芝加哥大学研究团队最新发现，尽管AI在前列腺癌磁共振成像（MRI）诊断中的准确率已超过人类专家，但人机协作并未自动带来更优结果，反而暴露出深层瓶颈。该研究由陈诧姹博士主导，聚焦于一个临床难度高、医生诊断准确率普遍不高的真实场景，旨在探索AI辅助诊断的真正潜力。 研究团队基于nnU-Net架构训练AI模型，使用1411例病例的PI-CAI公开数据集，其在测试集上的AUROC分别达到0.730和0.790，显著高于8名资深放射科医生的平均准确率（63.2%）。实验分两阶段进行：第一阶段，医生先独立诊断，再参考AI建议；第二阶段则在提供个人表现反馈和直接展示AI预测的前提下，进行新病例诊断。 结果显示，AI辅助虽使医生准确率提升至66.2%，但仍低于AI自身69.3%的水平。关键问题在于，医生在AI与自己判断不一致时，仅在20.4%的情况下选择采纳AI意见，尤其在自身判断准确率仅44.4%的分歧病例中，仍坚持己见。这表明，医生难以判断AI何时可靠，信任机制存在严重偏差。 更令人意外的是，当研究转向群体协作模式，通过“多数票决”整合8位医生在AI辅助下的诊断结果时，整体准确率跃升至73.3%，首次超越AI和人类各自的独立表现。这一结果证明，人类经验与AI能力具备互补潜力，但需通过团队协作机制才能实现。 研究指出，未来AI临床应用不应仅聚焦于提升单个医生对AI的依赖，而应构建“人机协作团队”。关键路径包括：持续优化AI模型，明确其能力边界，并通过可视化反馈帮助医生理解AI在哪些病例中更可靠。只有当医生具备对AI的理性认知，人机协作才能真正释放潜力，实现“1+1>2”的临床价值。相关成果已发表于ACM Conference on Fairness, Accountability, and Transparency。