盲评结局显示，评审医生几乎完全无法分辨诊断来源：一位医生猜对AI/苍生之准确率仅15.2%（83.6%之时候选之「分不清」），另一位更夸张，只有3.1%（94.4%「分不清」）。
Rodman于接受《卫报》采访时坦言：目前AI诊断没有任何正式之问责框架。
」 有。
共同通讯作者、贝斯以色列AI课题负责者Adam Rodman则更直白：「目前AI诊断没有任何正式之问责框架。
说到AI取代医生此名话题，不得不提一名经典之「打脸」案例。
目前AI于医疗领域大概处于L2到L3之间之阶段：它已能于「书契全球」里给出逾越苍生之裁决，但于确凿之、多模态之临床场景中，它还需苍生之眼睛、耳朵与直觉来补位。
相敬如宾。两位苍生医生分别为55.3%与50.0%。
她还指出之急诊医学之本原逻辑：「作为一名第一次看到患者之急诊医生，我之首要宗旨不为猜出最终诊断。
L2级别——AI辅助苍生决策；L3级别——AI主导、苍生督察；L4级别——特定场景全自动。
但差距始终存，而且于讯息最匮乏之初始阶段差距最大。
辛顿之「预言」教训：放射科医生没下岗，反而更忙之 但若AI给出之过失建议，医生采纳之，患者受到之伤害——为算医生之担当。
一名阅历丰富之急诊医生走进病房，扫一眼患者，或就已做出之80%之裁决——此种本领叫「临床直觉」（clinical gestalt），它来自数以万计之确凿接诊阅历，目前没有任何AI能够复制。
医院之担当。
我不会惊讶于一名大言辞模型能于神经外科之专科考试中打败皮肤科医生，但此并不能说明什么。
Manrai自己也承认，团队正研讨AI办理影像与其他非文本信号之本领，「看到之快速长进之结局」，但距离临床部署还有甚长之路。
」 17%之医生用AI进行「辅助诊断」。
此些细微之非言辞信号，有时候比任何检验指标皆重要。
据美国医学会（AMA）2026年调查，超过80%之美国医生已于职业中用AI——为2023年之两倍。
博古通今。每名节点，两位内科主治医生与OpenAI之o1、4o模型同时给出鉴别诊断，每方最多列5名或诊断。
一名时代之裂缝，就此么被撕开之。
76名确凿患者，零预办理，双盲对决 论文通讯作者Manrai于新闻发布会上明确说：「吾等之发觉并不意味之AI取代医生，尽管有些卖AI医疗货品之公司或会此么说。
前景之模式或变成：患者进来→AI快速扫描电子病历给出初步裁决→医生结合临床观察与AI建议做出决策→患者参与讨论治疗预案。
更扎心之数据还于后面——于制定治疗管预案之测试中，o1拿之89%，而苍生医生用旧俗源泉辅助后，中位数只有34%。
2016年，AI教父、诺贝尔奖得主Geoffrey Hinton说之一句震动医学界之话：者们今就应止培训放射科医生之。
」 急诊医生不干之：拿内科医生跟AI比，能说明什么。
三名数据叠加于一起，指向一名清晰之趋势：医疗决策之权柄架构正生根本性之重组。
过往之急诊室模式为：患者进来→医生裁决→做出决策。
此些疑难，目前没有任何国有清晰之解答。
Hinton本者后也承认自己「说得太宽泛之」。
但也需注意，研讨论文本身已承认之此一局限性，而且论文之核心论点从来不为「AI可替代急诊医生」，而为「AI于有尽讯息下之推演本领已达到值得临床试验之水平」。
此项研讨最硬核之地方于于：它不为拿精心整理之教科书病例去考AI，而为直接把急诊室里最原始、最混乱之电子病历扔给之机器。
影像诊断变廉、变快之，于为医生开之更多查验，放射科医生反而更忙之。
新气象。患者欲之为者来引导彼等度过生死攸关之决策，引导彼等面对艰难之治疗选择。
然后，由另外两名主治医生进行「盲评」——彼等不知道哪名诊断来自苍生、哪名来自AI。
急诊医生于现场做之远不止「猜病名」——彼等要看患者之面色、听呼吸之声响、感受疼痛之程度、裁决命体征之微妙变化。
我之首要宗旨为裁决你为否有一种或会杀死你之疾。
论教养确写道，AI模型接收到之讯息与医生看到之电子病历完全一致——彼些凌乱之、缺失之、充满噪声之确凿临床数据。
整名2010年代后期，媒体上铺天盖地皆为「放射科即将消亡」之文章。
研讨团队从贝斯以色列急诊科随机选取之76名确凿患者，于三名枢纽诊断节点进行对比——急诊分诊（患者刚进门）、急诊医生首次接诊、以及收治入院或进ICU。
当医生习性之AI给出之高准确率裁决，彼等之独力思考本领会不会倒退。
」 2025年之一项Elsevier研讨发觉，20%之临床医生已于向大言辞模型寻求「第二意见」。
就像GPS让甚多者丧失之自立导航本领一样，AI辅助诊断为否会让医生之临床推演「肌肉」逐渐萎缩。
此不为一名AI公司之自卖自夸，此为哈佛医学院牵头、顶级学术期刊背书、双盲评审确认之结局。
枢纽细节为：研讨者员对数据零预办理。
差距不为一星半点，为两倍多。
哈佛大学医学院联手贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center），把一项令者坐立不安之研讨结局发于之《Science》上。
」 于此样之严苛机缘下，o1模型于急诊分诊阶段——讯息最少、光阴最紧、决策最枢纽之环节——给出之67.1%之准确率（包含精确诊断或极其接近之诊断）。
于急诊室之确凿分诊场景中，OpenAI之o1推演模型诊断准确率达到67%，而两位阅历丰富之内科主治医生，一名55%，一名50%。
https://www.science.org/doi/10.1126/science.adz4433 更繁之场景为：若AI给出之正确建议，但医生否决之AI之裁决、持自己之过失诊断，导致患者延误治疗——此时医生要不要为「忽视A建议」承担额外担当。
全球最大之放射科医生短缺正生——不为因AI抢走之工，而为因AI让影像查验变得更便捷，反而催生之更多需求。
研讨论文之通讯作者、哈佛医学院AI实验室负责者Arjun Manrai说之一句意味深长之话：「吾等用几乎所有基准测试之此名AI模型，它逾越之此前所有模型与医生基线。
https://www.harvardmagazine.com/ai/ai-outperforms-doctors-diagnosis-harvard-study 不为于做题，不为于考试，而为于真刀真枪之急诊室里。
若一名医生误诊之，有成熟之医疗纠纷办理体系——患者可投诉、可诉讼、医生面临执照险情。
还有一名更隐蔽之险情：过度依赖。
深度修习于五年内就会比放射科医生做得更好，此完全为显而易见之。
「若吾等要拿AI与医生之临床本领做较量，至少应拿同一名专科之医生来比。
此恰恰为最可怕之发觉——急诊最要命之就为「前几分钟」，患者刚被推进来，讯息碎片化，生死攸关，医生需于极度不确定中做出裁决。
她之核心质疑为：研讨中与AI对比之为内科主治医生，不为急诊科医生。
他修正之预测：前景之医学影像解读将由「AI与放射科医生之组合」来成，AI会让放射科医生「效能大大提升，同时提升准确率」。
哈佛此项研讨证验，AI于讯息最匮乏、决策最紧迫之急诊场景中，推演本领已超过之苍生医生。
目无全牛。还为三方共担。
研讨作者Rodman预测，前景会现三种分化：一部分差事苍生延续做得更好，一部分差事AI延续做得更好，还有一部分差事需者机协作增强。
此就为研讨者所说之「医生-患者-AI」三方协作模式。
此名典故里有一名深刻之货殖学原理——杰文斯悖论：当一项技艺让某种源泉之用更高效时，此种源泉之总需求反而或大幅增。
换句话说，AI写之诊断，连资深医生皆看不出为机器生成之。
AI公司之担当。
论文发布后，一位名叫Kristen Panthagani之急诊科医生于社交媒体上直接开怼：此为一名「被过度炒作之有趣研讨」。
美国放射学会预测，前景30年放射科医生供给还将增益26%。
刚刚，一颗重磅炸弹砸进之全球医疗圈。
此句话当时吓退之不少准备选择放射科之医学生。
梅奥诊所之放射科医生团队从2016年至今增益之55%，达到400者。
哈佛此项新研讨之作者们显然吸取之辛顿之教训。
随之讯息逐渐增多，所有者之表现皆于提升：到入院阶段，o1准确率升至81.6%，医生分别为78.9%与69.7%。
【新智元导读】哈佛研讨登上Science：于76名确凿急诊患者之双盲对决中，OpenAI o1诊断准确率67%碾压苍生医生之50%，治疗预案得分89%对34%更为断崖式居先——但AI还看不见患者之脸色与苦，真正之改制不为「AI赢之」，而为急诊室正走向「医生×患者×AI」三方共治之新范式。
于所有讨论中，有一名房间里之大象无者敢正面触碰：AI出错之，谁来承担担当。
而恰恰于此名环节，AI表现最突出。