医疗行业正准备将诊断AI从试点阶段实验推向更广泛应用，最新研究表明AI在癌症、心脏病甚至物质使用障碍的检测方面取得了显著进展。
随着某些诊断模型接近近乎完美的准确率，更广泛的临床推理能力可能仍是主要限制因素。马萨诸塞州萨默维尔市的麻省总医院布里格姆中心（Mass General Brigham）最近的一项研究发现，当基于有限患者信息工作时，AI聊天机器人有超过80%的时间未能做出正确初步诊断，这凸显了为何许多专家仍将AI视为医生支持工具而非替代品。
当分析师警告AI可能引发广泛就业冲击时，医疗保健首席信息官们向《贝克医院评论》表示，该技术更可能重塑工作流程和行政职责，而非直接取代临床医生。
以下是医疗行业部署AI以改进（而非取代）诊断的10种方式：
- 克利夫兰诊所（Cleveland Clinic）和匹兹堡卡内基梅隆大学（Carnegie Mellon University）的研究人员开发了一种AI系统，该系统在心脏MRI上识别特定心脏状况的准确率高达99%。
- OpenAI开发的AI模型在评估波士顿贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）提供的76例急诊室病例时，识别出精确或近乎精确患者诊断的频率高于两位人类医生。
- 马萨诸塞州沃斯特市（Worcester）UMass Chan医学院的研究人员开发并测试了一种用于诊断胆管癌的AI工具。该工具诊断准确率达87.8%，高于标准取样方法的67.4%，也优于经验丰富的内窥镜医师63.1%的视觉评估准确率。
- 明尼苏达州罗切斯特市（Rochester）梅奥诊所（Mayo Clinic）研究人员开发的AI模型能在临床诊断前长达三年的腹部CT扫描中检测出胰腺癌。该"基于放射组学的早期检测模型"在约2,000次CT扫描中识别出73%的诊断前癌症，平均提前约16个月发现病变。
- 匹兹堡UPMC希尔曼癌症中心（UPMC Hillman Cancer Center）和匹兹堡大学医学院研究人员设计的BiliSeq分子检测方法，检测到的胆管癌数量几乎是标准病理学的两倍。BiliSeq检测准确率达83%，而单独病理学检测仅为44%；两者结合使用时，癌症检测率提高至近90%。
- 密歇根州安娜堡市（Ann Arbor）密歇根大学医疗系统研究人员开发的Prima AI模型可在几秒钟内扫描脑部MRI，并以高达97.5%的准确率检测神经状况。
- 加利福尼亚州奥兰治市（Orange）普罗维登斯圣约瑟夫医院的放射科医生在将AI算法与人类解读乳房X光片结合后，比传统筛查提前两到三年多发现20%的癌症，同时将假阳性和不必要的回访减少了约7%。
- 辛辛那提大学研究人员创建的AI模型可分别以83%和84%的准确率预测物质使用障碍定义行为和成瘾严重程度。
- 明尼苏达州罗切斯特市梅奥诊所研究人员开发的AI模型，在接受常规心电图检查的无症状患者中，识别出的晚期慢性肝病病例数量是标准诊断方法的两倍。
- 加州大学旧金山分校研究人员开发的AI模型以96%的准确率诊断危重患者的肺炎，表现优于ICU临床医生。若在入院时实施，该模型可将不适当的抗生素使用减少80%以上。
【全文结束】
