大型语言模型能否让医生思考得更深？

大型语言模型（LLMs）可能不仅加快了医生的决策速度，还能增强他们的临床推理能力。

关键点

• LLMs促进更深入的临床推理，促使医生进行迭代和反思性的决策。

• 使用AI辅助的医生得分更高，每个病例多花费119秒，提升了准确性而不会匆忙。

• LLMs丰富了认知参与，可能会重新点燃医生对医疗实践的满足感。

可以说，人工智能（AI）不仅仅是一种临床工具；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——这些工具有助于临床医生和患者。虽然很多讨论集中在“更快更好”上，但最近发表在《自然》杂志上的一项临床试验表明，LLMs可能会影响医生推理的本质。

一种新的认知合作模式

医疗决策正在从单个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。随着医学知识呈指数级增长，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形式，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。这种协作认知可以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。

借助AI增强的推理拓宽视野

LLMs集成最引人注目的方面之一是其扩展临床视角的能力。传统资源虽然宝贵，但往往受到人类记忆和经验范围及即时性的限制。相反，LLMs基于广泛的医学文献和真实世界数据，提供全景视图，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取得了相似的成绩（平均差异= -0.9%，95%置信区间=-9.0到7.2，P=0.8）。两组均优于单独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集成都可以超越传统方法，提高临床推理能力。

数字时代中平衡速度与准确性

批评者可能会认为，更长的审议时间——试验中平均每例病例多花119.3秒——可能会减慢临床工作流程。然而，这种每例病例增加的时间实际上可能是对准确性和安全性的投资。在医疗错误可能导致严重后果的时代，更审慎的决策过程不是奢侈品——它是必需品。通过提供鼓励医生暂停、反思并考虑所有方面的结构化框架，LLMs有助于减少草率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。管理推理评分显著提高（P<0.001），表明这种额外的审议时间可以转化为更优的临床决策。

临床决策的未来

展望未来，LLMs融入临床实践代表着根本性转变。这些系统有潜力打破传统的知识壁垒，促进跨学科合作。试验结果显示，LLM辅助在各种场景和专科中持续提升医生表现（改进的置信区间为2.7到10.2）。

然而，对于任何新兴技术而言，负责任的整合至关重要。LLMs的价值在于增强人类智慧，而不是取代它。确保透明度、问责制和现实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。

思维的催化剂

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。或许更具共鸣的是，LLMs如何帮助医生重新发现医学中智力探索的乐趣。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)