为什么AI辅助+医生，不如AI自己？一项肺结节试验揭示的人机协同悖论
一个事实：在一项肺结节良恶性鉴别阅片试验中，AI 单独诊断的 AUC（曲线下面积，越接近 1 鉴别能力越强）为0.954，低年资医生单独阅片为0.667，而”医生+AI”组合为0.776——“人机组合”没有超过机器单独作业。
一个边界：这是基于回顾性病例的MRMC（多阅片者多病例）研究，阅片者均为低年资影像科医生，结论不能直接外推。
一个判断：人机协同的效果可能取决于“怎么协同”。当前主流的“AI出建议、医生做判断”模式，未必是最优解。
这不是一次偶然的失手——过去两年，相似的悖论在多个国家的多项研究里反复出现。
1、一组”不对劲”的数字
2026年4月，《自然·癌症》（Nature Cancer）发表的一项研究把三组数字放在了一起：
（1）AI 模型DeepFAN单独鉴别肺结节良恶性，AUC0.954。
（2）12 名低年资放射科医生不看 AI 结果，平均 AUC0.667。
（3）拿到 AI 建议的放射科医生再做判断，升至0.776。
- 776 当然比 0.667 好。但请注意另一个数字：0.954——如果目标只是准确率，“让医生参考 AI”反而把整体表现拉低了近 0.18。我们给医生的不是更差的工具，而是一个更强的工具——为什么加在一起，反而不及工具自己？
2、这项研究是什么
先交代研究本身和利益关系。DeepFAN 由深睿医疗（Deepwise Healthcare）AI 实验室主导研发，论文共同作者含深睿雇员（利益声明已披露）；北京协和医院、香港大学团队参与了模型开发与验证；MRMC 临床试验由北京大学人民医院牵头，联合武汉市第三医院、黄石市中心医院完成。基于该模型的深睿软件已于2024年9月获国家药品监督管理局（NMPA）三类医疗器械注册证（批准号 20243211932），这次发表是为已持证产品补充循证证据。
研究采用多中心 MRMC(多读者多病例研究设计) 设计：3家中心、400例患者、463枚病理确诊结节、12名低年资放射科医生，分别在”无 AI”和”有 AI”条件下阅片。试验基于回顾性病例，论文作者自承前瞻性研究有待开展。
3、悖论的细节：增益是真实的，差距也是
增益是真实的：AI 辅助下，医生的准确度、特异度、敏感度分别绝对提升10.0%、12.6%和7.6%；诊断一致性的 Kappa 值（结节层面，越大越一致）从0.313（“一般”）升至0.421（“中等”）——医生的判断更趋同，不再那么依赖”你碰到的是哪位医生”。但差距同样真实：论文作者坦言，AI 辅助下的医生表现未超过 AI 模型本身。0.776 与 0.954 之间的缺口说明，医生没有把模型的能力完整”接收”下来。
为什么？论文没有做机制实验，以下是本文基于人机交互研究的分析推测：
其一，采信折扣——面对明显强于自己的系统，医生既可能过度服从，也可能时信时不信，都会把组合拉向中间.
其二，锚定效应——先看 AI 建议还是先做自己的判断，顺序本身就可能改变决策。
其三，责任压力——签字的是医生而不是模型。这些机制有待验证。
4、这不是孤例
如果这只是一项研究的意外，不值得写一篇文章。但同一模式在多项独立研究中反复出现。
诊断推理领域。2024 年发表于 JAMA Network Open（是JAMA Network（美国医学会期刊家族）旗下的一本全开放获取综合性医学期刊） 的随机临床试验（Goh 等，50 名美国医生（含住院医））：GPT-4 辅助的医生诊断推理得分76%，常规资源组74%（差异不显著），GPT-4 单独作答（事后分析）达92%。2026 年《科学》的大规模评估（Brodeur 等）再次复现：管理推理任务中，医生+GPT-4是41%，GPT-4 单独42%，无AI医生34%。谢菲尔德大学的 Wei Xing 对此提出一种解释：医生可能在无意识地服从 AI 的答案，而非独立思考。
还有一项直接检验”协同流程”的随机对照试验。2026 年发表于 npj Digital Medicine 的研究（Everett 等，斯坦福大学团队，70 名美国医生）比较了两种协作方式：让 AI 先给意见，或让医生先独立判断、再由 AI 复核。两种流程下医生得分（85%与82%）均显著高于仅用常规资源（75%），但仍未超过 AI 单独作答（87%，差异不显著）。更值得注意的是一个事后发现：当 AI 在医生之后做”复核”时，它号称独立的分析与医生先前答案的完全重合率明显更高（约48%对3%）——锚定是双向的，机器也会被人带偏。谁先开口，可能比谁更聪明更重要。
影像领域。2023年一项NBER工作论文发现，放射科医生未能以理论最优方式权衡AI建议。2026 年在线发表于《美国放射学杂志》（AJR）的首尔国立大学医院前瞻性随机对照试验展示了另一面：911 名无症状体检者中，AI 辅助组结节检出率显著提高（Lung-RADS 阳性，即 3/4 类、提示需随访的临床意义结节，检出比例16.9%对10.3%），但阅片时间未见缩短（187秒对172秒，P=0.23，差异无统计学意义），随访建议也更多。
需要说明的是，该研究中位随访约 7 个月内两组均无肺癌确诊——检出更多是否转化为患者结局获益，尚属未知。人机协同的收益可能不在”更快”“更准”这些直觉指标上——也可能还没被测对地方。把两项研究放在一起看：一个说”加权方式不对”，一个说”收益换了地方”——指向的都是协同环节本身，而不是医生或模型某一方”不行”。
跨领域证据。2024 年发表于《自然·人类行为》的Meta分析（Vaccaro 等，106 项实验研究、370 个效应量）得出反直觉结论：平均而言，人机组合显著差于人或 AI 中较强一方单独的表现（标准化效应量 g=-0.23，负值表示组合逊于较强单方）；人类更强时组合才有增益，AI 更强时加人往往是”损耗”。人机交互领域对此早有命名——“自动化偏差”（automation bias）：人倾向于把机器建议当默认值，核查越费力，偏差越易发生（奠基性系统综述：Goddard 等 2012；Lyell 与 Coiera 2017）。
5、问题可能出在哪
把证据放在一起，轮廓逐渐清晰：问题可能不是”医生没用”，而是”协同”这个环节没有被当作需要设计的对象。当前绝大多数 AI 辅助产品默认”AI 给结论、医生做裁决”，而证据提示，其效果取决于三件尚未解决好的事——信息呈现的接口、AI 介入的时机、医生对 AI 信任的校准。互补性仍在——模型擅长结节与微环境的全局特征，医生擅长密度、分叶、毛刺等局部细节——但当前的协同设计没有让”森林”与”树木”兑现为 1+1>2。
Vaccaro 团队的Meta分析还给出一条更具体的线索：人机组合是增益还是损耗并非随机——人更强时组合倾向于变好，AI 更强时”加一个人”平均是负贡献。这意味着协同设计的第一性问题不是”AI 准不准”，而是”人和 AI 各自在什么时候说了算”：谁先下判断、谁有否决权、分歧时听谁的。前面 npj Digital Medicine 的试验恰好说明，这些看似流程层面的安排，恰恰决定了组合是 1+1>2 还是 1+1<1。
认知科学里有一个方向性的类比。2020 年发表于《科学报告》的研究（Dahmani 与 Bohbot）发现，习惯性使用 GPS 导航的人在无辅助条件下空间记忆更差；13 名参与者三年后的复测显示，GPS使用越多，依赖海马体的空间记忆下降越陡。纵向样本很小，结论需谨慎，但方向提示：长期把判断外包给更强的系统，人的相关能力可能退化。若”医生+AI”长期低于 AI 单独水平，医生是在被增强，还是被缓慢替换掉判断力？这是提问，不是结论。
6、对行业的含义
先说明：以下是本文基于上述证据的判断，不是事实。“AI 辅助医生”作为默认叙事，可能需要一次重估。人的价值或许不在”把准确率从 0.954 抬到 0.96”——现有证据显示这目前大概率是负贡献——而在 AI 做不了的事上：承担法律责任、处理边缘病例、与患者沟通不确定性。
对监管与产品设计，含义是具体的。NMPA 批准的 110 余款深度学习三类证软件，用途均为辅助分诊、评估、识别、检测或治疗——定位”辅助”本身没错，但”辅助效果如何”应像”模型准确率多高”一样成为待验证指标，而非默认假设。AI 何时说话、以什么置信度说话、是否先让医生独立判断，都可能比模型精度再提高一个点更影响最终效果。前瞻性研究是下一步的关键（DeepFAN 论文自承；亦见 Nature Medicine 2026 年社论《Show us the evidence》）。换句话说，下一阶段值得比的不只是”模型对模型”的准确率排行榜，更是”流程对流程”的对照试验——同一个模型，换一种协同方式，结局可能完全不同。
7、结语
回到开头那组数字：0.954、0.667、0.776。这个悖论不是”AI 应该替代医生”的证据——试验是回顾性的，医生是低年资的，真实临床远不止鉴别良恶性这一道题。但它是个足够清楚的信号：人机协同不会自动发生，它需要被当作一门学问来研究——研究接口、时机、信任和人的角色。
如果你是医生：用好 AI 可能是一种需要专门训练的技能，而非装上软件就自动获得的能力。如果你是患者：就本文涉及的研究场景而言，短期内，“AI 辅助的医生”仍大概率比”没有 AI 的医生”看得更准——至于 AI 自己，它还不能为你的诊断签字。
信源说明
•DeepFAN 多中心 MRMC 临床试验：Nature Cancer（2026年4月22日在线发表，Nat Cancer 7, 773–789 (2026)，DOI: 10.1038/s43018-026-01147-w；中国临床试验注册号 ChiCTR2400084624）；北京协和医院官网通报（2026年7月）；NMPA 三类医疗器械注册证（批准号 20243211932，载于论文利益披露声明，2024年9月获批，持证方为深睿医疗）。
•Everett SS, Bunning BJ, Jain P, et al. “From tool to teammate in a randomized controlled trial of clinician-AI collaborative workflows for diagnosis.” npj Digital Medicine. 2026;9:409. DOI: 10.1038/s41746-026-02545-1（70 名美国医生；常规资源 75%、AI 复核 82%、AI 先行 85%、AI 单独 87%（差异不显著）；AI 复核时与医生答案完全重合率 48% 对 3%，为事后分析）。
•Goh E, et al. “Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial.” JAMA Network Open. 2024;7(10):e2440969. DOI: 10.1001/jamanetworkopen.2024.40969.
•Brodeur PG, et al. “Performance of a large language model on the reasoning tasks of a physician.” Science (2026). DOI: 10.1126/science.adz4433；专家评论见 Science Media Centre（2026-04-30）。
•Hwang EJ, et al. “Artificial Intelligence–Assisted Lung Nodule Evaluation on Low-Dose Chest CT in Asymptomatic Individuals: A Prospective Randomized Controlled Trial.” American Journal of Roentgenology（2026-03-18在线发表）. DOI: 10.2214/AJR.26.34552（研究由 Coreline Soft 资助）。
•Vaccaro M, Almaatouq A, Malone T. “When combinations of humans and AI are useful: A systematic review and meta-analysis.” Nature Human Behaviour. 2024;8:2293–2303. DOI: 10.1038/s41562-024-02024-1（本文经检索核实：106 项实验研究、370 个效应量，人机组合平均差于较强单方 g=-0.23）。
•Agarwal N, et al. NBER Working Paper 31422（2023，工作论文）。
•Goddard K, Roudsari A, Wyatt JC. J Am Med Inform Assoc. 2012;19(1):121-127. DOI: 10.1136/amiajnl-2011-000089；Lyell D, Coiera E. J Am Med Inform Assoc. 2017;24(2):423-431. DOI: 10.1093/jamia/ocw105.
•Dahmani L, Bohbot VD. “Habitual use of GPS negatively impacts spatial memory during self-guided navigation.” Scientific Reports. 2020;10:6310. DOI: 10.1038/s41598-020-62877-0（本文经检索核实：横断面 50 人，三年随访仅 13 人，纵向结论样本量小）。
•NMPA 三类证数量（110 余款，截至 2025 年 10 月）：新华社/经济参考报（2026-07-06）。
•Nature Medicine 社论《Show us the evidence for the value of medical AI》，Nat Med 32, 1163 (2026)。
利益相关说明：DeepFAN 模型由深睿医疗（Deepwise Healthcare）AI 实验室主导研发，论文共同作者中包含深睿医疗雇员；首尔国立大学医院 LDCT 研究由 AI 厂商 Coreline Soft 资助。本文提及相关企业与产品仅为行业分析之目的，不构成任何推荐。
免责声明：本文为医学人工智能领域的行业与科技观察，仅供科普参考，不构成任何医疗诊断、治疗或投资建议。AI 辅助诊断工具不能替代医生的专业判断，如有健康问题请咨询正规医疗机构的专业医师。