在人工智能（AI）技術飛速發展的當下，AI在醫療領域的應用一直備受關注。然而，一項最新的研究結果卻給AI醫生的前景潑了一盆冷水。據報道，大阪都會大學醫學研究生院的研究團隊深入評估了生成式AI在診斷醫療狀況方面的表現，并將其與醫生進行了對比，發現結果不那么如人意。

研究團隊從18371項研究中篩選出83項進行詳細分析，涵蓋了GPT-4、Llama3 70B、Gemini 1.5 Pro和Claude 3 Sonnet等主流生成式AI模型，覆蓋了多個醫療領域。結果顯示，這些AI模型的平均診斷準確率僅為52.1%（95%置信區間：47.0% - 57.1%），這一數字遠遠低于人們的預期。

更令人意外的是，AI的診斷準確率與非專家醫生相當，兩者之間沒有顯著統計差異（準確率差異：0.6%[95%置信區間：-14.5%至15.7%]，p=0.93）。這意味著，盡管AI在某些領域表現出色，但在整體醫療診斷中，其能力并不比普通醫生更強。而與專家醫生相比，AI的差距則更為明顯，專家醫生的準確率高出AI 15.8%（95%置信區間：4.4% - 27.1%，p=0.007）。

研究還發現，AI在大多數醫學專科的表現較為一致，但在皮膚科和泌尿科這兩個領域卻出現了例外。在皮膚科，AI的表現相對出色，這可能是因為該領域涉及模式識別，而這是AI的強項。然而，皮膚科同樣需要復雜的推理和針對患者的決策，AI的優勢并不能完全反映其在該領域的實際應用價值。對于泌尿科，研究結果僅基于一項大型研究，結論的普適性受到一定限制。

研究團隊指出，盡管生成式AI在醫學教育中具有一定的潛力，可以用于模擬真實病例，幫助醫學生和受訓者學習和評估技能，但在實際醫療診斷中，其局限性仍然明顯。研究人員強調，未來的研究需要在更復雜的臨床場景中進行評估，使用實際病歷進行性能評估，提高AI決策的透明度，并在不同患者群體中進行驗證，以進一步證實AI的能力。

此外，研究還對AI模型的透明度和偏見提出了擔憂。許多AI系統并未公開其訓練數據的詳細信息，這引發了關于其結果是否適用于所有人群的疑問。研究人員指出，透明度是確保對模型知識、背景和局限性理解的關鍵，而目前AI系統的不透明性可能會限制其在醫療領域的廣泛應用。

總之，盡管生成式AI具有巨大潛力，但在涉及詳細患者信息的復雜病例中仍面臨巨大挑戰。這項研究結果表明，AI在醫療診斷領域的應用仍需謹慎，其距離真正替代醫生還有很長的路要走。