中新網(wǎng)北京2月10日電 (記者 孫自法)施普林格·自然旗下專業(yè)學術期刊《自然-醫(yī)學》最新發(fā)表一篇醫(yī)學研究論文指出，基于人工智能(AI)技術的大語言模型(LLM)，目前或許還不能協(xié)助公眾做出更好的日常健康決策。研究人員認為，這類AI工具的未來設計需要更好地支持真實用戶，才能安全用于向公眾提供醫(yī)學建議。

　　該論文介紹，全球醫(yī)療機構提議將大語言模型作為提升公眾獲取醫(yī)療信息的潛在工具，讓個人在向醫(yī)生求助前進行初步健康評估和疾病管理。但之前的研究顯示，控制場景下在醫(yī)師資格考試中得分很高的大語言模型，并不保證能有效完成真實世界的交互。

　　在本項研究中，英國牛津大學牛津互聯(lián)網(wǎng)研究所研究團隊與合作者一起，測試了大語言模型是否能協(xié)助公眾精準辨別醫(yī)療病癥，如普通感冒、貧血或膽結石，并選擇一種行動方案，如呼叫救護車或聯(lián)系全科醫(yī)生。研究團隊給1298名英國受試者每人指派了10種不同的醫(yī)療情景，并讓他們隨機使用三個大語言模型(GPT-4o、Llama3或Command R+)中的一個，或使用他們的常用資源(對照組)，如互聯(lián)網(wǎng)搜索引擎。

　　研究結果顯示，不用人類受試者進行測試時，大語言模型能準確完成這些情景，平均能在94.9%的情況下正確辨別疾病，在56.3%的情況下選擇正確的行動方案。不過，當受試者使用相同的大語言模型時，相關病癥的識別率低于34.5%，選擇正確行動方案的情況低于44.2%，這一結果未超過對照組。研究團隊人工檢查了其中30種情況的人類-大語言模型交互并發(fā)現(xiàn)，受試者常向模型提供不完整或不準確的信息，并且大語言模型有時也會生成誤導性或錯誤的信息。

　　論文作者總結認為，當前的大語言模型未準備好部署用于直接的患者醫(yī)療，因為將大語言模型與人類用戶配對，會產(chǎn)生現(xiàn)有基準測試和模擬交互無法預測到的問題。(完)