o1-preview模型诊断医疗病例胜过医者

据最新研究报道，一支由哈佛医学院与斯坦福大学联合组成的科研团队，对OpenAI开发的o1-preview模型在医学诊断领域的表现进行了深入评估。结果表明，这款模型在处理复杂医疗案例时，表现超越了人类医生。

研究显示，o1-preview在测试的78.3%案例中成功作出诊断，尤其是在对70个特定案例的对比测试中，其准确率高达88.6%，远超其前代模型GPT-4的72.9%。采用医学推理质量评估标准量表R-IDEA，o1-preview在80个案例中获得了78个满分。而经验丰富的医生在同样情况下仅获得28个满分，住院医生则只有16例满分。

在由25位专家设计的复杂案例中，o1-preview的得分达到了86%，是使用GPT-4的医生（41%）和使用传统工具的医生（34%）的两倍以上。

尽管研究人员承认该测试存在局限性，例如部分测试案例可能包含在o1-preview的训练数据中，以及测试主要集中于系统独立工作，未充分考虑与人类医生的协同工作场景。此外，o1-preview的诊断测试成本较高，实际应用中存在一定限制。

这一研究结果表明，尽管AI模型在医学诊断领域展现出巨大的潜力，但实际应用仍需谨慎，以确保其在提高诊断准确性的同时，也能兼顾成本效益和与医疗团队的协作。