Nature两研究：AI诊断媲美医生，但模型老化问题凸显

一句话看懂

《自然》两篇论文证实，专用AI在模拟诊疗中不输医生，但所用基础模型已显陈旧，引发对AI医疗长期有效性的担忧。

详细发生了什么

《自然》杂志同日发表两项独立研究，分别测试了AI系统在诊断和制定治疗方案上的表现。第一项研究由斯坦福大学团队完成，他们开发了一个基于LLaMA-2的专用模型，在1000个模拟病例中，诊断准确率达到92%，与资深医生持平，在罕见病识别上甚至高出5个百分点。第二项研究来自英国NHS合作项目，使用基于GPT-3.5的模型处理初级诊疗决策，在治疗建议合理性上获得与全科医生相当的评分。

然而，两项研究均指出，所用基础模型——LLaMA-2（2023年发布）和GPT-3.5（2022年发布）——在论文发表时已被更新版本取代。研究者警告，医疗AI的临床验证周期（通常1-2年）远长于模型迭代速度，这意味着部署时模型可能已过时。

中文圈视角

对国内用户而言，这两项研究有直接参考价值。首先，国内医疗AI创业公司（如推想科技、数坤科技）多使用自研或国产基础模型（如百度文心、阿里通义），同样面临模型快速迭代与临床审批慢的矛盾。目前国内三类医疗器械审批周期约2-3年，而大模型每半年就有重大升级，导致获批产品可能已落后于最新技术。

其次，研究中的模拟病例设计对中文场景有启示：国内疾病谱（如乙肝、胃癌高发）与西方不同，直接套用国外模型需要大量本地化训练数据。目前国内尚无类似规模的公开基准测试。

最后，监管层面，中国已发布《生成式人工智能服务管理暂行办法》，但医疗AI的专门法规仍在制定中。这两项Nature研究提示，监管需考虑模型的“保质期”问题。

几条值得记住的细节

• 斯坦福模型基于LLaMA-2，在1000个模拟病例中诊断准确率92%，罕见病识别优于医生。
• NHS项目使用GPT-3.5，治疗建议合理性评分与全科医生无显著差异。
• 两项研究的基础模型发布时间均超过2年，已非当前最新版本。
• 研究者建议建立“模型版本锁定+定期更新”的医疗AI验证机制。
• 国内医疗AI审批周期约2-3年，与模型迭代速度严重不匹配。

一句话总结

AI诊断能力已接近医生，但模型快速过时的问题提醒我们：医疗AI的可靠性需要动态验证，而非一次认证管终身。