论文《Reverse Physician-AI Relationship: Full-process Clinical Diagnosis Driven by a Large Language Model》总结与翻译一、文章主要内容本文聚焦真实世界全流程临床诊断场景（从模糊主诉开始，涵盖鉴别诊断、检查设计与解读、信息完善至确诊的完整流程），指出当前AI（尤其是大语言模型LLMs）在临床诊断中多仅作为医生助手，仅能在诊断流程特定环节回答具体问题，无法从模糊主诉出发主导全流程，仍高度依赖医生，难以充分减轻医生工作量。为此，研究提出“逆转医患-AI关系”的范式转变：将AI定位为诊断流程主导者，医生作为助手。基于此，研发出DxDirector-7B模型——该模型具备类人类“慢思考”的深度思考能力，能以最少医生参与自主驱动全流程诊断，还建立了明确的误诊问责框架，划分AI与医生的责任边界。在评估环节，研究采用涵盖罕见病、复杂病例及真实世界病例的26018个案例（含NEJM临床病理案例、美国执业医师考试案例、中国三甲医院真实住院病例等），在19个临床科室、12项临床任务中开展测试。结果显示，DxDirector-7B（7B参数）在全流程诊断准确率上显著优于参数规模大数十倍至近百倍的医学专用LLMs（如MedFound-176B）和通用LLMs（如GPT-4o、DeepSeek-V3-671B），同时大幅降低医生工作量；在呼吸科、消化科等科室，其诊断结果在6