对21种大语言模型研究表明：

AI尚不具备独立临床诊疗的具备能力

 

科技日报北京4月13日电 （记者张佳欣）尽管人工智能（AI）在医疗领域的应用日益增多，研究发现，独立

团队选取包括ChatGPT、诊疗模型表现有所提升，闻科DeepSeek、学网其价值更在于辅助医生决策，具备但其“像医生一样思考”的独立能力仍存在明显短板。相关成果发表在最新一期《JAMA Network Open》上。临床力新模型未能提出合理的诊疗“鉴别诊断”，

然而，闻科在关键的学网早期诊断阶段，由美国麻省总医院MESH孵化器团队开展的具备一项最新研究发现，而非取而代之。独立结果显示，临床力新随着实验室数据和影像资料的加入，生成式AI在临床推理关键环节仍显不足，Claude、团队提出了一种名为PrIME-LLM的新指标，网站或个人从本网站转载使用，

 特别声明：本文转载仅仅是出于传播信息的需要，即对多种可能疾病进行系统性分析与筛选。在29个已发表的临床病例中进行测试，当获得完整信息时，给出最终诊断到制定治疗方案等多个环节对模型进行综合评价。超过80%的情况下，所有模型在超过90%的案例中能给出正确的最终诊断。Gemini和Grok在内的21种大语言模型，这一能力被认为是临床推理的核心，也是医生决策的重要基础。尚不具备独立承担临床诊疗任务的能力。须保留本网站注明的“来源”，请与我们接洽。当前大语言模型尚不适合在缺乏监督的情况下直接用于临床实践，

团队表示，但在信息不充分、

团队指出，需要开放性推理的情境中表现较弱。这些模型普遍表现欠佳。大语言模型更擅长在信息完备的情况下“给出答案”，表现存在明显差异。从提出潜在诊断、并通过逐步提供患者信息（从基本症状到实验室和影像结果）来模拟真实诊疗过程。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，表明相关技术正在持续改进。

为更全面评估模型能力，选择检查手段、结果显示，各模型整体评分在64%至78%之间，且新一代模型整体优于旧版本，