亮点
- 人工智能在医疗保健领域正从单一任务模型向整合文本、图像、信号和数据的多模态系统演变。
- 人工智能辅助的败血症预警系统已显现实际影响，及时确认警报可降低院内死亡率。
- 人工智能支持的单人阅读乳腺X光检查在维持癌症检出率的同时将工作量减少了约44%。
- 外部评估揭示了性能差距和环境依赖性问题，突显了本地验证的必要性。
摘要
人工智能（AI）在医疗保健领域的应用正从狭窄的单一任务模型向整合文本、图像、生理信号和结构化临床记录的多模态系统演变。这一转变体现在世界卫生组织近期发布的关于大型多模态健康模型的指导文件中。当人工智能嵌入响应式工作流程时，其临床价值的证据正在增加。在一项前瞻性多中心研究中，实时败血症预警系统警报的及时确认与较低的院内死亡率相关。在乳腺癌筛查中，人工智能支持的单人阅读乳腺X光检查在维持癌症检出率的同时将阅读工作量减少了约44%。同时，对广泛部署工具的外部评估显示了环境依赖性性能、校准偏差和实施差距，突显了本地验证和持续监测的必要性。监管监督也在成熟发展，包括美国食品药品监督管理局（FDA）的生命周期框架和于2024年8月1日生效的欧盟人工智能法案，该法案对高风险应用设定了分阶段至2027年的合规义务。本综述系统梳理了医疗保健数据生态系统，涵盖电子健康记录、医学影像、生理波形、患者生成数据、物联网数据以及多组学信息。研究比较了从经典机器学习到变换器模型和多模态基础模型的各类技术方案，包括校准方法、不确定性估计、稳健性评估和全生命周期监测。通过个性化、预测性和包容性护理三个维度评估了应用实践，并综合运用报告和评估框架归纳了伦理、法律及实施要求。最后，文章提出了在真实世界医疗系统中实现可信、公平且运营可持续的AI部署的实用路线图。
关键词
人工智能、个性化护理、预测性分析、包容性护理、公平性、监管
【全文结束】
