富深所 AI诊断准确率超医生20%，芝大团队揭示AI辅助临床诊断的瓶颈与潜力

当 AI 系统在医学诊断上的表现超过人类专家时，人机协作一定会带来更好的结果吗？来自美国芝加哥大学的一项研究给出了意外的答案。

这项研究专门针对前列腺癌磁共振成像（MRI，Magnetic Resonance Imaging）诊断进行了深入的人机协作实验。之所以选择这个难题，该论文第一作者、芝加哥大学陈诧姹博士对 DeepTech 解释道：“前列腺癌 MRI 诊断是一个真实存在且难度较高的问题。许多以往的 AI 医疗研究所选择的领域，医生诊断的准确率可能已高达 90% 以上，但前列腺 MRI 诊断即使对经验丰富的放射科医生也极具挑战性。”

图丨陈诧姹（来源：陈诧姹）

]article_adlist-->

也就是说，在一个比较难的问题上，AI 可能给人带来的帮助更大，因为 AI 会比人更好，而且人也有更多的进步空间。

研究团队训练了一个基于 nnU-Net 架构的 AI 模型，使用包含 1411 个病例的 PI-CAI 公开数据集。这个模型在测试集上的 AUROC（Area Under the Receiver Operating Characteristic curve，接受者操作特征曲线下面积）分别达到 0.730 和 0.790，明显超过了参与研究的 8 名放射科医生的平均水平（这些医生来自美国和欧洲，年龄在 29 到 52 岁之间，大多具有丰富的前列腺 MRI 诊断经验）。

实验模拟了两种可能的临床 AI 部署场景。第一种是在医生独立诊断后，再提供 AI 的建议作为参考；第二种则是直接将 AI 的建议前置提供给医生。

图丨实验流程概览（来源：arXiv）

第一阶段实验中，8 名放射科医生需要对 75 个病例进行三步诊断：先独立诊断，然后查看 AI 预测，最后做出最终判断。30 天后的第二阶段实验里，医生们首先会看到详细的个人表现反馈，包括第一阶段的各项诊断指标，然后在 AI 预测直接展示的情况下诊断 100 个新病例。

图丨病灶标注对比示例：人类专家（红色轮廓）、AI（黄色轮廓）与数据集中的专家标注（绿色轮廓）（来源：arXiv）

研究结果首先证实了 AI 辅助的直接价值，但也揭示了一个更深层次的协作瓶颈。在第一组实验中，放射科医生独立诊断的平均准确率为 63.2%，获得 AI 辅助后，他们的平均准确率提升至 66.2%。然而，这一“人+AI”的协作表现，仍未能超越 AI 模型本身 69.3% 的独立诊断准确率。

原因何在？陈诧姹观察到：虽然医生会更加依赖 AI 的决策，但他们不知道在哪种情况下该相信 AI 的建议。医生并不能分辨出哪些情况下 AI 是对的，哪些情况下 AI 是错的，所以即使他们总体上更信任 AI，最终的准确率提升还是有限。

研究显示，在第一阶段研究中，当医生的初步诊断与 AI 出现分歧时（平均 22.6 个病例），医生只在 4.6 个案例中选择改变自己的判断，改变率仅为 20.4%。且在这些存在分歧的病例中，医生自己的准确率只有 44.4%，远低于总体水平。这说明医生往往在最需要 AI 帮助的时候，反而更坚持自己的判断。

第二阶段实验中，性能反馈和直接展示 AI 建议确实提高了医生对 AI 的采纳率，从第一阶段的 75.5% 上升到 78.4%，但这种提升并没有带来诊断表现的显著改善。看来，简单地告诉医生数据还不够，无法根本改变他们的决策习惯。

图丨 AI、人类及人机协作（研究 1 和研究 2）的性能对比（来源：arXiv）

既然个体层面的协作存在局限，研究团队便将目光转向了群体决策，探索实现“互补性能”（Complementary Performance）的可能性，即人机团队的表现超越任何一方单独表现的理想状态。他们将 8 位医生在 AI 辅助下做出的诊断结果进行整合，通过“多数票决”（majority vote）的方式形成一个集体的最终决策。

这一策略的效果十分显著。数据显示，这个“人+AI”群体的平均诊断准确率达到了 73.3%，不仅显著优于人类专家的独立表现（63.2%），也首次超越了 AI 模型的独立表现（69.3%）。

图丨研究 1 中单独人类、人类+AI、人类集成、人类+AI 集成以及 AI 的平均表现（来源：arXiv）

“这个结果的意义在于，”陈诧姹强调，“它说明在这个问题上，人类和 AI 确实是可以互补的。只有他们能互补，你最后才能看到一个比任何一方单独表现都更好的结果。”

这一发现表明，虽然让单个医生完美地驾驭 AI 存在困难，但通过群体智慧的机制，人类的经验、直觉与 AI 强大的数据分析能力确实可以实现互补，从而达到最佳诊断效果。这为未来 AI 在临床中的应用模式提供了新的思路：或许重点不应仅仅是为单个医生提供一个“超级工具”，而是构建一个人与 AI 深度融合的“协作团队”。

对于如何更好地实现这种互补，陈诧姹认为，未来的方向包括持续优化 AI 模型本身，使其更加精准。同时，更重要的是要增进医生对 AI 的理解。“你要告诉他们 AI 模型能做到什么样，有哪些病历是 AI 模型特别擅长的，然后哪些病历 AI 模型可能没有那么好。”通过给予医生关于 AI 模型能力边界的清晰认知和数据反馈，能帮助他们建立更合理、更有效的信任。

图丨相关论文（来源：arXiv）

相关论文相关以《领域专家能否恰当地依赖 AI？一项关于 AI 辅助前列腺癌 MRI 诊断的案例研究》（Can Domain Experts Rely on AI Appropriately? A Case Study on AI-Assisted Prostate Cancer MRI Diagnosis）为题发表于会议 ACM Conference on Fairness, Accountability, and Transparency [1]。芝加哥大学陈诧姹博士是第一作者，芝加哥大学谭宸浩教授担任通讯作者。

参考资料：

1.https://arxiv.org/pdf/2502.03482v1

运营/排版：何晨龙