最佳情况：AI分诊可在不损害结果的前提下大幅削减工作量
在大规模、标准化的筛查项目中，AI分诊系统能大幅减少需要人工审核的病例数量，同时保持检测率稳定。一项2021年针对近1.6万例乳腺癌筛查检查的研究发现，与数字乳腺断层合成（DBT）图像的双重阅片相比，AI分诊系统可将放射科医生的阅片时间减少72.5%——从568小时降至156小时[1]。与此同时，AI检测出113例癌症中的95例，而双重阅片检测出92例，这一差异无统计学意义，表明癌症检测效果非劣效[1]。召回率（假阳性警报）也下降了16.7%[1]。这是这些研究中最有力的量化证据，表明AI能在不增加错误的情况下切实减轻工作负担——但这仅适用于一项非常具体的任务：将乳腺X光检查分为低风险（跳过人工审核）和高风险（交由放射科医生处理）两类。
关键问题：AI难以应对诊断不确定性和复杂病例
当临床情况模棱两可时——这正是许多真实分诊决策中的典型特征——AI聊天机器人的表现不如训练有素的临床医生。2024年的一项研究测试了两款主流聊天机器人（GPT-4o和Claude-3），题目专门涉及诊断不确定性，即症状和病史无法指向明确诊断。家庭医学住院医师的正确率为61%-63%，而Claude-3为57.7%，GPT-4o为53.3%——两者均显著更差[2]。GPT-4o的大部分错误属于逻辑错误（62.5%），这意味着它犯的是推理错误，而非知识遗漏[2]。同样，在急诊分诊中，ChatGPT-4o与专家医生的判断仅达到中等一致性（kappa值为0.695，1.0为完全一致），对中等紧急程度（分诊级别4）的病例敏感度最低（50%），即它常常低估了实际需要关注的患者病情[4]。这些结果表明，在复杂或临界病例中，AI分诊尚不足以可靠地取代人类判断。
潜力与现实的差距
这些研究描绘了一幅清晰的图景：AI分诊在狭窄、重复性任务中表现出色，例如读取乳腺X光片或对明显紧急情况进行分类，但在需要细致判断时则力不从心。在眼科分诊中，ChatGPT-4在93%的情况下将正确诊断列在前三位，并在98%的情况下给出恰当的分诊紧急程度——与医生水平相当[3]。然而，同一项研究显示，必应聊天机器人的准确率较低（正确诊断率为77%），且倾向于高估紧急程度，这表明并非所有AI聊天机器人都表现一致[3]。一篇关于阿联酋医院部署的AI电子分诊系统的2026年论文报告称，该系统将文档记录时间减少了45%，优先级排序准确率提高了82%，但同时也承认在数据隐私、算法偏见以及与现有电子健康记录集成方面仍面临持续挑战[5]。结论是：AI分诊可以在特定、定义明确的环境中减轻工作负担，但若缺乏人类监督而广泛部署，则存在遗漏关键病例或错误分类患者的风险。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2021年至2026年间，其中3篇为2024年及以后发表，1篇发表于Q1期刊，合计被引247次——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果，而该5篇文献又源自从超过5亿条记录的数据库中检索到的50篇论文。
本文引用的文献
基于人工智能的乳腺X线摄影与断层合成筛查减负策略：一项回顾性评估
在一项针对15,987例乳腺癌筛查检查的回顾性研究中，AI分诊策略使放射科医生的工作量减少了72.5%，同时保持了非劣效的癌症检出率（检出95例 vs 92例癌症），并将召回率降低了16.7%[1]。
AI临床医生的未来：评估现代聊天机器人的标准及其应对诊断不确定性的方法。
在诊断不确定性问题上，GPT-4o（正确率53.3%）和Claude-3（正确率57.7%）的得分均显著低于家庭医学住院医师（61-63%），其中GPT-4o的大部分错误属于逻辑推理失误[2]。
人工智能聊天机器人在眼科疾病分诊中的表现
在一项针对44个眼科病例的横断面研究中，ChatGPT-4在93%的情况下将正确诊断列入了前三项，并在98%的情况下给出了恰当的分诊紧急程度，与医生水平相当；而必应聊天（Bing Chat）的准确率较低（77%），且高估了紧急程度[3]。
评估人工智能聊天机器人在急诊病例分诊中的准确性：与临床专家的一项比较研究
在一项针对46例急诊病例的研究中，ChatGPT-4o与专家医师表现出中等一致性（kappa值0.695），对最危急病例的敏感度为100%，但对中等紧急病例（分诊等级4级）的敏感度仅为50%[4]。
AI驱动的电子分诊系统：通过智能临床决策支持提升医疗效率
阿联酋医院部署的AI电子分诊系统将文书处理时间缩短了45%，并将患者优先排序准确率提升了82%，但论文指出，在数据隐私、算法偏见及电子健康记录系统整合方面仍存在持续挑战[5]。