OpenAI GPT-5.5 Instant 醫療升級：同醫生比較有幾準？波士頓兒童醫院實證罕見病診斷突破

同醫生比較：AI 有冇得 fight？

OpenAI 話 GPT-5.5 Instant 喺醫療問題上嘅表現已經同佢哋嘅頂尖 Thinking 模型睇齊，而且喺 HealthBench 同 HealthBench Professional 兩個測試上都高過 GPT-5.3 Instant 。獨立學術研究亦證實咗呢個趨勢：臨床病例診斷準確率由 GPT-3.5 Turbo 嘅 74.4%（58/78）升至 GPT-o3 嘅 93.6%（73/78）同 GPT-5 嘅 91.0%（71/78）。

喺最嚴格嘅 HealthBench Professional 測試中，專為臨床醫生而設嘅 GPT-5.4 系統得到 59.0 分，遠遠超過人類醫生嘅基準 43.7 分（p = 3.7 × 10⁻¹⁰）。特別係撰寫文件嘅任務，AI 嘅表現幾乎係醫生嘅 2 倍（64.1 對 32.1）。

不過，一篇發表喺《自然》期刊嘅 2025 年綜合分析就發現，生成式 AI 同醫生喺診斷任務上整體冇統計上嘅顯著差異——醫生準確率高 9.9%，但 p 值係 0.10，唔算顯著 。但 AI 同專家醫生比較就差好遠（準確率差距 15.8%，p = 0.007）。簡單講：頂尖 AI 同一般醫生嘅診斷能力差唔多，但仲未夠專家醫生鬥。

真實案例：o3 Deep Research 喺波士頓兒童醫院嘅突破

喺一篇發表喺《NEJM AI》嘅同儕評審研究中，波士頓兒童醫院 Manton Center、哈佛大學同 OpenAI 嘅研究人員用 o3 Deep Research 推理模型重新分析咗 376 個之前無法診斷嘅兒童罕見病個案 。呢個系統會結合臨床特徵、遺傳模式同科學文獻嚟產生診斷假設。結果成功為 18 個細路 確診，涵蓋四種疾病範疇——10 個神經發育障礙、4 個神經肌肉疾病、2 個突然死亡個案同 2 個早期兒童精神病案例 。診斷率接近 5%，研究人員話呢個係「徹底嘅遊戲規則改變者」，因為呢啲基因組已經俾人類專家徹底分析過 。

另外，波士頓兒童醫院全面整合 AI 之後，已經協助診斷咗 超過 40 種 之前無法解決嘅罕見病，每年節省 60,000 個工時（相當於 700 萬美元嘅勞動力成本），同時降低營運成本並擴大醫療服務範圍 。

2026 年三層醫療計劃

OpenAI 喺 2026 年推出咗三個唔同嘅醫療產品：

1. ChatGPT Health（2026 年 1 月 7 日推出）—— 消費者功能，用户可以查詢健康資訊、上載醫療文件，同安全連接 Apple Health、MyFitnessPal 等健康應用程式。OpenAI 明確表示呢個功能唔係用嚟診斷或治療 。

2. OpenAI for Healthcare（2026 年 1 月 8 日推出）—— 企業級、符合 HIPAA 嘅產品，提供 GPT-5 驅動嘅工具俾醫療機構用。推出時已經有 AdventHealth、Baylor Scott & White Health、波士頓兒童醫院、Cedars-Sinai Medical Center、HCA Healthcare、Memorial Sloan Kettering Cancer Center、Stanford Medicine Children's Health 同 UCSF 等大型客戶 。

3. ChatGPT for Clinicians（2026 年 4 月 22 日推出）—— 免費嘅專業版本，專為美國註冊嘅醫生、執業護士、醫生助理同藥劑師而設。可以幫手總結醫學證據、草擬臨床文件、製作病人教育資料，以及整合臨床指引同研究 。喺 HealthBench Professional 測試中，呢個工具嘅表現顯著超越人類醫生 。

仲有一個第四個模型更新，GPT-Rosalind（2026 年 6 月），結合咗 GPT-5.5 嘅自主編碼能力同增強嘅科學智能，專為生物醫學研究工作流程而設 。

總結

OpenAI 2026 年嘅醫療推廣絕對唔係得個講字——從醫療幻覺減少 52.5% 到成功診斷 18 個罕見病案例，都有實質結果支持。公司建立咗清晰嘅三層策略：消費者教育、免費醫生工具同企業部署。當然我哋都要謹慎——OpenAI 嘅基準測試係內部進行，而《自然》期刊嘅綜合分析亦確認 AI 仍然落後於專家醫生。但證據顯示，對於一般健康問題同臨床支援任務，GPT-5.5 Instant 已經係一個真正有用嘅工具，而唔係只係玩具。