AI问诊隐患：漏读数据却不出声
这篇编译自 Unite.AI 的评论文章认为，在某些认知任务上大模型已胜过单个医生：文中引用 2024 年一项 50 名医生的随机试验（GPT-4 组 76 分、传统资料 74 分，差异不显著，GPT-4 单独作答高出 16 个百分点），以及两项 2026 年试验（巴基斯坦：接受 AI 素养培训并使用 GPT-4o 的医生诊断推理得分 71.4%，传统资料 42.6%，GPT-4o 单独作答 82.9%；英国复现研究中医师在 AI 辅助下仍比模型单独作答低 21 个百分点以上）。作者、医生布兰迪・扎卡里称，其团队投入约一年、约 100 万美元和一支 10 人临床团队，系统至今仍未建成，因为真正的难点不是模型聪明与否，而是可靠的数据提取、可复现的确定性逻辑与安全防护。她警告，通用大模型面对含 150 项指标的化验报告时可能漏读数值却不作说明，这种“不知道自己漏了什么”才是危险所在。
提醒医疗 AI 的落地瓶颈更多在数据提取、可复现性与人机分工，而不只是模型推理能力。
多年来，布兰迪・扎卡里博士一直在把复杂的病史、化验结果、症状、用药和多年治疗经过，整理成连贯的临床方案。一个复杂病例，往往要花她三个小时研究，才敢确定什么重要、下一步怎么做。
后来，生成式AI出现了，能消化海量信息，调取医学知识的速度远超人脑，几秒钟就能看出一份病例里各项信息之间的关联。她以为，只要给大语言模型套个界面、加几道安全防护，就大功告成了。
实际上，他们花了一年左右、约100万美元，带着软件工程师和一支10人临床团队，系统却至今没建完。
她用的AI，和别人不一样
原因不是AI不够聪明，而是“聪明”恰恰是最容易的部分。
做临床软件之前她就发现：同一个AI工具，自己和旁边的人用，结果天差地别。因为她不是简单提问、拿走答案，而是在跟AI争辩、质疑假设、补上漏掉的背景、纠正错误、换角度再追问。