AI读片建议该信几分：随机交叉实验发现医生不采纳正确建议比盲信更伤诊断

核心要点

• 问题：医生与AI协作本该「1+1>2」，但真实世界往往达不到。大家担心医生「盲信」AI，可一项新研究发现，损失更大的其实是另一种错——AI说对了、医生却没采纳。
• 方法：一项混合方法、随机交叉实验，让50名放射科医生与75名新手读50张头颅CT判读颅内出血，分别在「无AI」「基础AI建议」「可解释AI建议（圈出出血位置）」三种条件下各读一遍。
• 结果：AI建议固定80%正确、20%错误。医生「盲信」错误建议的比例为27%~58%，「不采纳」正确建议的比例为11%~21%；但正确建议是错误建议的四倍，因此「不采纳」对诊断准确率的伤害反而更大。可解释AI能显著降低「不采纳」，正确诊断比值比达1.84。
• 意义：把「让医生别盲信AI」这条主线，扩成「既要防盲信、更要防漏信」，为临床决策支持系统的界面设计提供了第一手证据。
• 原文：Examining reliance patterns on AI advice in medical imaging，The Lancet Digital Health，2026-10-23，DOI 10.1016/j.landig.2026.101050

1. 医学影像AI诊断的「最后一公里」：医生到底听不听AI

医生加AI，本应是「1+1>2」的组合。医学影像AI在实验室里常常能达到甚至超过医生的水平，可一到真实临床，人机协作的总体表现往往「没超过单独的人、也没超过单独的AI」——这是困扰医学影像AI诊断落地多年的「最后一公里」。

大家一直担心的是「过度依赖」：AI说错了，医生也跟着错。但2026年10月23日发表于《柳叶刀·数字健康》(The Lancet Digital Health)的一项随机交叉实验，给出了一个反直觉的发现——损失更大的，其实是另一种错：AI说对了，医生却没采纳。这项研究把医生对AI建议的「信」与「不信」拆成两类错误来量化，为临床决策支持系统该怎么设计界面，提供了第一手证据。

2. 核心创新：把「盲信」和「漏信」拆开量

过去研究人机协作，大多只问「AI让医生变强了还是变弱了」，得到一个笼统的总分。这项工作的实质贡献，是把「信任」这个模糊概念拆成两个可量化、可对立的错误：

一是「过度依赖」(over-reliance)：AI的建议错了，医生却采纳了；二是「依赖不足」(under-reliance)：AI的建议对了，医生反而拒绝了。作者把这两种错误各自的发生率、对诊断准确率的影响，以及各自的驱动因素（不确定性、主动质疑等），都单独测了出来。

第二点创新，是把「可解释性」当作干预手段来检验。基础AI只给一句「有出血/没出血」的判断；可解释AI还会在片子上圈出可疑位置。研究发现，圈出位置这个动作能显著减少「依赖不足」——但它也有代价，下面会说到。

3. 技术原理：三种读片条件下怎么量出「信」与「不信」

这是一项混合方法、随机交叉实验，于2023年2月16日至8月10日采集数据，并事先在开放科学框架(OSF)上完成预注册。

输入是50张头颅CT，其中25张确有颅内出血(intracranial haemorrhage, ICH)、25张没有；标准答案由三位资深放射科医生各自判读后开会达成一致，并对照病历。参与者是来自10个国家的125人——50名放射科医生（专家）与75名非放射科医生、医学生（新手）。处理是每个人在三种条件下各读一遍这50张片子（三次之间至少间隔14天、随机决定顺序）：①无AI；②基础AI建议（只给「有/无出血」）；③可解释AI建议（判断+圈出出血位置）。

关键设计在于：AI建议是研究者人工编写的，固定80%正确、20%错误，让每个人碰到的对错比例完全一致，从而干净地分离出「信」与「不信」的行为本身。专家还戴眼动仪、新手边读边口述思路，用定性数据解释背后的原因。

4. 数据说话：不信正确建议，比盲信错误建议更伤准确率

最需要记住的，是这两类错误的「杀伤力不对称」。单看比例，「盲信」更常见：AI给错建议时医生跟着错的比例，在不同人群和条件下从27%到58%不等；「不采纳」正确建议的比例则是11%到21%。但建议里80%是对的、只有20%是错的，正确建议是错误建议的四倍，于是被放过的正确建议反而耽误了更多病例——作者据此判断，在绝对量上，「依赖不足」对诊断准确率的伤害比「过度依赖」更大。

可解释AI是有效的解药之一。拿到「正确且圈出位置」的建议后，正确诊断的比值比(OR)达1.84（95% CI 1.49–2.28，p<0.0001），诊断置信度也同步提升(b=0.15，p<0.0001)。尤其在「确有出血」的难题上，「该采纳而没采纳」的比例，专家从8.3%降到6.7%、新手从10.3%降到5.1%。代价是读片时间并没有缩短(b=-1.81，p=0.071，未达显著)，而且「该拒绝而没拒绝」的盲信在无出血病例上略有上升（专家1.5%→1.9%、新手5.2%→5.8%）。

无提示时，专家平均准确率82.9%、新手62.7%；拿到正确的圈注后，新手升至86.6%、专家88.8%——可解释AI对新手的增益尤其明显，也提示它有「边用边学」的潜力。

5. 从实验室到临床：应用前景与局限

方向上有三类可能。一是界面设计：把AI建议从「一句判断」升级成「判断+定位」，帮医生更快核实、减少漏信，这对急诊头颅CT这种「漏一个出血可能就是大事故」的场景尤其有价值。二是分级呈现：对新手和专家给不同颗粒度的解释，新手更依赖圈注、专家更愿意自己复核。三是培训工具：研究观察到新手先接触可解释AI、后续无AI时表现更好，提示它可能用于教学。

局限必须说清。第一，这是实验室研究：AI建议是人工编写的、界面只让回答「有/没有」、不用写报告，离真实临床还有距离；它测的是「对已知对错的建议作何反应」，不能外推到「某个真实部署系统的准确率」。第二，任务和样本单一：只测头颅CT颅内出血这一项，结论能否迁移到结节、骨折等其他读片任务还需验证。第三，可解释AI并非万能：它减少了「漏信」，却没缩短读片时间、还让「盲信」在阴性病例上略升，作者也明确说需要「超越经典可解释AI」的更多手段来促成真正合适的依赖。

6. 结论与产业启示

这项研究最核心的结论是：在医生与AI协作里，真正拖后腿的未必是「过度信任」，而是「该信的时候不信」；把AI建议做成「判断+定位」的可解释形态，能显著减少这种漏信、提升诊断准确率——但这一切建立在实验控制条件下，且不缩短读片时间。

对医疗AI产业有三点启示。其一，医疗AI评估验证该把「人」纳入指标：只报模型的ROC/AUC还不够，医生与AI协同后的净表现，以及「盲信/漏信」两类错误的占比，才是落地该看的终点。其二，临床决策支持系统的价值在于「帮医生核实」而非「替医生判断」——界面让医生能快速验证AI的依据（如圈出病灶），比单纯给个置信分数更能建立合适信任。其三，可解释AI不是免费的：它换来的准确率提升，可能以读片时间不降反升为代价，工程上要权衡效率与安全。这也呼应了急诊AI决策支持越用越少的观察——工具再准，也要医生愿意用、用得顺手才有效。

相关问题

问：这个研究是不是说明AI读片已经可以临床使用了？ 答：不是。这是实验室条件下的随机交叉实验，AI建议由研究者人工编写、固定80%正确，界面也做了简化，目的是研究「医生如何对待AI建议」，不能外推为某个真实影像AI系统已经可以用于临床。真实系统的准确率与安全性仍需前瞻、多中心验证。

问：医生会因此更依赖AI吗？会不会被替代？ 答：研究恰恰提醒，问题不只是「过度依赖」，还有「依赖不足」。可解释AI让医生更容易核实建议，本质是辅助而非替代——圈出病灶是给医生一个可核验的依据，最终诊断仍由医生下。研究也显示可解释AI可能帮助新手学习。

问：这个发现对中国的医疗环境意味着什么？ 答：中国基层医疗机构影像诊断需求大、专科医生相对不足，新手或全科医生更多。研究显示可解释AI对新手的增益尤其明显，提示「判断+定位」式的辅助工具可能在基层更有价值；但中国人群数据、不同影像任务的表现仍需本地验证，不能直接照搬结论。

参考文献

1. Gaube S, Jussupow E, Kokje E, et al. Examining reliance patterns on AI advice in medical imaging: a mixed-methods, randomised, crossover experiment. The Lancet Digital Health, 2026. https://doi.org/10.1016/j.landig.2026.101050
2. Rajpurkar P, Chen E, Banerjee O, Topol EJ. AI in health and medicine. Nature Medicine, 2022, 28(1): 31–38. https://doi.org/10.1038/s41591-021-01614-0
3. Leibovitch L, Ahituv A, Shelly S, et al. Prospective evaluation of a large language model clinical decision support system in the emergency department. Nature Medicine, 2026. https://doi.org/10.1038/s41591-026-04601-5

本文基于该论文的独立解读，仅供学术交流，不构成临床建议。