人工智能在医疗领域的诊断能力，目前的研究结果还存在差异。一方面，有研究称人工智能模型的诊断准确率可以超过医生，准确率可达到95%以上。但另一方面，也有研究指出，即使是目前最先进的大语言模型，在实际应用中也无法为所有患者做出准确诊断，且表现明显差于人类医生——医生的诊断正确率为 89%，而大语言模型的诊断正确率仅为 73%。在极端情况（胆囊炎诊断）下，大语言模型的正确率仅为 13%。
为何同是人工智能相关的研究，却得出了完全相反的结论？中日友好医院原副院长姚树坤认为，问题的根本原因在于当前人工智能在医疗领域的应用缺乏统一、客观的评价标准。不同的研究可能采用了不同的数据集、评估方法和应用场景，导致结果难以横向比较。这种缺乏标准化的现象不仅影响了人工智能技术的可信度，也阻碍了其在临床中的广泛应用。
人工智能在医疗领域的应用亟待建立客观、统一的评价体系。这种体系应基于“金标准”，即通过科学验证和临床实践认可的诊断方法和指标，来衡量人工智能模型的准确性和可靠性。只有在统一的评价框架下，人工智能技术才能真正发挥其潜力，为医疗领域带来实质性的进步，同时确保其应用的安全性和有效性。
重视人工智能的真实性、可靠性评价
人工智能和人类医生的关系应该是相辅相成、优势互补的，人工智能可以作为一种医疗诊断辅助工具，帮助医生提供更快捷的医疗服务，两者携手可有效提升医疗效率。姚树坤表示，医学人工智能在投入临床应用前必须经历这样一个严格的临床验证，评估其诊断能力的真实性。人工智能准不准，不能由一个或几个专家说了算，再厉害的医学专家都可以存在主观误差，应该由临床诊断的‘金标准’说了算，例如肺结节患者的术后病理结果，冠心病患者的冠脉造影结果等。“没有金标准的支撑，人工智能的诊断结果就如同沙滩上的建筑，缺乏稳固的基础。”真实性的评价就是和金标准对比得出其准确度，包括敏感度（降低漏诊率）、特异度（降低误诊率）、预测值等核心指标。
“要像训练更适宜临床的人工智能工具，离不开高质量的临床数据，建立结构化、格式化、定量化的多模态数据库尤为重要。”姚树坤表示，高质量的人工智能模型需要整合多模态数据，包括病史资料（现病史、既往史等）、查体资料（视触叩听）、实验室资料（血常规、生化、免疫学、分子病理诊断等）、影像学资料（CT、核磁等）以及功能检查资料（心电图、脑电图等），甚至还应包括生命组学数据（基因组、蛋白质组等）与临床资料的整合，以便能够制定个体化方案，实现精准医学的目标。“只有基于这样的数据库，人工智能模型才能在灵敏度、特异度等关键指标上达到临床可用的标准，从而有效减少漏诊和误诊的风险。”
“开发一个人工智能诊断工具，不是为了一家医院、一个科室可以使用，而是要将其推广到更多地区，尤其是基层地区，切实提升基层医疗水平。”在姚树坤看来，人工智能系统诊断模型的可靠性即可重复性评价也十分重要，需要在不同场景下、不同医院、地区、种族、年龄和性别条件下，都能够做出同样准确的辅助诊断，输出稳定的结果，即结果的一致性。Kappa值就是用来评价对同一试验结果在不同地区、不同人群、不同医疗机构得出结果一致性的指标。“若缺乏可靠性验证，人工智能诊断工具会在实际临床应用中可能出现偏差，影响诊断和治疗效果。”姚树坤说，在现阶段以及未来的很长一段是时间内，人工智能仅能作为辅助诊断和治疗建议的工具，而非独立的医疗决策者，也期待国家应尽快出台管理规定，明确责任归属，避免因人工智能建议导致的医疗纠纷，并通过临床医生、IT技术专家、人工智能专家等多方面专家对模型进行严格评价，确保其准确性和可靠性。
团结协作而非各自为战
“人工智能在医疗领域的应用看似多点开花，十分繁荣，实则是各自为战。”姚树坤表示，许多医院和机构选择独立开发医疗软件或人工智能模型，结果是每个医院研发一套系统，重复投入大量资金和人力。这种模式不仅导致资源的极大浪费，还使得软件的质量和实用性难以保障，不同医院开发的系统可能功能相似，但缺乏统一的标准，最终难以实现跨机构的协作和数据共享。
这种开发模式不仅无法满足医疗的需求，还导致了信息孤岛的问题，患者的影像资料（如CT、核磁等）在不同医院之间无法共享，影响跨机构研究和模型训练的效率。姚树坤表示，人工智能系统需要依赖术后病理验证等金标准来评估准确性，但如果各医院的数据无法共享，可靠性验证就难以进行。“患者在某一医院做的影像检查，部分医院虽可以调取影像资料，但如果医院之间不开放数据接口，这些资料无法被其他机构有效利用，影响跨机构研究和模型训练，也会影响模型的稳定性和一致性。”
期待在医疗卫生管理部门的领导下，由学会协会牵头，不同医院可以分工协作，促使医疗用人工智能系统的研发从“各自为战”转向“协同攻坚”，从而打破资源浪费与信息孤岛的双重困境。此外，学协会作为行业枢纽，能够统筹各方力量，制定统一的技术规范与数据标准，为跨区域、跨机构协作提供制度保障。
团结协作还能推动数据结构化设计，通过前结构化设计，可以显著提升数据的价值密度（Value），减少非结构化数据带来的变异性和不确定性（Variability）。这不仅加快了数据处理的速度（Velocity），也增强了数据的真实性（Veracity）。团结协作能够确保这些设计在不同机构之间的一致性，从而提高模型的可靠性和适用性。姚树坤指出，通过整合资源、打破信息孤岛、推动数据结构化设计以及实现多模态数据融合，可以显著提升人工智能模型的质量和可靠性，进一步提高医疗效率，还能为患者提供更精准、更高效的医疗服务。“我们需要进一步加强跨区域、跨机构、跨学科的协作，共同推动医疗人工智能迈向新的高度。”
