临床AI误判中人工监督的系统评价与Meta分析:医生纠正错误输出的能力有限
一项系统评价与Meta分析纳入了46篇报告、涵盖41个独立队列,探讨临床医生对错误AI辅助决策的纠正能力。合并分析显示,当AI建议正确时,医生的判断准确率显著高于AI建议错误时(pooled OR 10.19, 95% CI 7.43–13.98);但在4项现实世界计算机化心电图研究中,高达26.6%的错误解读未被医生发现或纠正。
一项系统评价与Meta分析纳入了46篇报告、涵盖41个独立队列,探讨临床医生对错误AI辅助决策的纠正能力。合并分析显示,当AI建议正确时,医生的判断准确率显著高于AI建议错误时(pooled OR 10.19, 95% CI 7.43–13.98);但在4项现实世界计算机化心电图研究中,高达26.6%的错误解读未被医生发现或纠正。
英国国家健康与卓越研究院(NICE)建议 NHS 向医生提供五款 AI 工具,以辅助识别前列腺癌 MRI 扫描图像。NICE 认为这些技术有潜力提升 MRI 解读的准确性与一致性,特别是缺乏专家经验的场景,但也强调需要进一步证据以了解其在 NHS 常规实践中的表现。
推荐理由:NICE 建议 NHS 提供五款前列腺 MRI 癌症辅助检测 AI 工具并继续生成常规实践证据,读者可据此把握该医疗 AI 在英国的政策落地阶段。
Mayo Clinic研究者回顾性评估了AI工具DEXI在261例皮损中的表现,该工具基于超过66000张标注图像训练。在阈值设为3.0时,DEXI正确识别93.4%的癌性皮损和75%的非癌性皮损,平均得分非癌皮损为2.5,非黑色素瘤皮肤癌为7.8,黑色素瘤为6.0。
推荐理由:原文明确列出DEXI在不同皮损类型中的识别数据,读者可据此了解AI辅助诊断的适用边界与临床验证进展。
10月29日,爱康集团将在重庆举办“粉力传递 渝她同行”粉红丝带公益活动,首次披露重庆女性乳腺健康现状,并展示AI移动磁共振车等移动医疗设备,助力乳腺健康筛查。
2026物理AI与世界模型大会在南京召开,三位图灵奖得主及50个典型应用场景亮相。国家数据标注先行先试苏皖城市联盟成立,发布覆盖五大领域的高质量数据集行动计划。全国首个物理AI与世界模型投资基金签约,总规模50亿元聚焦医疗人工智能等方向。
Cleveland Clinic AI峰会提出了一套框架,旨在帮助医疗机构在不同系统中规模化应用临床AI技术。该框架总结了峰会上的经验教训,为医疗专业人员提供了实用指导。
FusionSwinUNETR多模态模型在儿童腹部肿块分割中优于纯影像模型,DSC达0.900±0.044,边界误差HD95降至4.79±3.31毫米,多中心验证显示临床元数据与影像互补提升分割精度。
研究人员开发了一种成本仅为10美元的光学传感器,结合了高精度和小巧尺寸,可用于穿戴式健康监测、食品检测、工业质量控制和环境监测。该传感器采用卷积光谱仪技术,能够在不牺牲性能的情况下实现小型化,准确测量多种物质的光谱。初步测试显示,该设备在识别塑料、药物、咖啡、面粉和茶叶时达到100%的分类成功率,并在测量水基和有机溶液中的浓度时表现出色,甚至在非侵入性地监测血糖方面也取得了初步成果。
浙江大学医学院附属第二医院邹泓教授指出,AI在病理科应用分为四层:AI ready前全数字化基建、辅助管理与质控、诊断分层应用及高质量数据集建设。他认为病理医生将在未来10年内承担最终法律责任,AI主要起辅助作用。此外,文章介绍了该院在甲状腺癌诊疗中结合PCR快速检测与NGS精准分析的实践经验。
研究人员基于Mount Sinai健康系统2011至2021年卒中预警记录,开发了结合大语言模型、结构化电子病历与临床时序特征的多模态机器学习模型,用于预测急性颅内血管事件(AIVE)。
甲骨文与阿斯利康、OpenAI等密集事件显示,AI在医疗与药物研发环节的渗透正在提速。对仪器行业而言,竞争正从单台成像设备延伸到设备到数据再到AI分析的完整链条,国产厂商面临定制化整合窗口与挑战。
匹兹堡大学团队借助PSC Bridges-2超算开发了采用不确定性加权学习(UWL)的深度神经网络,用于乳腺钼靶图像诊断,可针对个体患者给出诊断的不确定性评分与置信度。团队在2026年2月SPIE年会上报告,该方法在提供患者个体层面置信度的同时保持了群体层面的诊断准确性。
一项随机对照试验评估了基于生成式AI的导航系统在锥形束CT(CBCT)引导肺活检中的精准度。研究团队包含华中科技大学同济医学院附属协和医院及诺思(Neusoft Medical Systems)等多方机构,结果发表于npj Digital Medicine。
研究开发了一种基于常规体检数据评估心肌损伤风险的机器学习集成模型。该模型整合了随机森林等五种算法,在测试集中达到81.8%的AUC和89.7%的准确率,并在时间验证队列中保持稳定的预测性能。该模型有助于识别高危个体以进行早期筛查和干预,并已开发为网络应用。
2026年国际药品标准物质交流会在北京召开,12个国家和地区专家参会。国家药监局副局长杨胜出席,指出将持续深化国际合作,推动药品标准物质高质量发展并赋能监管科学创新。
本研究回顾性评估了17家学术医疗中心中Aidoc平台两款FDA批准AI算法的真实世界表现,包括肺动脉CT血管造影筛查(n=30,678)和常规增强CT incidental肺栓塞检测(n=37,191)。
上海市胸科医院张岩巍在访谈中表示,AI影像读片用于肺癌筛查的准确度约80%至85%,单一组学存在上限,其团队将影像组学与外泌体RNA测序数据融合后准确度可提升至90%以上。
推荐理由:张岩巍结合CLUS系列研究介绍影像组学准确度约80%至85%的上限,以及融合液体活检后提升至90%以上的思路。
DROID-RV是一种深度学习模型,能从常规超声视频中自动评估右心室大小与功能。该模型在约3.8万份视频上训练,右心室直径估算误差平均约3毫米,并能高精度识别功能减退。预测的右心室扩大或功能不全与心力衰竭、房颤及死亡率升高相关,预测值比超声医生的人工评估更能独立关联预后。
国家医疗保障局调研组赴广西、湖北开展"根在基层"实践活动,聚焦医保影像云建设应用情况。调研组通过座谈交流、实地走访医疗机构及创新研发现场,了解地方推进医保影像云建设成效,听取基层意见建议,并提出更好推进医保影像云建设应用的工作考虑。
该研究指出,在利用人工智能辅助诊断新生儿气腹的过程中,专家经验水平显著影响医生的自动化偏见(automation bias)及哨兵行为(sentinel behavior)。研究团队通过读者研究界面验证了这一调节作用,相关成果发表经同行评审的期刊 npj Digital Medicine。
Mass General Brigham研究团队开发出人脸健康识别AI模型FAHR-Face,可估算生物学年龄并预测癌症患者生存。该模型基于逾四千万张人脸图像训练,衍生FAHR-FaceAge与FAHR-FaceSurvival两个工具,研究发表于Lancet Digital Health。生物学年龄与实足年龄的偏差同生存独立相关,估算在姿态、光线、表情等常见照片变化下保持稳定。
推荐理由:研究基于逾四千万张人脸图像训练AI模型,可估算生物学年龄并预测癌症生存,可作为临床决策的量化参考而不替代医生判断。
Penn Medicine 团队在 npj Digital Medicine 发表研究,介绍可从 CT 扫描中识别原检查目的之外疾病线索的 AI 模型 Percival。
推荐理由:与同类模型 TotalSegmentator 的对比给出该模型在部分疾病识别上的差异,研究仍处临床前测试阶段。
3DR Labs 推出名为 Strings 的智能体 AI 平台,旨在自动化临床影像工作流程,通过解释临床意图将检查自动路由至相应算法,解决“整合鸿沟”。该平台在一家年生成超 100 万次影像检查的大型医疗系统中,每月消除超过 467 小时的医护人员手动操作时间,并预计每年带来 170 万美元的经济效益。
研究人员开发了一种4B参数本地化部署语言模型,用于中文放射学报告的质量控制。教师模型Doubao-seed1.6-non-thinking达到最高宏精度0.94,最佳学生模型Qwen3-4B-Instruct-2507实现宏精度0.90,在真实临床场景中警报接受率为0.74。
10月13日,无锡滨湖区联合健适医疗等发起的 G3 Lab 极睿医疗创新平台正式启用。平台已入驻4个创新项目,其中肺结节AI手术导航系统一代产品于7月获得注册证,将推进临床试用。配套成立的极睿医疗产业基金首关规模为9.5亿元人民币。
一项前瞻性对照教育干预研究评估了自适应在线学习工具在产前超声图像和视频解读训练中的效果。干预组(n=42)在完成自适应学习工具后,T2总分达82.76%,显著高于对照组(n=46)的65.83%(p<0.001,Cohen's d=1.70)。作者指出,由于对照组为非结构化自我学习且未包含非自适应对照臂,该结果不能直接证明工具优于传统结构化自学或自适应算法本身的作用。
Nature杂志最新研究利用人工智能技术实现了对人体棕色脂肪组织(BAT)活性进行量化与分析,结果发现BAT活性与更健康的代谢表型及较低的精神疾病发病率之间存在关联。此外,该方法还可识别出可能用于在人体中激活该组织的药物重定位候选物。
推荐理由:利用AI量化棕色脂肪活性,揭示其与更优代谢表型及较低精神疾病发病率间的关联。
Nature Medicine 本期聚焦医疗人工智能部署挑战,指出当前 AI 工具在临床中的实际影响证据有限。研究显示,美国超过 90% 的医疗系统已部署 AI 工具,但仅 53% 或更低比例认为其高度有用。文章强调需通过前瞻性研究验证 AI 对临床结局的影响,并建议建立部署前后的评估框架,如美国资助的 6270 万美元 ADVOCATE 项目。
该专家共识发布了神经影像 AI 工具在记忆门诊中从研究向临床实践转化的专家建议。研究由 DEMON 网络开展,得到 Alzheimer's Research UK、NIHR Cambridge Biomedical Research Center 等机构支持,相关成果发表于 npj Digital Medicine。
针对联邦政府AI风险透明度要求,研究人员评估了35家电子健康记录开发商的合规情况。结果显示,尽管所有开发商均被认证为满足要求,但其关于风险分析、缓解措施及治理的报告在结构和细节上仍存在不一致且常不完整。研究团队指出,这一结果凸显了建立标准化报告机制及加强认证审查的必要性。
AEGIS提出面向自适应医疗AI的上市后治理基础设施,将FDA PCCP与EU MDR/AI Act要求转化为可执行的变更控制流程。
Baylor College of Medicine等团队在Nature Neuroscience发表研究,记录10名癫痫患者听力故事时的海马神经活动,发现词语意义由海马神经元群体活动模式表征。分析表明神经群体响应的距离与语义距离相关,且与GPT-2嵌入对齐度最高,研究显示海马神经元编码受上下文调节的语义信息。
谷歌团队基于Gemma 3架构开发开源医学视觉-语言基础模型MedGemma,并在Nature Medicine发表。MedGemma包含4B、27B多模态及27B文本三种变体,配套4亿参数医学调优视觉编码器MedSigLIP。
推荐理由:谷歌团队发布开源医学多模态基础模型MedGemma,4B参数在多项医学影像与文本任务中表现优于基础模型。
钟南山团队联合金域医学发布肺癌病理基因多模态大模型DeepGEM 2.0,该模型依托AI初筛加特定基因靶向验证模式,有望将肺癌基因检测费用降至数百元区间。发布会同步启动针对近千例患者的多中心前瞻性随机对照研究,以验证该模式能否提升靶向用药比例并改善患者生存。
美国得克萨斯大学奥斯汀分校团队在Science Advances发表研究,开发出一款毛发兼容可复用可拉伸脑电平台MindStretcH。该平台整合剪纸弹性网状基底、液态金属线路与长效水凝胶电极,无需剃发即可在一个月内实现高保真脑电记录与闭环脑机接口运行,信号质量指标与标准商用脑电帽相比无统计学差异。
研究团队对10种GPT-5配置在161例经临床医生验证的真实病例上进行系统定量评估,考察诊断准确性、推理质量、检索准确性、证据整合及对低质量输入的鲁棒性。研究发现这些AI系统存在图像误读、网络检索不一致导致性能下降、智能体工作流透明度不足等局限,同时也展现出有效利用病史、清晰的逐步推理、合理的鉴别诊断等优势。
广西医保影像云平台自2026年2月启动,截至2026年8月15日归集医学影像数据突破1000万例,成为我国西部首个迈入“千万级”规模的省级医保影像云平台。平台已接入机构463家,覆盖全区三级医院和基层卫生院,其中三级医院覆盖率超90%;临床医生跨院调阅影像次数达157万次。
复旦大学附属肿瘤医院叶定伟团队研发的尿液RNA+AI无创辅助诊断体系已落地临床应用,用于尿路上皮癌精准筛查,总体诊断敏感性达91.37%。该体系通过结合AI算法与分子检测技术,克服了常规白光膀胱镜对扁平病变检出率低的短板。
研究团队在 7 个医疗系统回顾性评估了 847,000 条高危用药订单,提出使用 ClinicalGPT 模型进行订单时点用药安全审计。在冻结操作点下,ClinicalGPT 配合硬约束的漏报率为每 1000 条订单 3.2 条,低于纯规则的 9.4 条和最强 LLM 比较组的 4.8 条;其虚假警报率为 33.9。
推荐理由:原文明确了 ClinicalGPT 在订单时点用药安全审计中的漏报率指标及其局限性,读者可据此评估 AI 监测工具的离线过程绩效边界。
EpiScreen 通过微调大语言模型分析电子健康记录中的临床笔记,在 MIMIC-IV 数据集上 AUC 达 0.875,在明尼苏达大学私有队列上达 0.980。在人机协作场景中,使用该工具的神经科医师比未使用工具的专家诊断准确性高出最多 14.3%。研究认为该方法有助于在资源受限地区降低癫痫诊断延迟并避免不必要治疗。