Dr.CaBot：代理式人工智慧在臨床鑑別診斷的突破
臨床鑑別診斷仰賴醫師綜合病歷與醫學知識。研究團隊提出Dr.CaBot，一款代理式人工智慧系統，可從單一病歷描述自動產出有聲投影片並模擬專家書面與口述推理。盲評結果顯示醫師在多數試驗無法辨源，且在NIH未診斷病例測試中有顯著找出工作診斷的能力。
Dr.CaBot在臨床推理展現實力
Dr.CaBot是一個代理式人工智慧診斷系統，能從病歷摘要自動產出有聲投影片，並以書面與口述呈現診斷推理。該系統已在NEJM Clinicopathologic Conferences出現，是該系列首次刊載的AI診斷案例。
在盲測評估中，醫師在62次試驗裡有46次誤判差異診斷來源（CaBot vs. 醫師撰寫），而CaBot在品質面向也獲得正面評分。針對NIH未診斷病患的72例轉診紀錄，CaBot從中找出工作診斷的案例數為50例，顯示其能從有限病歷資訊提出可行的鑑別方向。
為促進可重複性與研究，團隊建立了CPC-Bench，一個經醫師驗證的基準庫，涵蓋7,102篇CPC案例與47,648道題目。研究團隊同時公開CaBot與CPC-Bench，期望為臨床AI評估帶來更高的透明度與比較標準。
此項工作強調AI在模擬專家診斷推理與教學展示上的潛力，同時也為臨床推理能力的量化評估提供新工具。
延伸閱讀
- 大語言模型評估使用者狀態可靠性不足：GPT-4o 與 Gemini 證據揭示風險
- 數位人格與檢索擴充：大型語言模型模擬問卷受訪者的可行性與限制
- 局部校準與貝氏修正：化解隱層統計異質性以提升機器生成文本檢測效能
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
