专家指出 AI 医疗落地困境：Benchmark 高分难转化为真实疗效

EhudReiter · x · 2026-08-07

自然语言生成专家 Ehud Reiter 撰文指出，尽管 AI 在医疗领域的基准测试（Benchmark）成绩屡创新高，但在改善患者预后或降低成本等真实世界影响方面却表现甚微。他认为这一现象不仅限于医疗，也普遍存在于其他 AI 应用中。

核心原因在于真实世界的医疗环境极其混乱：数据常常不完整或存在错误，医患沟通存在误解，而当前的 AI 模型在处理这种充满不确定性的混乱上下文时表现不佳。例如，LLM 在面对模拟用户时能完美解答疑问，但在与真实的、容易感到困惑的患者交互时往往表现糟糕。此外，现有的评估论文通常假设数据是完美的，斯坦福大学的 Arise 报告也证实了这一点：模型能力在加速，但临床实际影响的证据依然有限。