AI 审出临床试验错误，840 份评审中 838 份优于人类均值

RexDouglass · x · 2026-10-29

rustruslan 介绍其团队 AI 同行评审实验的关键补充：为排除模型见过旧论文的可能，他们将同样的错误插入 2026 年发表的 58 项试验（含 7-10 月所有符合条件的开放获取 III 期临床试验），AI 检出率为 58%-99%，且 840 份 AI 评审中 838 份仍优于人类审稿人平均水平。

配套热图显示四个模型在 50 项试验 × 多类评审维度（样本量论证、分配隐藏、盲法、结果一致性、伦理审批等）上的检出率：GPT-6.1 Sol 主要/次要问题检出 94%/81%，Sonnet 5 为 91%/65%，GPT-5.5 为 92%/62%，Kimi K3 为 89%/63%，人类审稿人组明显更稀疏。