Jerusalem, 13 May, 2025 (TPS-IL) — 内盖夫本-古里安大学的研究团队开发了一个新数据库,用于测试AI语言模型诊断复杂医疗病例的能力。他们在费城举行的“人工智能促进协会”会议上提交的研究结果表明,像GPT-4o这样的通用模型可能比专门为医学设计的模型更有效。

传统上,AI语言模型的测试对象是更简单的医疗病例,例如考试题目或常见疾病。然而,这些模型尚未在医生经常面临的复杂、现实世界的病例中进行评估。为了填补这一空白,研究人员从《BMC医学病例报告杂志》(BMC Journal of Medical Case Reports)中构建了一个包含3,562个医疗病例报告的数据库,其中详细描述了罕见医疗病例及其诊断结果。这些病例采用多项选择题和开放式问题呈现,模仿了现实生活中的诊断场景。

结果令人惊讶。通用语言模型GPT-4o在诊断这些复杂病例时的表现优于Meditron-70B和MedLM-Large等医学模型。GPT-4o在多项选择题上的准确率达到了87.9%,在开放式问题上的准确率达到了76.4%,优于专业模型。

“我们惊讶地发现,像GPT-4o这样的通用模型的表现优于那些专门为医学调整的模型,”研究人员之一奥菲尔·本-肖哈姆(Ofir Ben-Shoham)说。“我们证明了大语言模型可用于诊断复杂的医疗病例。”

这项研究意义重大,因为它表明像GPT-4o这样的AI模型可以帮助更高效地诊断具有挑战性的医疗状况。该团队创建的CUPCase数据库可能成为未来测试新AI模型的重要工具。该数据库向公众开放使用,并随着新模型的开发不断添加更多病例进行扩展。

“我们的目标是创建一个系统,用以评估语言模型诊断现实世界复杂病例的能力,而不仅仅是常见病例,”博士生乌里埃尔·佩雷茨(Uriel Peretz)说。

研究团队的另一位成员纳达夫·拉帕波特(Nadav Rapoport)博士解释说,诊断复杂病例可能是一个漫长且不确定的过程,从而导致患者延误病情并增加成本。CUPCase数据库通过提供详细的真实世界病例,有助于加快这一过程并改善患者护理。

这项研究在医疗保健领域有几个实际应用,主要是提高医疗诊断的速度和准确性。像GPT-4o这样的AI模型可以协助医生更快地诊断复杂的医疗病例,减少诊断延误并改善患者预后。CUPCase数据库汇集了真实的病例,可作为宝贵的临床决策支持工具,帮助医生做出更准确的决策,特别是对于困难或罕见的病例。

此外,该AI模型还可以协助培训医疗专业人员,为学习复杂的诊断过程提供互动资源。

人工智能驱动的工具还可以扩大资源匮乏地区的专家级诊断支持渠道,在这些地区,专科医生可能有限。在重症监护环境中,AI模型可以提供实时的诊断辅助。