經(jīng)濟觀察網(wǎng) 記者 瞿依賢 “您好，麻煩您告訴我您的年齡及性別，以及哪里不舒服？”當真人醫(yī)生和AI醫(yī)生以同樣的問題開始問診，最后的診療結果、治療方案會一致嗎？

6月30日，國內(nèi)首次AI醫(yī)生與真人醫(yī)生一致性評測完成。這場PK發(fā)生在成都高新海爾森醫(yī)院，AI醫(yī)生為互聯(lián)網(wǎng)醫(yī)療公司醫(yī)聯(lián)推出的MedGPT，真人醫(yī)生是四川大學華西醫(yī)院的10位醫(yī)生，包括副主任醫(yī)師和主治醫(yī)師，涉及科室包括骨科、內(nèi)分泌代謝科、心內(nèi)科、腎內(nèi)科、老年呼吸科、消化科和泌尿外科。參與這場義診評測的患者共120多位。

問診過程中，真人醫(yī)生和AI醫(yī)生都沒有與患者直接接觸，患者與醫(yī)生助理接觸，醫(yī)生助理通過電腦輸入文字分別與真人醫(yī)生和AI醫(yī)生聯(lián)系，真人醫(yī)生和AI醫(yī)生的問題也經(jīng)由醫(yī)生助理傳遞給患者。

引導患者說出完整病情、收集足夠多決策因子后，真人醫(yī)生與AI醫(yī)生為患者開具檢查單或診斷，患者直接在成都高新海爾森醫(yī)院完成檢查；獲得檢查結果后，患者再復診，并由AI醫(yī)生及真人醫(yī)生提供臨床診斷及治療方案。

從開始問診到評審結果，整個過程在網(wǎng)上直播。

8個小時的問診結束后，形成有效病例91份，由北大人民醫(yī)院、中日友好醫(yī)院、阜外醫(yī)院和友誼醫(yī)院的7位專家教授進行審核。7位專家教授的專業(yè)與前述科室對應，評價維度包括7個——問診準確性、診斷準確性、治療建議準確性、輔助檢查方案準確性、數(shù)據(jù)分析準確性、提供可解釋信息、自然語言問診與交互。

最終，真人醫(yī)生綜合得分為7.5分，AI 醫(yī)生綜合得分為7.2分。AI醫(yī)生與真人醫(yī)生在比分結果上的一致性為96%。5位專家給真人醫(yī)生的打分都高于AI醫(yī)生，只有2位專家給AI醫(yī)生的打分高于真人醫(yī)生，一位差1.6，一位差0.1。

在專家評審環(huán)節(jié)，北大人民醫(yī)院腎內(nèi)科主任醫(yī)師蔡美順表示，AI詢問比較全面，檢查也做得比較全面，不太容易漏診，但存在概念錯誤，比如AI醫(yī)生在其中一個病例的問診中說，“尿微量白蛋白在正常范圍內(nèi)，腎臟的過濾功能是正常的”，這句話就不準確。

蔡美順表示，這次一致性測評的樣本量還不夠豐富，總體來說，“人工智能對我們的工作有一些幫助”。

北大人民醫(yī)院骨科主任醫(yī)師薛峰對AI醫(yī)生的評價是：總體不錯，稍稍有些超出預期。MedGPT是一項非常有發(fā)展前景的技術，應該定位在常見病和基礎病的診斷上。

薛峰以147號病例舉例，這個病例的癥狀是膝蓋痛，AI醫(yī)生問診非常詳細，“MedGPT不嫌累，話多，問題也很多”，會關注女性患者是否正在備孕、懷孕，而現(xiàn)實臨床工作中，骨科醫(yī)生較少會問這類問題，“有些細節(jié)問題漏掉之后很容易犯一些錯誤，一些癥狀漏掉之后也可能漏診”。對膝蓋痛這種常見疾病，很多時候醫(yī)生需要做一些科普，告知患者生活中需要注意的事項，AI醫(yī)生的詳細表達也會給患者更多信息。

薛峰還發(fā)現(xiàn)了一個“驚喜”：MedGPT根據(jù)患者腳底板疼痛判斷患者有可能出現(xiàn)神經(jīng)壓迫，真人醫(yī)生卻沒有想到這一點。

對于AI醫(yī)生的不足，薛峰認為，AI醫(yī)生無法查體，但AI醫(yī)生也沒有關注查體結果，比如關節(jié)的活動度、有無壓痛點等等。此外，對檢查結果，AI醫(yī)生只會讀報告，報告怎么寫的就會認為是什么樣的，但專科醫(yī)生要自己會看片子，“片子上的細微改變，報告有時候是體現(xiàn)不出來的”。

中日友好醫(yī)院心內(nèi)科主任醫(yī)師任景怡舉例，對早搏問題，AI醫(yī)生還關注了中度貧血，這在臨床上可能跟早搏密切相關，但在實際工作中，專科醫(yī)生比較聚焦自己的專業(yè)，可能會忽略相關癥狀。AI醫(yī)生的知識儲備比較全面。

多位專家認為，AI醫(yī)生雖然問診詳細，但是針對性不夠強，系統(tǒng)性和邏輯性也不夠強，還有待訓練。