邁向醫療AI超級智慧的測試
研究人員迫切需要一種嚴格、基於任務的框架來定義和測量醫療AI“超級智慧”，因為現有基準具有誤導性且不足。
隨著人工智慧在醫療領域的應用日益廣泛，如何準確評估AI系統的能力成為關鍵問題。研究人員指出，當前廣泛使用的基準測試存在嚴重缺陷，它們往往過於簡化實際臨床場景，導致對AI“超級智慧”的測量失真。
所謂的“超級智慧”通常指在特定領域超越人類專家的AI系統，但現有基準多側重於狹窄任務，忽視複雜臨床環境中的多變數決策。例如，一個在影像識別測試中表現優異的AI，可能在真實診斷中因忽略患者病史或合併症而失敗。
為此，研究者呼籲建立一種基於真實臨床任務的評估框架。這種框架應模擬醫生日常工作流程，包括結合影像、實驗室資料和患者對話等多模態資訊做出綜合判斷。同時，測試需涵蓋罕見病例、緊急狀況等邊緣場景，以驗證AI的泛化能力。
此外，該框架還需考慮AI的透明度和可解釋性。醫療決策涉及倫理與責任，單純的準確性指標不足以確保AI安全。未來，只有透過這種嚴格的多維度評估，才能確保醫療AI真正達到“超級智慧”水平。