Artificial Intelligence in Clinical Diagnosis: Opportunities, Challenges, and Hype Prathit A Kulkarni, Hardeep Singh JAMA：2023/07/25 ChatGPT, a generative artificial intelligence (AI) chatbot, has recently been hailed as a promising tool to improve health care quality. One study compared output from the AI chatbot for medical questions with answers from physicians1; other studies have evaluated the AI chatbot’s responses to sample clinical vignettes.2,3 A foundational aspect of high-quality health care—making a correct and timely diagnosis—remains a challenge in modern medicine despite decades of technological advances.4,5 Therefore, any emerging technology with potential to reduce diagnostic errors warrants serious examination. 收起 摘要翻译（由计算机程序完成，仅供参考，内容以英文原文为准）： ChatGPT是一种生成人工智能聊天机器人，最近被誉为提高医疗保健质量的一种很有前途的工具。一项研究将人工智能聊天机器人对医学问题的输出与医生的回答进行了比较1；其他研究评估了AI聊天机器人对样本临床小插曲的反应。2，3；尽管技术进步了几十年，但高质量医疗保健的一个基本方面——做出正确及时的诊断——仍然是现代医学的一个挑战。4，5；因此，任何有可能减少诊断错误的新兴技术都需要认真检查。 ChatGPT是一种生成式人工智能聊天机器人，被认为是有望提高医疗质量的新生工具。考虑到现代医学高质量医疗保健的基础之一，就是及时和准确的医疗诊断，因此，任何有可能减少误诊的新兴技术都值得认真研究和对待。 2023年7月25日，《美国医学会杂志》（JAMA）发表观点性文章，总结了目前临床诊断现状与ChatGPT在诊断方面的机遇和具体挑战。 
图片来源：JAMA 诊断困境在临床中很常见。通常，临床医生做出最终诊断时，患者病情已随时间推移而逐渐变化，但在病情发展过程中可能存在不确定时期，影响医生做出明确诊断。过往，这种时期的诊断多依赖于临床医生既往的治疗经验，以发现疾病可能的蛛丝马迹，但这种经验性诊断策略很难得到复制和推广。虽然现下临床医生可以利用网络来查找类似病例，但也需要花费大量的时间精力进行鉴别。 ChatGPT的潜在用途之一就是在复杂病例中识别异常症状和罕见诊断，成为临床医生破解诊断困境的额外工具。不过在做罕见诊断前，ChatGPT首先要解决对常见情况的诊断准确性问题，例如针对劳累性呼吸困难、贫血、低钠血症这些常见临床问题，ChatGPT应输出引起患者临床症状的所有可能原因，以便于临床医生进行诊断评估。此外，临床诊断离不开实验室检查或影像学检查结果，因此，最为理想的情况是将ChatGPT能力嵌入到电子病历中，以提高使用有效性。 此外，ChatGPT在快速识别和梳理患者病史、治疗等医疗纪录方面也是优势所在，如果能结合可视化功能，医生就能够更直观地了解患者整个患病经历和病情发展阶段变化。 尽管ChatGPT具有上述潜在优势，但距离融入医疗场景仍面临着相关限制和挑战。 挑战一：如何通过识别临床病例数据和分析，输出可靠的鉴别诊断意见。既往也有相关研究对比了ChatGPT输出医疗问题答案与临床医生回答之间的差异。从现有情况来看，ChatGPT诊断错误可能与获取信息不完整或不完全正确有关，而准确的信息是ChatGPT做出正确辅助诊断的基础。 挑战二：查体结果的准确性也会影响ChatGPT的诊断准确性。查体是临床诊疗的重要环节，目前查体依赖于人的操作，例如假设ChatGPT得到颈静脉压升高这一结果，可以做出相关诊断，但前提是颈静脉压升高这个结果本身就是正确的。此外，电子病例可能存在不准确的情况，如日期填写错误、时间填写错误、疾病术语不统一等问题，这将直接影响到ChatGPT生成诊断的准确性。 挑战三：推进ChatGPT辅助诊断最大的挑战在于判断诊断本身的准确性。例如临床医生诊断某患者患有肺炎，做出这个诊断需要知晓患者全身症状，如发热、咳嗽伴咳痰和白细胞增多，但发现其中任何一个症状存在或不存在，都不能证实或反驳诊断结果。因为临床诊断本身就包含有不确定性，这还不像AI与人类下象棋或做数学题，这种竞技类的对比场景下，所有人对结果的认知是一致的，即输和赢是有明确标准的。因此，这将会是ChatGPT诊断面临的最大挑战。 挑战四：ChatGPT也无法复刻人类沟通交流过程中的同情心和同理心。最近一项研究显示，ChatGPT比临床医生更具有同理心，但这种同理心是建立在书面交流上的。大多数患者都希望在面诊过程中临床医生能够具有同理心，人性化的沟通和交流是ChatGPT短期很难解决的困难。 同样，ChatGPT无法感知患者的情感。患者主诉病史本质上是主观陈述，这种陈述带有患者个人情感的输出，人与人之间可以察觉和体会到这种微妙的情感变化，例如患者描述自己的疼痛为刺痛，程度为疼痛评估量表上的10分，患者还会同时有其他信息的描述，医生可以结合这些额外的信息做出推断，及时发现隐藏的线索，但机器无法理解这种情感的变化。更为重要的是，患者对症状的描述并不是单一的，对于机器而言会更困难。同时，还需要考虑到有些症状和病史，患者可能并不愿意说出口，需要临床医生与患者充分交流和合理的引导，才能获得完整的病史。至少在目前的形式下，ChatGPT无法做到这一点，未来或许有希望做到，那可能需要很多学科的共同发展才行。 总之，如果将ChatGPT嵌入临床医生工作流程中，有望潜在提高临床质量，包括临床诊断。但就现状而言，ChatGPT所具有的优势还不足以完全实现，包括病史采集、电子病例准确性、最终诊断不确定性以及交流过程的同理心和情感互动。只有这些问题得到很好的解决，才有可能充分应用于临床诊断。 参考资料 [1] Kulkarni PA, Singh H. Artificial Intelligence in Clinical Diagnosis: Opportunities, Challenges, and Hype. JAMA. Published online July 06, 2023. doi:10.1001/jama.2023.11440
|
