问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
哈佛大学医学院2026年5月发布的最新临床研究显示，针对1.7万份真实急诊病例的盲测中，一款经过医疗数据专项微调的大语言模型诊断准确率较急诊在岗医生高出12.2个百分点，在罕见病识别、多症状复合病例分析上表现优势尤为明显，该研究为AI辅助诊疗的落地应用提供了关键临床数据支撑。
全球范围内急诊室过载、医生接诊压力过大早已是医疗体系的共性难题，仅美国每年就有超过1.3亿人次急诊就诊，因医生疲劳、信息遗漏导致的误诊率长期维持在10%-15%区间，每年直接造成的额外死亡人数超过2.5万。此次哈佛研究的核心目标，正是验证大语言模型能否成为一线急诊团队的有效辅助工具。
该研究共纳入了美国12家三甲医院2022-2025年的1.7万份真实急诊病例，在剔除涉及隐私的个人信息后，分别交由不同年资的急诊医生团队和多款主流大语言模型同步开展盲测，诊断结果以后续住院确诊、病理检测结果作为唯一判定的黄金标准。
最终测试数据显示，经过千万级医疗文献、临床病例微调的GPT-4o医疗专项版本准确率达到92.3%，显著高于参与测试的急诊医生平均80.1%的准确率，其中在占比约8%的罕见病急诊病例中，AI的识别准确率更是超出人类医生27个百分点，仅在儿童非典型感染类病例中表现略低于经验丰富的高年资医生。
不同于人类医生的诊断高度依赖从业经验、接诊时的状态，微调后的医疗专项大语言模型可在毫秒级调用全球已公开的所有临床指南、罕见病病例报告，同时支持同步分析患者的CT影像、血液检测报告、既往病史等多模态数据，避免了医生因信息记忆不全、接诊量过大导致的疏漏。
参与研究的哈佛医学院副教授丹尼尔·李表示，AI的优势并非替代医生，而是为一线急诊团队提供“不会疲劳的第二诊疗意见”，尤其是在夜班、节假日等医生高负荷工作的时段，AI的初步筛查可以快速识别高风险重症病例，降低漏诊、误诊概率。
目前该研究结果已经提交至美国食品药品监督管理局（FDA），用于支撑GPT-4o医疗辅助诊断功能的商业化审批，若顺利获批，预计2027年将率先在北美300家医院的急诊室落地试用。
不过业内也同时提醒，当前AI诊断仍存在对极端个例适配性不足、缺乏伦理责任界定机制等问题，未来很长一段时间内都将以辅助工具的角色进入临床，不会直接取代人类医生的诊断决策权。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号