立的一点。有研究者把这种思路称为对电子病历的“下一事件预测”，希望模型能像语言模型预测下一个词那样，学会预测一个病人接下来可能发生什么。需要说明的是，这类工作大多还在研究阶段，其中不少尚未经过同行评议，离临床可用还有距离。但它指向的问题是真实的：医疗需要能理解时间和轨迹的模型。

从识别，到理解疾病如何演化，再到决策与验证（概念示意）

就算模型能预测出一个风险概率，事情也没有结束。预测一个数字，和据此做出正确的决策，仍然隔着一段路。

一个被反复引用的例子，是被很多医院部署过的 Epic 脓毒症预警模型。2021 年，密歇根大学的研究者在近四万次住院数据上对它做外部验证，发现它的判别能力（AUC）只有 0.63，漏掉了大约三分之二真正发生脓毒症的病人，同时对将近五分之一的住院病人拉响了警报。一个模型即便挂在系统里、每天都在预测，如果漏报太多、误报太多，临床上未必用得起来，反而可能带来“警报疲劳”——医生被太多无效提醒淹没，慢慢不再理会。

预测得出概率，不等于决策有用：一个被广泛部署的脓毒症模型的外部验证。来源：JAMA Internal Medicine, 2021

所以真正的问题不止是“预测得准不准”，而是一连串更具体的问题：谁需要干预，什么时候干预，用什么方式干预，以及干预之后如何验证效果。一个有用的系统，要能把风险落到具体的人和具体的动作上，能嵌进医生本就繁忙的流程，还要能回过头来检验——我们当初的判断对吗，这次干预有没有让结果变好。预测是起点，决策和验证才是医疗真正关心的。