2026 年 7 月 19 日

怎样才能真正判断医疗 AI 有没有帮上忙

如果“部署之后更好”不能证明医疗 AI 有效,下一个自然的问题就是:那什么能证明?答案是对照。要把一个效果归功于 AI,你需要一个可以拿来对照的东西:另一个版本的世界,那里没有用 AI,其他一切都尽可能相似。

有三种设计能做到这一点,下面按强度从高到低排列。

随机对照试验把病人、临床医生、病房或医院随机分组,一组用 AI,一组不用。做得好的话,随机化会让各组除了 AI 以外样样相似,所以结果上的差异就更可能是 AI 造成的。这是最强的证据,也最难安排。

准实验利用现实中本来就有的差异,比如一家机构采用了这个工具,而另一家可比的机构没有。它比随机化弱,因为两组之间可能存在看不见的差异;但在试验不现实的时候,它可能是现实的选择。

双重差分比较的是:采用组随时间的变化,与未采用组随时间的变化。如果两组此前走势一致,而 AI 到来之后只有采用组的走势拐了弯,那么比起单纯的前后对比,这个拐弯更有理由被看作 AI 的效果。

这些设计都不是为了追求统计上的优雅。它们回答的是一个治理问题:我们能不能把 AI 做了什么,和本来无论如何都会发生的事区分开?有对照组支撑的部署主张,是证据。只靠前后对比支撑的部署主张,是一个配了图表的愿望。