DeepMind用纯仿真训练精神科问诊AI：诊断准确率翻倍，但急性风险漏判仍难根除 Google DeepMind最近披露了一项颇具启发性的临床研究进展：研… · @abc123953468547 · TwKit

@abc123953468547

DeepMind用纯仿真训练精神科问诊AI：诊断准确率翻倍，但急性风险漏判仍难根除 Google DeepMind最近披露了一项颇具启发性的临床研究进展：研究团队完全在模拟环境中训练了一个专门负责精神科初诊问诊（psychiatric intake interviews）的模型，并拉来32名精神科医生实测，由他们扮演各类患者进行问诊评估。 在由另一组独立精神科医生进行的双盲评审中，该模型与采用相同提示词的基础模型对战60个配对病例，取得了76.7%的胜率。更关键的临床指标在于鉴别诊断：其给出合理鉴别诊断的比例从原先的33.3%跃升至68.3%，提升超过一倍。 但安全层面的数据喜忧参半。在对抗性场景测试下，该模型对急性风险的低估/漏诊率（under-triage）从30.5%降到了12.9%。虽然改善显著，但这意味着面对极端高危情况时，AI仍有约八分之一的几率未能准确识别危险。 这项研究的核心价值在于验证了用纯模拟交互来打磨复杂临床沟通与问诊逻辑的可行性。然而精神科诊断对误判和漏判的容忍度极低，12.9%的急性风险漏判率也直白地表明，在真正迈向临床辅助之前，安全边界依然是横亘在AI面前最棘手的难关。

曝光 27 · 评论 0 · 点赞 1 · 书签 0