文:蔡宗桓 一项名为NOHARM的独立医疗AI基准研究揭示，目前多项主流临床人工智慧（AI）工具仍存在共同盲点，而该研究涵盖Doximity、OpenEvidence、OpenAI（GPT-5.6 Sol）及Anthropic（Claude Fable 5）等系统，研究结果显示，所有受测AI在临床案例中均出现错误，其中高达76.6%的有害错误源自“资讯遗漏”，而非事实误述，这使得各界担心AI失准的诊断结果或导致延误治疗，甚至对病患造成危害。 这项研究由史丹佛大学、哈佛大学及ARISE网络研究团队共同进行，有关测试以1100个真实临床案例作为样本，并搜集约1万3000笔医师註解，评估不同AI系统在临床应用中可能造成的风险。 结果显示，Doximity旗下临床工具Ask整体表现居前。不过，评测结果随即引发部分参测机构质疑。 AI漏掉重要资讯成主要风险来源 OpenEvidence执行长丹尼尔纳德勒（Daniel Nadler）更公开批评有关研究尚未经过正式“同侪审查”，并认为该研究方法存在问题，同时质疑研究团队是否应允许AI业者针对评测结果提出重测要求。 研究团队指出，NOHARM最重要的发现并非比较哪一款AI排名最高，而是证实现有临床AI系统仍无法完全避免错误。 数据显示，在受测系统产生的有害错误中，76.6%属于“遗漏”，也就是没有提供关键资讯或漏掉重要临床考量，而相较之下，直接提供错误资讯或捏造内容的“误述”比例较低。 Scripps Research心脏科医师、Doximity PeerCheck计划共同主持人Eric Topol指出，这类遗漏错误同样需要获得高度重视，因为AI整体表现若看似可靠，但却可能让医疗人员对系统产生过度信赖的负面作用。 AI诊断出错由谁负责后果 医生医院或AI开发商？ NOHARM研究发布之际，美国医疗AI监管也正处于快速调整阶段。 不过，美国联邦与州政府对临床AI工具的监管方向并不完全一致，部分政策倾向在医师能独立检查AI推理与结果的前提下放宽限制。而另一方面，多个州属则陆续推出更严格规范，要求AI辅助的临床决策在提供给病患前，必须经过人类医疗专业人员的审核。 此外，当AI建议出错并导致患者受损时，责任应由医师、医疗机构或是AI开发商承担呢？目前仍缺乏明确答案。 随着AI逐步进入诊断、临床决策及医疗行政流程，如何降低“遗漏”风险，以及建立清晰的责任与监管框架，将成为医疗AI进一步普及的重要课题。 韩研发防偷拍神器SweepLED 藉AI辨识反光点 5秒揪出镜头 入住酒店、民宿，甚至是使用公共厕所及更衣室时，常会担心有偷拍镜头被藏于日常物件之中，若想单靠肉眼寻找偷拍镜头的反光点并不容易。为此，韩国研究团队研发SweepLED，利用动态LED改变照射角度，再交由AI分析反光模式，最快5秒即可完成一次侦测，为防偷拍者提供另一种更便捷的“防偷拍仪器”。 酒店房间、民宿甚至公共厕所暗藏偷拍镜头的事件时有所闻，因此，如何能快速确认周遭环境是否藏有微型摄影机，已成为不少人外出住宿时所关注的安全问题。传统侦测方法主要依靠红外线、无线讯号，或由用户自行依靠肉眼找出偷拍镜头的反光点，但因一般玻璃、金属及塑料物件同样会产生反光点，所以极易造成误判。 韩国科学技术院（KAIST）与新加坡研究团队近日研发“SweepLED”，改以动态LED配合人工智能（AI）分析反光变化，可通过手机镜头辨识隐藏镜头，研究测试显示，该装置每次扫描所需时间少于5秒，侦测准确率约94%，核心硬件制造成本估计低于7美元。 捕捉特殊反光 SweepLED外形类似可附加于手机背面的LED灯壳，内置15颗LED灯。使用时，手机镜头保持固定，由LED从不同方向照射目标物件，同时拍摄短片，再将影像交由AI模型分析。 与传统方法直接寻找“亮点”不同，SweepLED主要是分析反光模式随着光源角度改变而产生的变化。 研究团队指出，一般光滑物件如金属、玻璃及光面塑胶，其反光通常会随光源角度改变而移动、变形或消失，而偷拍器的相机镜头则因受到内部镜片、光圈及感光元件等结构的影响，其反光形状会呈现较特殊的变化。 SweepLED利用深度学习模型分析这些细微差异，藉此分辨隐藏镜头与普通反光物件，减少用户单靠肉眼判断所造成的误判。 准确率约94% 根据研发团队发表于国际权威学术会议ACM MobiSys 2026的论文资料，研究团队在30件现实环境中的常见物品上进行测试，包括可能被用来藏匿偷拍镜头的充电器、闹钟及遥控器等。结果显示，SweepLED整体侦测准确率约94%，而每件物品所需的扫描时间少于5秒。 研究结果显示，相比需要用户自行观察反光点的传统方法，利用AI分析反光动态特征，可降低环境光线及个人判断对检测结果造成的影响。 除了检测速度，SweepLED的另一特色是硬件成本相对较低。研究团队估计，核心LED装置的制造成本低于7美元，若日后进一步缩小体积及降低生产成本，相关技术有机会以手机配件形式应用，让用户可在酒店、民宿、租屋或出差期间自行快速检查。 不过，研究团队目前仍将SweepLED视为研究原型，尚未公布正式商品化时间表，而该研究所得出的约94%的准确率，也不代表有关装置能百分之百找出所有的偷拍镜头。 这是因为SweepLED在实际使用时，环境光线、物件角度、镜头位置及遮挡情况等因素，都可能影响其侦测效果。因此，相关技术仍需在不同酒店房间、民宿及复杂光线环境下进一步测试。 研究团队认为，这项研究展示了低成本手机硬件结合AI分析的可能性。未来偷拍镜头侦测技术也或可因此逐步由单纯依靠人眼寻找反光点，转向分析镜头独有的光学特征，以协助一般用户能更有效的辨识可疑设备。 澳洲团队研发生化蟑螂 钻入灾区搜救受困者 蟑螂一向被视为居家大敌，人人喊打，澳洲昆士兰大学（University of Queensland）与新南威尔斯大学（UNSW）研究团队近日郤把蟑螂改造成搭载摄影机与注射装置生化蟑螂，并命名为“Paraborg”。 该团队期望能通过生化昆虫，在地震、山泥倾泻等灾难现场钻入狭窄瓦砾缝隙，协助寻找生还者兼即场给药，以争取黄金搜救时间。该研究成果已刊登于学术期刊《Advaced Science》。 2026年全球各地的震灾频仍，土石流严重灾害频传，每逢类似灾难发生，搜救队伍想要赶在黄金时间内救出生还者，总是最大难题，这是因为若使用怪手挖开灾场找人，极可能“震动”灾场中的脆弱结构而导致二次倒塌，以致受困者加速失救，但若不用怪手挖开灾场又极难发现受困者。 面对这个两难问题，当局过去多是训练救灾狗，并利用其灵敏嗅觉来寻找生还者，而现在也出现许多如利用光纤内视镜或红外线热像仪等侧温器的科技有助寻找灾场的受困者。 不过，该研究团队却认为，最适合在狭小缝隙中穿梭寻人的，应是“蟑螂”。 于是，昆士兰大学与新南威尔斯大学研究团队便开发出“生化蟑螂”，而且它不仅可戴着小摄影机协助侦查救灾，同时还可戴着小型注射针筒，在找到生还者时，若有需要，还可以直接给药对方，以延长其生存时间。 “真正蟑螂的敏捷度、耐用性、低能源需求，都是微型机器人所望尘莫及的，这也是为何本团队想要打造生化蟑螂的原因。” 据悉，这群科学家看中的生化蟑螂的参考原型是全世界最大型的蟑螂品种──犀牛蜚蠊，它正是原产于澳洲，俗名“北昆士兰巨掘穴蟑螂”，最大可长达8.5公分，本身可重达60至70公克，因为唯有如此重型蟑螂才可扛得动小型摄影机及小型注射筒等装备。 据观察，改造方式相当简单，即在蟑螂背上黏上有关装置，并在蟑螂头上插入两根电极，放电刺激蟑螂的神经系统，就能控制蟑螂往左还是往右偏转，如此一来就能“驾驶”这只生化蟑螂往想要的方向移动。 该实验采用两只生化蟑螂为一组，第一只蟑螂携带摄影机，负责搜寻与带路，第二只蟑螂则跟在后头，牠则携带小注射筒，负责在发现受困者时给药对方暂缓病情，而实验结果显示这些生化蟑螂皆可100%成功抵达目标，且有72%成功给药。 研究团队指出，很多人平时看到大蟑螂爬向自己时可能会被吓坏，但若是受困瓦砾堆中发现有生化蟑螂向自己爬过来时，便代表自己有机会脱离险境并获救。 不过，生化蟑螂目前只在实验室中测试，若是真的在灾区行动，还得面对控制讯号能否穿过瓦砾堆，以及如何在复杂的立体地形中操控蟑螂等问题。 研究团的队长的构想是部署“蟑螂群”，由不同个体分工负责环境感应或专门医疗任务，预计在未来5至10年内，或有机会见到生化昆虫搜救队实际投入救援工作。
评论 (0)