早筛查、早干预是降低重症肿瘤、慢性疾病死亡率的关键手段。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。
依托深度学习算法,AI辅助诊断系统已在国内多家三甲医院（884301）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（885942）、伦理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（884301）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（881144）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,持续外部验证与算法迭代必不可少。
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,持续提升算法稳健性;另一方面要完善数据隐私保护与算法监管体系。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。
