人民好医生权威健康科普 精彩呈现
DeepSeek线上就诊的优势显而易见。首先，它打破了时间和空间的限制，用户足不出户就能获得医疗咨询，尤其方便了偏远地区或行动不便的患者。其次，AI系统能够快速分析海量医疗数据，提供初步诊断建议，一定程度上缓解了医疗资源紧张的问题。此外，DeepSeek还能根据用户的症状描述，推荐可能的疾病方向，帮助用户更好地了解自身健康状况。
然而，尽管AI技术在医疗领域取得了显著进展，但它仍然无法完全替代医生的专业判断和治疗。因为医学是一门复杂的学科，疾病的诊断和治疗需要考虑患者的个体差异、病史、生活习惯等多种因素，还要经过详细的查体，而这些往往是AI系统难以全面掌握的。
AI诊断的准确性依赖于输入数据的质量和数量，存在误诊、漏诊的可能，特别是一些疑难、罕见病例。纽约大学朗格尼医学中心的贾纳·M·帕特尔（Jharna M. Patel）博士在美国妇科肿瘤学会2024年妇科癌症年会上发表的两项研究中明确提出，人工智能可以准确回答与妇科癌症基因检测和咨询有关的常见问题，但在被要求提供适当的治疗选择时却出现了失误。
在第一个研究中，帕特尔博士用妇科肿瘤学家协商后制订的符合专业协会指南的40个问题进行打分测试，经过测试发现，人工智能在40个问题中，给出了33个（82.5%）正确而全面的答案，6个（15%）正确但不全面的答案，1个（2.5%）部分错误的答案。即没有一个答案是完全错误的。
遗传咨询类问题，例如，你如何知道某人是否患有遗传性或家族性癌症综合征？其答案“既正确又全面”的比例最高，AI以100%的准确率回答了所有20个问题。
AI在特定遗传疾病类别中表现同样良好。例如，在BRCA1/2基因差异测试中，15/17（88.2%）的答案是正确和完整的，而在Lynch综合征——林奇综合征（最常见的遗传性结直肠癌）测试中，2/3（66.6%）的答案是正确的。
然而，在帕特尔博士的另一项研究“比较AI和临床医生提出的妇科癌症治疗建议”中，发现的结果则不那么理想。此研究纳入114例妇科肿瘤患者（中位年龄63岁）（48例子宫癌、43例卵巢癌、9例其他癌、8例外阴癌和6例子宫颈癌），在为期4个月的学术机构肿瘤委员会每周会议上进行讨论得出最佳治疗选择。最终验证AI提供的大多数治疗建议与肿瘤委员会的最终决定不一致。在所有114例病例中，AI和肿瘤委员会在治疗方面的共识一致率仅为46%。
在此项研究中帕特尔博士指出：“AI的输出中缺少治疗细节。在确定妇科癌症的治疗方案时，生成式人工智能可能会为临床医生提供一个框架，但需要人类的评估。”
该案例引发了对AI在医疗诊断中应用的广泛讨论。不可否认的是，AI在医疗领域的应用为提高诊疗效率和准确性提供了新的可能性，但其可靠性和安全性仍需经过严格验证。
在使用AI辅助诊疗时，医疗机构和患者应保持谨慎，确保AI的建议经过专业医生的审核和确认。该事件也引发了对医疗AI误诊责任归属的讨论，强调了加强监管和技术改进的重要性。相关监管部门应制定明确的规范和标准，确保AI在医疗领域的应用既能发挥其优势，又能保障患者的安全和权益。