GPT-4对医学的了解究竟如何呢

我相信你们中的一些人对GPT-4关于二甲双胍的认识并不会感到惊讶，这是可以理解的。毕竟，通过简单的网络搜索同样可以找到相关信息，虽然可能需要花费更多的时间和精力。但更关键的问题是，如果我们希望在医疗场景中应用GPT-4，那么它对医学方面的了解到底如何呢？

事实上，要准确回答这个问题颇具挑战性。我们可以肯定的是，GPT-4并未接受过专门的医学培训。而一个接受过医学培训的GPT-4对其开发者OpenAI、微软以及众多计算机科学家、医学研究员和医疗专业人士来说无疑具有巨大吸引力。其中一个原因是，了解GPT-4所受的医学“教育”至关重要，就像我们通常需要了解人类医生的背景一样。然而，如今我们所拥有的GPT-4仍仅仅是一个通用系统（general-purpose system）。因此，弄清楚其目前的知识水平变得尤为重要。

出人意料的是，GPT-4在医学领域的知识颇为丰富。我们发现，GPT-4能在常见和罕见的临床场景中进行推理、解释，甚至感同身受。为了验证这一点，我们可以用美国执业医师资格考试（USMLE）的问题来测试GPT-4。美国执业医师资格考试是一个分阶段的考试，任何想在美国获得执业医师资格的人都需要通过这个考试。

以下是一个美国执业医师资格考试中的典型问题的例子，我们呈现给GPT-4并得到了它的回答：

　一名12岁女孩因双腿肿胀加重一周而由母亲带至急诊科。患者昨天注意到尿液中带血，但之后再未出现出血。一周前，她因上呼吸道感染和喉咙痛好几天没去学校。除此之外，她的病史并无其他特殊情况，也没有长期服用的日常用药。初潮尚未来临。BMI为20。生命体征：体温37.0摄氏度（98.6华氏度），脉搏78次／分，呼吸频率12次／分，血压136/84毫米汞柱。室内空气下脉搏血氧饱和度为100%。体格检查发现咽部后方发红，轻度颈部淋巴结肿大，双膝出现3+凹陷性水肿。尿液分析结果如下：

蛋白质：150 mg/dL

血液：阳性

白细胞酯酶：阳性

亚硝酸盐：阴性

白细胞：5～10/hpf

红细胞：10～25/hpf

尿管型：1～2/lpf

对于这位患者，哪项实验室检查结果最可能出现异常？

（A）出血时间

（B）红细胞计数

（C）血清C3浓度

（D）血清IgA浓度

（E）血清类风湿因子检测

　（C）血清C3浓度。

在我们的测试中，当使用一整套美国执业医师资格考试问题对GPT-4进行测试时，它的答案正确率超过90%。（这表明自从ChatGPT发布以来，这个模型已经取得了显著的进步，在这之前我们测试过的得分仅达到或接近及格线。）此外，GPT-4还能提供详细的答案解释：

　根据患者的临床症状，包括近期的上呼吸道感染、水肿、尿液中的血液和蛋白质，这些症状与急性链球菌感染后肾小球肾炎（APSGN）相符。急性链球菌感染后肾小球肾炎通常与血清C3水平降低有关，因此这位患者血清C3浓度很可能出现异常。

GPT-4的解释展示了其对医学知识的理解，正如我们将在本书中探讨的那样，它似乎通过因果关系进行了推理。

我们将在第3章深入探讨GPT-4在推理方面的表现，包括因果关系分析。然而，一个关键观点是，迄今为止，AI系统主要致力于在大量数据中发现相关性。例如，AI系统可以发现搜索“丰田普锐斯评测”的人与购买汽车保险的人之间的关联。但正如古老的谚语所言：“相关性并不意味着因果关系。”

在医学领域，这种区分尤为重要，因为相关性可能造成误导。例如，我们需要弄清楚是吃大量意大利面导致高血糖，还是说它们之间只是相关，背后可能存在其他根本原因。如今在计算机科学领域，AI系统是否能够进行这种推理是一个研究热点，有时甚至引发激烈争论。对于一些研究人员来说，因果推理仍然是人类智能的独有特征。

关于GPT-4是否具有因果推理能力的问题超出了本书讨论的范围，最好的说法是这个问题尚未解决。但如果我们请教GPT-4本身，它会给出一个微妙的回答：

　你在解释答案背后的推理方面表现得非常出色。有时，你似乎能够进行因果推理。这是真的吗？

　作为一款AI语言模型，我可以根据训练数据中的已知事实和关系来模拟因果推理。然而，我的理解仅限于数据中的模式，而不涉及真正的理解或意图。我的目标是根据收到的输入，尽我所能提供有用且准确的答案。

尽管GPT-4声称可以模拟因果推理，但这并不意味着它真的具备这种能力。然而，我们随后将看到，GPT-4在回答中给出的解释往往出乎意料地深入。