斯坦福大学、哈佛大学和ARISE网络的研究人员最近进行的一项名为NOHARM的研究，评估了几种AI工具在临床环境中的表现。该研究使用了1100个真实的临床案例和医生注释，测试了OpenEvidence、Doximity的Ask、OpenAI的GPT-5.6 Sol以及Anthropic的Claude Fable 5。尽管Doximity的Ask表现最佳，但所有接受测试的AI系统都存在一个显著缺陷：76.6%的有害错误是遗漏，意味着AI未能包含关键信息，而不是陈述错误事实。这凸显了在医疗保健领域确保AI可靠性所面临的持续挑战，即使监管机构和法律框架仍在努力解决AI问责问题。 AI
影响 强调了医疗AI中关键的遗漏错误，突出了人工监督和健全监管框架的必要性。
排序理由 该集群报告了一项新的独立基准研究，该研究评估了临床环境中的AI工具，包括特定的AI模型及其性能指标。[lever_c_demoted from research: ic=1 ai=1.0]
- Anthropic
- ARISE network
- Claude Fable 5
- Daniel Nadler
- Doximity
- Eric Topol
- GPT-5.6 Sol
- Harvard
- OpenAI
- OpenEvidence
- Stanford
- FDA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
