AI说对了医生却没采纳：125人随机交叉实验里，被放过的正确建议比盲信更贵

影响分析 × 医院信息化/临床医生 ｜ 数据视角 × 投资人与产业分析师 ｜ 深度研报

2026 年 10 月 23 日，一篇混合方法随机交叉实验在线发表于 The Lancet Digital Health（DOI 10.1016/j.landig.2026.101050，PMID 42919730），作者团队来自 UCL Global Business School for Health、LMU Munich、MIT、St Michael’s Hospital 与多伦多大学等机构。它没有再追问医生会不会盲信 AI，而是把医生用错 AI 的两种方式拆开分别计价：跟着错建议走，和放过了对建议。结论是反直觉的——比例更低的那种错，代价反而更大。

开场：关于人要不要听AI，终于有人把两种错分开算了

过去几年讨论影像 AI 落地，行业里反复担心的是同一件事：自动化偏误，医生看见 AI 的结论就懒得自己判断，AI 错他也跟着错。这个担心有实证基础，本研究里过度相信（AI 给错建议时医生跟着错）的比例在 27%–58% 之间，确实不低。

但这项实验把镜头转向了另一边：不采纳，即 AI 给对建议时医生没有采纳，比例是 11%–21%。单看百分比，盲信更吓人；可放进真实工作流的算术里，结论翻了过来——不采纳才是更贵的那种错。这笔账怎么算出来的，是本文的核心。

实验怎么做的：125人、50张头颅CT、三种条件、间隔14天

实验招募了 10 个国家的 125 位参与者，分两类：

• 50 位放射科专家：含普通放射科医生、神经放射科医生与第二年以上的住院医师，平均从业 7.85 年；
• 75 位新手：非放射科医生、实习医生和医学生。

每人读同样的 50 张头颅 CT，其中 25 张确有颅内出血、25 张没有。出血与否由三位资深放射科医生各自判断后开会达成一致，并对照病历，相当于钉死的标准答案。难度做了分层：有出血与无出血两组，各 5 张容易、10 张中等、10 张难。

设计上的关键是交叉：同一个人读三遍，每遍换一种条件，两遍之间至少隔 14 天。三种条件分别是：

• 不给任何提示，纯靠自己读；
• 只给 AI 结论，比如「有出血」；
• 结论之外，再把可疑位置在图上圈出来，即业内说的可解释 AI。

数据采集于 2023 年 2 月至 8 月。另有 42 位新手边读边出声思维，13 位专家戴上眼动仪，记录视线到底停在哪里——这为后文解释不采纳的机制提供了直接证据。

关键设计：AI建议是人工编的，固定80%正确20%错误

这是全篇最容易被误读、也最值得行业记住的一点：实验里的 AI 建议并非某个真实模型的输出，而是研究者人工编写的，正确率固定在 80%、错误率 20%。

为什么要这么做？因为只有把对错比例钉死，才能保证每个人、每个条件下遇到的建议质量完全一致，组间才有可比性。80% 这个数取的是临床上影像 AI 准确率的下限，研究者刻意选了偏保守的水平。换句话说，这不是在评测某个产品，而是在可控环境里测量人对固定质量建议的采纳行为。对采购和评估环节的人来说，这个定位很重要：它回答的是工作流问题，不是产品问题。

反直觉的结论：不采纳率更低，但因为分母差四倍，代价反而更大

现在做那笔算术。过度相信率 27%–58%，不采纳率 11%–21%，前者明显更高。但别忘了建议本身的构成：80% 正确、20% 错误，两类错误所乘的分母差了整整四倍。

用 1000 条建议来摊开：其中 800 条是正确的，按 15% 的不采纳率放过，就是 120 个病例的正确提醒被白白浪费；200 条是错误的，按 40% 的过度相信率跟随，是 80 个病例被带偏。低比率乘以大分母，损失反而更大。

研究者按净效应核算了四种组合（专家/新手 × 只给结论/给标注）：若把不采纳全部消除能提升的正确率，减去把过度相信全部消除能提升的正确率，四种里有三种为正——放过正确提醒造成的损失，大于跟着错误提醒走的损失。

对放射科工作流来说，这个结论直接改写了采纳规则的设计取向。如果部门只盯着防止盲信——比如把 AI 结论藏到医生先独立判断之后才显示——那恰恰会把代价更大的那类错放大。更合理的目标是让正确建议可核实、可被快速采纳：医生不是不该怀疑 AI，而是怀疑的成本要低到「看一眼就能核」。研究还指出，不采纳集中在确有出血的片子和被评为难的片子上，这两类本来最需要帮手。

冷静观察：可解释AI圈出位置压下不采纳，代价是误判小幅上升

机制层面的证据支持「核实」这条路径。把可疑位置圈出来之后，在片子确有出血时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%，新手降幅接近一半。正确率上，不给任何提示时专家平均 82.9%、新手 62.7%；拿到正确标注后新手升到 86.6%、专家升到 88.8%，新手提升尤其明显。

代价也存在但很小：片子无出血时被带着误判的比例，专家从 1.5% 升到 1.9%，新手从 5.2% 升到 5.8%。眼动数据解释了为什么——圈出位置后，漏掉出血的病例里视线全程未落在出血区的比例大幅下降：医生的任务从「自己找」变成「去核」，核实成本下来了。

但边界必须说清楚：

• AI 建议由研究者人工编写、正确率钉死在 80%，不是真实模型输出；真实模型出错有自己的分布规律，行为未必可外推；
• 界面只要求回答「有」或「没有」，不用写报告、不担诊断责任，与真实临床环境有明显距离；
• 数据采集于 2023 年 2 月至 8 月，反映的是当时的任务设定与参与者状态；
• 难的与有出血的片子被刻意多放，文中比例不能直接当作门诊发生率；实验室结论不能直接外推到真实放射科工作流。

对医院信息化负责人而言，可操作的启示是：上线影像 AI 时，默认形态应优先考虑带定位标注的可解释输出，并把采纳规则设计成「先核后采」而非「先独立再看 AI」；对投资人与产业分析师而言，这项研究提示可解释性不是加分项而是采纳率的基础设施，但它的临床结局收益仍需前瞻性研究证明。

原文链接：https://doi.org/10.1016/j.landig.2026.101050
千方医数集编辑部 出品