MIT 研究：醫療AI診斷應更具協作性，主動揭示不確定性以建立醫師信任
MIT-led team designs AI systems for medical diagnosis that are more collaborative and forthcoming about uncertainty
麻省理工學院（MIT）主導的研究團隊於近日發表最新研究成果，呼籲重新思考 AI 在醫療診斷中的角色——AI 不應只是一個「工具」，而應成為醫師的真正協作夥伴（collaborator），並且需要更主動地表達自身的不確定性。
研究背景：當前 AI 診斷的盲點
儘管大型語言模型在多項醫學測試中已展現出接近專家的診斷水準，但大多數臨床 AI 系統仍以「提供答案」為主要模式，缺乏對不確定案例的透明溝通。研究者指出，當 AI 對自身判斷過度自信，醫師反而容易過度依賴，在邊緣案例中做出錯誤決策。
創新設計：雙向協作診斷流程
研究團隊設計了一套新型工作流程：在開始診斷前，臨床醫師與 AI 系統分別獨立作出初步判斷，之後 AI 生成一份整合性分析報告，清楚呈現雙方的共識、分歧之處，並附上推理說明。
發表於 npj Digital Medicine 的隨機對照試驗（70名臨床醫師參與）顯示，不論 AI 作為「先意見」（醫師之前）或「後意見」（醫師之後），協作式工作流程都能顯著提升診斷準確率，優於使用傳統醫療參考資源的對照組。
不確定性透明度的重要性
研究者強調，讓醫師看到 AI 的不確定性至關重要：「即使只是讓醫師看到醫療影像中存在不確定性，也能影響他們的決策過程。」這種設計理念有助於在 AI 輔助診斷中維持醫師的主體判斷地位，同時善用AI的計算優勢。此研究為未來負責任的醫療AI系統設計提供了重要參考框架。