医生一直以来都依靠敏锐的观察力、稳定的手法以及一定的创造力来“看透”人体。
而如今，人工智能为他们提供了一副更加清晰的“镜头”，能够在人类感官察觉之前，识别图像和波形中的模式。结果是更快的诊断、更少的侵入性检查，以及——在许多情况下——更高的患者生存率。
人工智能的诊断革新正在医学的各个层面展开。从X光片到数字切片，再到智能隐形眼镜和手腕佩戴的传感器，算法将原始图像转化为可操作的洞察力。以下八项进展展示了这项新“X光视觉”传播的速度，以及为何这种兴奋是合理的。
1. 放射科报告的速度创纪录
放射学已成为人工智能临床潜力的试验场。在西北医学中心（Northwestern Medicine），一个内部开发的生成模型在12家医院内审查了近24,000次扫描，使报告完成时间平均缩短了15.5%——许多放射科医生在没有降低准确性的前提下更快地完成了病例。
与此同时，微软（Microsoft）实验性的诊断协调器（Diagnostic Orchestrator）处理了《新英格兰医学杂志》（New England Journal of Medicine）提供的300个特别棘手的病例，并在85%的情况下做出了正确诊断——相比之下，经验丰富的全科医生的正确率仅为20%。该系统还减少了后续检查的数量和成本。这些优势解释了为何大约三分之二的美国放射科部门已经在使用至少一种人工智能工具来标记中风、肺部结节和乳腺癌。
2. 病理学中的人工智能——数字切片加入数据革命
病理学的数字化实现了远程病例审查和会诊、案例共享与归档，以及更强大的教学功能。而人工智能的加入则使得图像分析比以往任何时候都更快、更有效。医生可以检测肿瘤及其亚型、进行定量生物标志物分析、识别新的形态结构并定位罕见事件。简而言之，这是一场变革。
人工智能在病理学领域的市场价值在2023年达到27.2亿美元，预计到2033年将飙升至1190亿美元，复合年增长率接近16%。这并不令人意外。数字扫描仪、云存储和安全网络意味着，一个村庄诊所采集的可疑活检样本现在可以在几分钟内由数百公里外的专家审查。人工智能对病理学家首先看到的内容进行分类，标记罕见事件，甚至为生物标志物评分计算细胞数量——从而让专家专注于更复杂的判断。
3. 能“读取”细胞语言的基础模型
如果说放射学中的人工智能工具是训练有素的嗅探犬，那么基础模型就是百科全书式的追踪犬。哈佛医学院（Harvard Medical School）的UNI和CONCH系统接受了来自超过10万个全切片图像的1亿个组织补丁的训练。它们在30多项诊断任务中表现出色，从识别移植排斥反应到发现罕见疾病。
在杜克大学（Duke University），研究人员报告称，将全切片扫描仪与自监督学习结合，使算法能够识别出即使是经验丰富的专家也可能错过的微妙基因组特征。这种更深层次的人工智能病理学有望实现个性化预后——在第一次化疗开始之前，算法就能预测乳腺肿瘤是否会扩散，或是否会对某种药物产生反应。
4. 智能隐形眼镜带来“眼”界升级
连接物联网的隐形眼镜搭载微型摄像头，全天拍摄眼睛表面的快照——跟踪光反应的微小变化或检测微小撕裂。这种非侵入式的眼部健康监测方式让患者保持舒适的同时，将连续数据流传输给临床医生。想象一下，无需笨重的设备即可监测青光眼，或在症状出现之前就标记出过敏反应——这一切都归功于一片比指甲还薄的透明晶圆。
5. 可穿戴设备“听懂”心脏的低语
2025年的一项荟萃分析比较了智能手表与心电图胸贴在检测心房颤动（AF）方面的表现。结果显示，智能手表的敏感度达到97.4%，胸贴为96.1%——两者的特异性均在97%左右。由于未治疗的心房颤动会显著增加中风风险，手腕上的早期警报意味着可以更早使用救生抗凝药物。再加上能够实时筛选手腕噪声数据的人工智能模型，结果便是一个与心跳同步的轻量级“哨兵”。
6. FDA批准的人工智能设备如潮水般涌现
监管机构正努力跟上技术发展的步伐。美国食品药品监督管理局（FDA）列出的已授权人工智能或机器学习医疗设备已超过1,000种。放射学占据主导地位，迄今为止获得了大多数人工智能设备的批准。这释放出一个明确信号：人工智能的诊断工具箱已不再是实验室里的奇观，而是正成为标准配置。
7. 工作流程“巫师”接管文书工作
图像离开扫描仪后进入报告队列时，效率往往大打折扣——人工智能也正在解决这一问题。西北大学网络的文本生成算法减少了行政瓶颈，同时保留了放射科医生的语言风格。与此同时，微软的Orchestrator模型展示了多模态推理如何选择正确的后续检查——节省了成本和时间。预计类似的“副驾驶”将出现在病理实验室、内镜检查室和全科诊所，以便临床医生专注于决策。
8. 手持超声设备拥有了“大脑”
便携式超声探头可以连接到智能手机上，将任何诊所、救护车或乡村诊所变成即时成像站。实时算法指导即使是新手用户——提示他们将探头调整到正确角度，并在图像符合诊断标准时显示绿色对勾。
UltraSight的人工智能引导软件证明，未经超声培训的护士和急救员可以在首次尝试中捕捉到10个标准心脏视图——扩大了心脏超声的可及范围。一旦录制了视频片段，第二代平台可以在几秒钟内完成分析。飞利浦（Philips）的EPIQ CVx升级版本可以自动评估心室壁运动，并在几秒钟内计算出三维二尖瓣反流体积——而过去这需要一位忙碌的超声心动图专家花费数分钟进行分析。
总结：在家也能做扫描
无论是通过玻璃切片、数字屏幕还是智能隐形眼镜，视觉一直是诊断的核心。使用人工智能进行医学诊断并不会取代视觉，而是增强它，将其扩展到不同时区，并嵌入到日常物品中。
随着算法的不断进化，数据采集与洞察之间的界限将变得模糊。很快，疾病的第一信号可能不再是症状，而是发送给医生的一条静默警报，而医生已经准备好治疗方案。机器不会抢走风头——它们只是打开了灯光，让人类能更早看清问题，从而挽救生命。
【全文结束】
