医学影像 + AI，补齐基层诊疗能力短板

早筛查、早干预是降低重症肿瘤、慢性疾病率的关键手段。在临床实操中,海量医学影像、分子标志物解读工作给医师带来较重负荷,基层医疗机构长期面临放射、病理专业人才缺口。

依托深度学习,AI 辅助诊断系统已在国内多家三甲医院落地,覆盖肺结节筛查、急性血管急症识别、无创肿瘤早筛等场景。国家卫健委等五部门发布相关实施意见,明确 AI 医疗卫生应用需坚守数据安全、审查与人机协同原则,为技术落地划定清晰框架。

AI 医学影像,提升病灶检出与急诊响应效率

医学影像为 AI 落地最早、证据积累最充分的方向。多项系统综述荟萃分析显示,AI 对肺结节检测敏感度可达 86.0%–98.1%,高于人工阅片 68.0%–76.0%,AI 辅助阅片可缩短 63.3% 阅片耗时,部分临床队列中,AI 辅助可将肺结节从初筛到确诊的中位时间由 129 天压缩至 25 天。

急诊高危疾病场景同样验证 AI 价值。浙大附一院联合达摩院开发的iAorta主动脉AI模型,相关成果发表于《自然·医学》,纳入近20万人群研究显示,模型识别急性主动脉综合征敏感度 95.5%、特异度 99.4%,可将漏诊率由 48.8% 降至 4.8%,平均确诊时间由 4.3 小时缩短至 1.7 小时。

行业反复强调,影像 AI 系统仅可完成病灶检出、风险提示,不能独立出具诊断报告,最终判读必须由执业医师结合病史综合评估。

AI 联合分子标志物,拓展无创筛查场景

除影像诊断之外,AI 与分子检测结合,正在拓展无创早筛的应用边界。复旦大学附属肿瘤医院叶定伟团队搭建尿液 RNA 联合 AI 的尿路上皮癌辅助诊断体系,研究纳入 947 例受试者,总体敏感性 91.37%,特异性 95.09%,成果发表于《Molecular Cancer》,项目已进入医疗器械注册转化阶段。该方案可作为高危人群初筛分层工具,减少侵入性检查,但阳性人群仍需膀胱镜作为确诊金标准。

除肿瘤早筛赛道,基于多组学数据的 AI 模型,也被用于衰老相关健康风险评估研究。LAIFE 等机构借助 AI 模型解析不同组分与器官代谢之间的关联,尝试构建多维度健康评估模型,这类研究尚处于前期探索阶段,不能等同于临床诊断工具。

业内专家提醒,AI 模型的稳定性高度依赖训练样本,不同地域人群、检测平台带来的数据偏移会影响泛化能力,持续外部验证与迭代必不可少。

AI 辅助诊疗技术正从试点走向规模化落地,能够有效弥补基层医疗机构影像判读、疾病早筛的能力短板。行业共识明确,AI 是临床医师的辅助工具,诊断决策权必须保留在执业医师手中。

未来发展,一方面需要开展更多多中心临床试验,持续提升稳健性;另一方面要完善数据隐私保护与监管体系。在人机协同框架下,AI 早筛技术有助于推动疾病风险前置识别,助力国内分级诊疗体系建设。