迈向医疗AI超级智能的测试
研究人员迫切需要一种严格、基于任务的框架来定义和测量医疗AI“超级智能”，因为现有基准具有误导性且不足。
随着人工智能在医疗领域的应用日益广泛，如何准确评估AI系统的能力成为关键问题。研究人员指出，当前广泛使用的基准测试存在严重缺陷，它们往往过于简化实际临床场景，导致对AI“超级智能”的测量失真。
所谓的“超级智能”通常指在特定领域超越人类专家的AI系统，但现有基准多侧重于狭窄任务，忽视复杂临床环境中的多变量决策。例如，一个在图像识别测试中表现优异的AI，可能在真实诊断中因忽略患者病史或合并症而失败。
为此，研究者呼吁建立一种基于真实临床任务的评估框架。这种框架应模拟医生日常工作流程，包括结合影像、实验室数据和患者对话等多模态信息做出综合判断。同时，测试需涵盖罕见病例、紧急状况等边缘场景，以验证AI的泛化能力。
此外，该框架还需考虑AI的透明度和可解释性。医疗决策涉及伦理与责任，单纯的准确性指标不足以确保AI安全。未来，只有通过这种严格的多维度评估，才能确保医疗AI真正达到“超级智能”水平。