新型AI临床团队可识别认知衰退早期迹象
2026年1月16日
麻省总医院布莱根医疗系统团队创建了一支自主AI“临床团队”，可扫描日常医疗记录标记认知衰退早期迹象，旨在抓住治疗窗口期。这套新人工智能系统如同数字临床团队般阅读常规医疗记录，能帮助医生在患者获得正式诊断前数年发现认知衰退的早期征兆。
麻省总医院布莱根医疗系统的研究人员开发了首批完全自主AI系统之一，该系统利用日常临床文档筛查认知功能障碍。在真实世界验证中，系统在排除问题的准确率上达到极高水准，表明其可能成为防止患者漏诊的强力安全网。
这项发表在《npj数字医学》期刊的研究正值阿尔茨海默病等疾病的早期检测日益紧迫之际。新疗法通常在早期应用效果最佳，但许多患者直到记忆或思维问题明显恶化后才获得诊断。
“当许多患者获得正式诊断时，最佳治疗窗口可能已经关闭，”该研究共同首席作者、麻省总医院布莱根医疗系统神经科人口健康与医疗智能中心主任丽迪亚·穆拉在新闻稿中表示。
传统认知筛查测试耗时较长、需要特殊培训，且患者未必能随时获取。同时，临床医生面临巨大时间压力，难以梳理多年病历以发现细微衰退模式。麻省总医院布莱根团队决定将这些日常文档转化为持续性的幕后筛查工具。
研究人员没有构建单一输出是非答案的模型，而是创建了协同工作的AI“智能体”组合，它们相互批判推理过程。“我们没有构建单一AI模型——而是打造了数字临床团队，”该医疗系统创始机构麻省总医院医学副教授、临床增强智能研究组主任侯赛因·埃斯蒂里补充道，“该AI系统包含五个专业智能体，它们相互批判并完善推理，就像临床医生在病例讨论会中的协作方式。”
五个智能体各司其职，通过审查病历文本判断是否存在认知问题迹象。它们在迭代循环中运行，反复验证自身结论、挑战彼此观点，直至达到性能目标或形成稳定判断。系统底层采用可在医院自有信息技术基础设施内部署的开源权重大语言模型，这意味着患者数据无需离开医疗系统或传输至外部云服务，保障了隐私安全。
研究团队分析了麻省总医院布莱根200名匿名患者的3300多份常规就诊病历。核心理念简单而强大：若AI系统能阅读这些记录并标记出文档显示认知问题的患者，临床医生即可跟进正式检测和转诊。实际上，每次常规就诊都成为捕捉早期预警信号的机会。
穆拉解释了病历记录的价值：“临床笔记包含认知衰退的细微征兆，忙碌的医生难以系统性发现。该系统实现了规模化监听。”当AI与人工评审结果冲突时，团队引入独立专家重新评估。在超过半数的分歧案例中，专家支持AI判断，认为其基于病历信息的推理站得住脚。
“我们本预期会发现AI错误，却常看到它基于证据作出了合理判断，”埃斯蒂里强调。该系统在获取丰富叙事性病历（包含患者病史、症状及日常功能描述）时表现最佳；当认知问题仅简略记录在问题列表中缺乏细节，或遇到未训练识别的临床指标时则效果受限。
在受控平衡测试中，AI展现出高灵敏度，能有效捕捉认知问题案例；在更真实条件下（仅约三分之一患者有明确记录的问题），灵敏度虽下降，但系统保持极高特异度。这种高特异度对临床实践至关重要，可避免因误报而压垮诊所资源。研究者明确指出这些局限，强调若要使此类工具获得医学界信任，必须透明公开AI的薄弱环节。
“我们正在公开发布AI表现欠佳的具体领域，”埃斯蒂里补充，“若希望临床AI获得信任，该领域必须停止隐藏这些校准挑战。”除本研究测试的特定系统外，团队还开源了名为Pythia的工具，旨在帮助其他医疗机构构建自主AI筛查工作流。由于底层语言模型开源且支持本地运行，Pythia使机构能在严格掌控患者数据的前提下试验先进AI。
研究者强调，该AI并非用于替代临床医生或正式神经认知测试，而是作为持续性的背景观察者，扫描可能被忽视的模式并提示医生深入检查。从长远看，此类工具可帮助医疗系统更早识别高危患者，连接治疗支持资源，并深化对认知衰退真实世界表现的理解。
随着阿尔茨海默病相关新疗法不断涌现，早期发现患者的压力将持续增长。这支自主AI“临床团队”展示了如何将病历本身转化为早期预警系统，为医疗系统应对挑战提供新思路。
来源：麻省总医院布莱根医疗系统
【全文结束】
