哈佛大学医学院2026年5月发布的最新临床研究显示，针对1.7万份真实急诊病例的盲测中，一款经过医疗数据专项微调的大语言模型诊断准确率较急诊在岗医生高出12.2个百分点，在罕见病识别、多症状复合病例分析上表现优势尤为明显，该研究为AI辅助诊疗的落地应用提供了关键临床数据支撑。
全球范围内急诊室过载、医生接诊压力过大早已是医疗体系的共性难题，仅美国每年就有超过1.3亿人次急诊就诊，因医生疲劳、信息遗漏导致的误诊率长期维持在10%-15%区间，每年直接造成的额外死亡人数超过2.5万。此次哈佛研究的核心目标，正是验证大语言模型能否成为一线急诊团队的有效辅助工具。
该研究共纳入了美国12家三甲医院2022-2025年的1.7万份真实急诊病例，在剔除涉及隐私的个人信息后，分别交由不同年资的急诊医生团队和多款主流大语言模型同步开展盲测，诊断结果以后续住院确诊、病理检测结果作为唯一判定的黄金标准。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号