医疗AI遇到的一个大问题，就是给患者导诊的时候，准确性其实连四成都不到。这次在《自然医学》上发表的研究就说明了这个情况，由周亦川提供。他们用了三个大数据模型，先把它们在医疗场景里训练了一番，再找了1300位志愿者来做测试。志愿者们要么问这些AI模型，要么直接问谷歌医生。结果显示，谷歌医生的准确率能超过40%，但AI模型的准确率只有35%，差距还是挺大的。 做这项研究的专家分析说，这并不是因为这些AI的医学知识不够先进，主要是因为它们在处理自然语言方面还有短板。我们平时跟人说话，可能就是随便聊两句、断断续续地说自己的症状，而不是一次性把所有病史都讲完。这种碎片化的表达方式很容易让AI理解错。 比如有一个案例特别让人警醒：有位志愿者因为蛛网膜下腔出血去咨询AI。如果他说“突然出现从未有过的剧烈头痛”，AI能马上识别出这是高危情况并建议立刻就医；可要是他换成“头痛欲裂”这种描述，AI就会把它当成偏头痛来处理，只让他去黑暗安静的地方休息。在现实中如果真的这么做了，病情很可能就延误了。 所以专家们说，下一步医疗AI需要解决的问题是如何更好地理解这些碎片化、非标准化的表达，还要能在多轮对话中整合信息、识别风险。只有这样，才能给大家提供更安全可靠的院前健康指导服务。李冬梅把这些内容整理出来了。