机器学习算法常被视为医疗领域的"变革性技术"。英国国家医疗服务体系（NHS）于2019年4月宣布投入2.5亿英镑发展人工智能技术，旨在通过改进癌症筛查、预测医疗资源需求、识别社区治疗适宜患者等方式缓解医疗压力。英国前卫生大臣马特·汉考克曾表示："我们正处在医疗技术革命的边缘，这将使NHS真正实现预测性、预防性和个性化医疗。"
AI技术确实展现出显著潜力，英国部分医院已成功应用算法预测癌症生存率，并通过减少就诊缺席率节省了医疗开支。多项研究表明机器学习在医疗领域的表现优于传统统计模型。然而《英国医学杂志》（BMJ）刊发的曼彻斯特大学研究指出，AI在取代标准疾病风险预测模型方面仍有很长的路要走。
研究团队对比了12种主流机器学习模型与7种传统统计模型（如QRISK系统），使用1998-2018年间英格兰391家诊所的360万患者数据进行测试。结果发现不同模型对心血管事件风险预测结果差异显著：QRISK系统识别的223,815名高风险患者中，57.8%会被其他模型重新归类至低风险区间，这可能导致他汀类药物治疗的漏诊。
曼彻斯特大学图灵研究所范斯塔教授指出，机器学习模型未能妥善处理"删失数据"问题——当患者更换诊所时，传统Cox模型会停止追踪，而AI模型错误地将数据缺失视为事件未发生。这种偏差会导致临床风险的严重低估："机器学习模型将仅注册数月的患者数据等同于完整十年的数据记录。"
研究团队强调，在心血管风险预测领域，QRISK系统不应被AI模型取代。尽管AI在影像诊断等其他医疗场景具有应用潜力，但研究者呼吁业界应理性评估新技术效能，警惕过度炒作带来的决策风险。范斯塔教授建议："在大规模投资前，必须严格验证技术是否真正具备临床实用价值。"
【全文结束】
