医疗AI又曝新难题：大型语言模型（LLMs=）在医院临床决策中表现出严重不稳定性。
一项最新研究对6款医疗相关模型进行了测试，针对4个常见住院病例反复提问，结果显示：
- 不同模型对同一问题给出截然不同的建议，比如50%建议立即重新用血液稀释剂，50%建议延迟观察。
- 同一模型多次回答一致性仅约60%，意味着回答反复翻转。
- 绝大多数模型未主动追问缺失信息，导致微小措辞差异引发方案分歧。
- 不同模型侧重风险不同，有的关注出血风险，有的担忧肾损伤或早期出院后的后果。
- 没有任何两款模型能在所有案例中保持答案一致。
研究指出，这些LLM更适合辅助“框架选项”，而非做出最终判断。临床医生应多模型对比、反复提问，且始终承担最终决策责任。
评论中专家普遍认为：
- 这反映了当前模型训练和架构的局限，尤其是通用型LLM缺乏专门医疗数据训练。
- 医学决策本身就带有不确定性，医生在复杂病例中也会反复权衡和调整方案。
- 提升AI稳定性必须依赖更精准的训练、外部数据支持（如检索增强生成）和可审计的推理过程。
- 研究诊断了变异性，但如何管理和利用这种变异性，是未来真正的挑战。
- 目前阶段，AI绝非临床决策的替代品，而是辅助工具。
总结来看，医疗AI正处于“探索期”——它能够提出可参考的诊疗思路，但远未达到可完全信赖的成熟度。未来需要更多专门训练、更严谨验证和人机协同设计，才能真正提升临床安全与效果。
原文链接：x.com/rohanpaul_ai/status/1985165030594330788
这项研究提醒我们，医疗AI不是魔法，理性看待其局限，科学推进技术，是帮助医生和患者的正确路径。
