当医生与其人工智能同行之间发生诊断争议时，专家仲裁对临床结果的影响：儿科门诊患者的随机、多中心试验

基于广州妇女儿童医疗中心超过 100 万儿科门诊患者的历史临床数据，最近开发了针对儿科常见病的 AI 诊断框架 [Liang H et al.利用人工智能对儿科疾病进行评估和准确诊断。 自然医学。 2019;25(3):433-8]。 该 AI 框架利用预定义的模式从自由文本中提取信息丰富的临床数据，并通过假设演绎推理得出临床诊断。 在内部验证中，AI 系统的准确率从胃肠道疾病的 0.85 到神经精神疾病的 0.98，表明它可能是一种很有前途的临床辅助诊断工具。 然而，对于如何处理基于人工智能的诊断与儿科医生的诊断不一致的场景，缺乏基于证据的策略。 假设诊断不一致的疾病表现出更相似的临床特征是合理的；在这种情况下，有必要引入额外的仲裁员进行鉴别和决定性诊断。 因此，我们进行这项随机对照试验的目的是：1）在现实世界的临床环境中比较两种诊断模式的准确性，其中通过引入专家仲裁员，基于 AI 的诊断与儿科医生的诊断不一致；和 2) 进一步观察由于引入专家仲裁员而导致的临床结果的变化（初次就诊后的未来 3 个月内的医院复诊和住院；平均总门诊费用）。 请注意，尽管上述 AI 框架旨在诊断多种疾病，但该临床试验仅限于三个专科门诊的门诊患者，即呼吸科、胃肠科和泌尿生殖科。 做出此选择的原因是，根据内部验证结果，假设这两个专业的不一致诊断更为常见。