数字诊断：大型语言模型在识别常见疾病症状中的潜力

近期 GPT-4、Gemini 和 GPT-3.5 等 LLM 的快速发展为医学与医疗保健，特别是数字诊断领域，提供了变革性机遇。本研究通过解读用户症状并确定符合常见疾病的诊断，评估了各模型的诊断能力，并展示了这些模型如何显著提高诊断的准确性与效率。通过一系列基于医学数据库症状的诊断提示，GPT-4 凭借其在医学数据上深厚且完整的训练历史，展现出更高的诊断准确性。同时，Gemini 在疾病分诊中表现出高精度，证明了其作为医生尝试进行高风险诊断时可靠模型的潜力。GPT-3.5 虽稍显逊色，但也是医疗诊断的良好工具。本研究强调，需要更加审慎地研究用于医疗保健和临床实践的 LLM，确保任何使用 LLM 的系统都能促进患者隐私保护并遵守健康信息隐私法（如符合 HIPAA 规定），同时关注影响复杂医疗环境中不同个体的社会后果。本研究标志着未来更大规模探索的开端，即研究将伦理关切赋予 LLM 从人类偏见中学习的任务，能否发掘出在复杂医疗环境中应用 AI 的新途径。