大型语言模型能否让医生思考得更深入？

大型语言模型（LLMs）不仅可以加速答案，还可能深化临床推理。

关键点

• 大型语言模型（LLMs）促进了更深层次的临床推理，促使医生进行迭代和反思性的决策。

• 使用AI辅助的医生每例病例多花费119秒，提高了准确性而不急于求成。

• LLMs丰富了认知参与，可能重新点燃医生对医疗实践的热情。

来源：ChatGPT/OpenAI

可以说，人工智能（AI）不仅仅是一种新的临床工具；它是一种变革力量，正在重塑临床医生处理患者护理的方式。其中最令人兴奋的发展之一是大型语言模型（LLMs）的出现——这些工具对临床医生和患者都有相关性。虽然很多讨论集中在“更快更好”上，但最近发表在《自然》杂志上的临床试验表明，LLMs可能会改变临床医生推理的本质。

新形式的认知协作

医疗决策正在从单一的认知任务演变为医生与AI之间的迭代对话。过去，医生仅依赖临床经验和静态资源，现在他们与LLMs进行动态交流，挑战假设并扩展思维。随着医学知识的指数级增长，这种迭代方法帮助医生处理大量信息，同时保持临床判断力。

证据令人信服且引人入胜。在这项涉及92名医生的试验中，使用GPT-4的医生每例病例多花了119.3秒。这并不意味着效率降低，而是代表了一种新的迭代智能，其中AI促使更深入的分析和不同的视角。医生提出初步想法，LLM提供额外考虑，这种来回互动创造了更丰富的临床推理过程。这种协作式认知可能帮助医生超越第一印象，探索他们可能错过的复杂治疗路径。

通过AI增强的推理拓宽视野

LLMs集成的一个最引人注目的方面是其拓宽临床视角的能力。传统资源虽然宝贵，但往往受限于人类记忆和经验的范围和即时性。相反，LLMs基于广泛的医学文献和现实世界数据，提供了全景视图，可以挑战根深蒂固的假设并激发创新思维。

此外，该试验还包括一个测试LLM独立性能的第三组。有趣的是，LLM增强的医生和独立工作的LLM得分相似（平均差异=-0.9%，95%置信区间=-9.0至7.2，P=0.8）。两组均优于仅使用传统资源的医生，表明无论作为协作工具还是独立系统，LLM集成都能超越传统方法提升临床推理能力。

数字时代速度与准确性的平衡

批评者可能认为更长时间的思考——例如在试验中平均每例病例多花119.3秒——会拖慢临床工作流程。然而，这种每例病例增加的时间实际上是对准确性和安全性的投资。在医疗错误可能带来严重后果的时代，更审慎的决策过程不仅是奢侈品，更是必需品。通过提供一个鼓励医生暂停、反思并全面考虑每个病例各方面的结构化框架，LLMs有助于减少仓促或不完整决策带来的风险。

这种速度与准确性之间的平衡至关重要。目标不是取代医生的判断，而是增强它，确保每个决策都基于最当前和全面的数据。管理推理评分有统计学意义的显著改善（P<0.001），证据表明这种额外的思考时间可以转化为更好的临床决策。

未来临床决策的新模式

展望未来，将LLMs整合到临床实践中代表着根本性的转变。这些系统有可能打破传统壁垒，促进跨学科合作。试验中临床推理改进的置信区间（2.7至10.2）表明，LLM辅助在各种场景和专科中始终能提升医生的表现。

然而，像任何新兴技术一样，负责任的整合至关重要。LLMs的魅力在于它们增强人类智能的能力，而不是替代它。确保透明度、问责制和现实世界环境中的验证将是这些工具更深入嵌入临床工作流程的关键。

思考的催化剂

将LLMs纳入医疗决策不仅仅是技术进步；它重新点燃了深思熟虑的医学艺术。或许更有共鸣的是，LLMs如何帮助医生重拾对医学智力探索的乐趣。通过创造反思和深度推理的空间，这些工具不仅改善了结果，还改变了行医体验。

(全文结束)