编者按：在眼科领域，人工智能（AI）技术的革新正不断拓展其应用边界，尤其在角膜疾病的诊断方面展现出惊人的潜力。借助深度学习算法，AI系统能够高效分析海量眼前段图像，实现角膜疾病的精准自动分类与诊断。然而，一个关键问题悬而未决：当AI系统输出的诊断信息存在误导性时，它究竟会对医师的诊断准确性产生怎样的影响？为了深入探究这一议题，Yuta Ueno等人设计了一项实验，旨在揭示AI误导性信息对医师诊断准确性的具体影响，为AI技术在眼科领域的进一步应用提供宝贵的洞见。

研究概览：故意误导AI下的医师诊断准确性变化

该研究采用横断面研究设计，选取了30例感染性角膜炎与30例免疫性角膜炎的病例作为研究样本。参与研究的医师团队由7名角膜病专家和16名非角膜病专科的眼科医师组成。他们首先基于图像本身做出初步诊断，随后再参考AI系统的分类结果进行二次诊断。为验证AI误导的影响，研究人员巧妙地调整了AI系统的诊断结果，使其在70%的病例中提供正确分类，而在30%的病例中提供误导性分类。这一设计旨在深入观察医师在AI提供不同信息时的诊断准确性变化。

研究结果显示，在引入AI辅助后，眼科医师的整体诊断准确性并未发生显著变化（75.2%±8.1% vs 75.9%±7.2%，P=0.59）。当AI提供正确诊断时，眼科医师的总体准确率显著提升（AI辅助前83.3%±21.6%，AI辅助后92.1%±13.4%，P<0.001）。在AI提供误导性诊断的病例中，角膜病专家与非角膜病专科医师的诊断准确性变化呈现出显著差异。角膜病专家在AI提供误导性诊断前后的准确性保持稳定（60.3%±35.2% vs 53.2%±30.9%，P=0.11），而非角膜病专科医师的准确性则显著下降（54.5%±27.8% vs 31.6%±29.3%，P<0.001）。

延伸思考：AI辅助诊断与临床经验的价值融合

本研究揭示，尽管AI辅助诊断技术迅猛发展，但临床经验在确保诊断准确性方面仍具有不可替代的作用。当AI系统提供误导性诊断信息时，非角膜病专科医师的诊断准确性显著下降，反映出其对角膜疾病辨识能力的干扰及误诊率的上升。这一结果凸显了AI误导对非专业医师的潜在风险。相比之下，角膜病专家凭借深厚的临床经验和专业知识，能够抵御AI误导信息的影响，保持较高的诊断准确性。他们在诊断过程中不仅参考AI辅助诊断结果，更注重患者的临床表现、病史及综合判断，从而提升了诊断的可靠性。这表明，临床经验在复杂医疗决策中的价值不容忽视。

AI诊断技术的快速发展为医疗领域带来了革命性变革，特别是在医疗成像领域展现出强大的辅助诊断能力。然而，AI技术的广泛应用也伴随着挑战，如何确保AI辅助诊断的准确性、可靠性和安全性成为亟待解决的问题。本研究强调，医师在诊断过程中应结合AI辅助诊断结果与自身临床经验进行综合判断，这是提高诊断准确性的关键。同时，本研究也指明了未来发展方向：随着AI技术的不断进步，AI辅助诊断将更加注重与临床经验的深度融合，以提供更准确、更可靠的诊断结果。此外，不断优化AI系统的设计和交互方式，以及提升医师的临床技能，也是推动医疗领域不断进步的重要方面。尽管本研究聚焦于角膜疾病，但其发现对眼科及其他医疗领域均具有广泛启示意义。未来，需持续深入研究AI辅助诊断技术的准确性、可靠性和安全性，以推动医疗领域的持续发展与进步。

参考文献：Maehara H, Ueno Y, Yamaguchi T, Kitaguchi Y, Miyazaki D, Nejima R, Inomata T, Kato N, Chikama TI, Ominato J, Yunoki T, Tsubota K, Oda M, Suzutani M, Sekiryu T, Oshika T. The importance of clinical experience in AI-assisted corneal diagnosis: verification using intentional AI misleading. Sci Rep. 2025 Jan 9;15(1):1462. doi: 10.1038/s41598-025-85827-0. PMID: 39789113; PMCID: PMC11717947.

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。