醫療AI走進跨科會診：百例研究顯示有用，建議一致性仍有限

當發炎性疾病牽涉不同器官，治療選擇往往需要多科醫師共同權衡。能即時整理醫學文獻的人工智慧，能否幫忙釐清這些難題？10月2日刊於《Scientific Reports》的一項研究，把醫療大型語言模型OpenEvidence帶進真實會診流程，得到一個審慎的答案：資訊有用，建議的一致性卻仍有限。

這項單中心、前瞻性觀察研究納入100個連續收案的複雜發炎性疾病病例。醫師先自行討論並記錄初步建議，再查看AI回答，補充討論後確認最終建議。來自七個專科的21名醫師共完成759份病例評分；這些評分反映專家的使用感受，並非759名患者的治療結果。

醫師整體上肯定AI的實用性。在滿分五分的量表中，「提供與病例相關的臨床資訊」平均獲得4.06分，推薦未來繼續使用則為3.95分。這顯示它能融入討論，但覺得資訊有幫助，與接受其診療建議，仍是兩種不同的判斷。

兩名醫師另行評估97個可判讀病例，各自認定AI回答與最終會診建議完全一致的比例，分別為40.2%及50.5%。兩人的評分也有分歧。因此，這些數字應理解為與專家結論的吻合程度，不能直接當成AI診療的正確率；尤其最終建議是在醫師看過AI回答後確認，也不是完全獨立的比較基準。

研究團隊接著調整提問方式，讓模型先檢查資訊是否足夠，再提出建議。回答的一致性有改善趨勢，卻未達統計顯著。由於兩輪測試相隔數月，期間平台持續更新，研究也無法把提問改善的效果與系統變動清楚分開。

時間帶來的差異同樣值得留意：研究將相同問題再次輸入後，回答內容與引用文獻都發生變化。對臨床使用而言，一次表現良好的回答，不能保證往後仍能重現；而模型掌握多少病情，也取決於醫師事先提供了哪些資訊。

這項研究支持的是AI作為會診輔助工具的可行性，尚未證明它能改善患者預後。研究沒有評估臨床傷害，也未系統檢驗「幻覺」——看似合理、實際錯誤的生成內容；加上病例來自單一中心，結果能否推廣仍有界限。如何持續驗證更新後的系統，並讓專家辨識回答中的缺漏，是走向日常醫療仍須回答的問題。