GPT-4眼科评估能力惊艳，但专家警告需审慎应用

剑桥大学临床医学院的最新研究发现，OpenAI的GPT-4模型在眼科评估中的表现几乎可与该领域的专家相媲美。这一突破性成果在金融时报首次报道后，引起了医疗和科技界的广泛关注。

在这项发表在PLOS数字健康杂志上的研究中，研究人员对GPT-4及其前身GPT-3.5、谷歌的PaLM 2以及梅塔美洲驼进行了眼科知识测试。测试内容涵盖了从光敏感到病变等各个方面的87道选择题，难度与眼科教科书中的题目相当。五名眼科专家、三名实习眼科医生和两名非专业初级医生也接受了相同的模拟考试。值得注意的是，这些题目对于LLM模型而言是全新的，因为它们之前并未接触过相关内容。

在测试中，GPT-4展现了令人印象深刻的表现，答对了60道问题，得分高于实习医生和初级医生。尽管这一成绩略逊于眼科专家的平均得分66.4，但已足以显示其在眼科评估领域的巨大潜力。相比之下，PaLM 2、GPT-3.5和梅塔美洲驼的得分分别为49分、42分和28分，均低于初级医生的平均水平。

然而，尽管这些结果展示了LLM在医疗领域的潜在应用，研究人员也警告称，必须谨慎对待这些模型的输出结果。他们指出，测试中的问题数量有限，特别是在某些类别中，这可能导致实际结果有所偏差。此外，LLM模型存在“幻觉”现象，即生成不相关或错误的事实，这在医疗领域尤为危险。如果模型错误地诊断出白内障或癌症等严重疾病，将可能对患者造成严重后果。

研究人员强调，虽然LLM模型在眼科评估中展现了令人鼓舞的初步成果，但在实际应用中仍需谨慎对待。未来，应进一步探索如何提高模型的准确性和可靠性，以确保其能够安全、有效地服务于医疗领域。

此项研究为LLM模型在医疗领域的应用提供了新的视角，也提醒我们在追求技术进步的同时，必须关注其潜在的风险和局限性。随着LLM技术的不断发展，我们期待未来能够看到更多关于其如何在医疗领域造福社会的报道。