本文于2026年5月7日更新，增加了梅奥诊所关于后续步骤的额外信息。
两项最新研究表明，人工智能在检测和诊断某些特别具有挑战性的医疗状况方面具有巨大潜力。
在一项研究中，梅奥诊所研究人员展示了其基于放射组学的早期检测模型（REDMOD）如何在常规腹部CT扫描中将放射科医生检测胰腺癌的敏感度提高三倍，尤其是在肉眼难以察觉的诊断前期阶段。
该医疗系统表示，其自主研发的人工智能可以在肿瘤在常规影像中可见之前就发现疾病的细微迹象，"此时可能仍有机会进行治愈性治疗"。
与此同时，哈佛医学院、贝斯以色列女执事医疗中心和斯坦福大学的医学研究人员发现，高级人工智能在诊断复杂临床病例方面显著优于人类医生和先前的大型语言模型（LLMs）。
在他们的新报告中，他们建议将人工智能整合到临床工作流程中——例如急诊室——可以在时间紧迫、信息稀缺的情况下减少诊断错误。
人工智能提前36个月发现癌症
梅奥诊所表示，其研究人员测试了REDMOD人工智能框架，用于在真实患者影像中检测胰腺导管腺癌，并称结果是"在实现对这种最致命癌症形式之一的早期检测努力中取得的里程碑"。
"拯救胰腺癌患者生命的最大障碍一直是我们无法在疾病仍可治愈时发现它，"该研究的资深作者、梅奥诊所放射科医生兼核医学专家阿吉特·戈恩卡博士在该医疗系统的网站上表示。
"现在，这种人工智能可以从外观正常的胰腺中识别出癌症的特征，并且能够随着时间的推移和在不同的临床环境中可靠地做到这一点。"
人工智能驱动的放射组学是肿瘤学影像分析的前沿领域。它使用人工智能和机器学习从标准医学图像中提取高维数据并获得洞察。
梅奥诊所研究人员在一个独立测试集上验证了该模型，他们表示该模型识别PDA的中位领先时间为475天，相关报告发表在《Gut》杂志上。
梅奥诊所表示，他们使用REDMOD分析了近2000次CT扫描——包括后来被诊断出患有胰腺癌的患者最初被解读为正常的扫描——使"没有人工智能辅助审查相同扫描的专家的检测率几乎翻倍"。
这比测试集中实际患者的典型胰腺癌诊断提前了约16个月。
研究人员表示，REDMOD显著优于人类放射科医生，总体敏感性接近两倍——73%对比39%。此外，对于临床诊断前24个月以上的病例，它几乎将敏感性提高了三倍。
"在更早的时间点，优势甚至更大，"梅奥诊所表示。
"在诊断前两年多获取的扫描中，人工智能识别出的早期癌症数量几乎是原本未被发现的三倍。"
研究人员称，这种经过外部验证的自动化人工智能"是将诊断模式从晚期症状诊断转向主动临床前干预的必要步骤"。他们补充道："这些特性使其适合在高风险队列中进行前瞻性验证。"
根据戈恩卡的说法，通往患者使用该技术的道路已经开始。
"从原则上讲，识别高风险个体的框架已经存在，"他周三告诉《Healthcare IT News》。"但将该框架转化为实践比听起来要难。"
梅奥诊所目前正在构建工具，以可靠地从电子健康记录中自动查找正确的临床变量。
"我们的资格标准设计得非常具体，因此达到招募里程碑需要精确性和规模，"他指出。"这就是为什么扩大到单一机构之外是必不可少的。"
梅奥诊所综合癌症中心已经在美国开设了首个临床试验，以测试用于胰腺癌早期检测的人工智能放射组学算法，梅奥诊所癌症项目执行主任谢丽尔·威爾曼博士补充道。
"在这一初步可行性阶段将招募100名患者（50-85岁），然后试验将扩展到梅奥诊所在亚利桑那州和佛罗里达州的站点，以及美国和世界各地的其他癌症中心和合作机构，"她通过电子邮件表示。
"我们的目标是触及各个地方的患者，无论是在我们的院墙内外。"
高级大型语言模型可能改变急诊室
哈佛大学、斯坦福大学、波士顿BIDMC医疗系统和合作机构的研究人员通过多项测试评估了OpenAI的o1系列模型的预览版。
他们表示，该模型在评估挑战性临床病理病例和临床小插图方面非常成功，这些病例在过去七十年中已被各种鉴别诊断生成器测试过。
研究人员在4月30日发表在《Science》杂志上的报告中指出："特别是，《新英格兰医学杂志》会议系列一直被视为一个理想的目标，自1950年代以来已被各种原始方法测试过。"
他们选择的诊断要点反映了"急诊医学部门所做出的高风险决策，护士和临床医生在信息有限的情况下做出时间敏感的选择。"
"总体而言，该模型在实验中表现优于医生，包括在急诊科直接从健康记录中获取的真实和非结构化临床数据的情况下。"
研究人员表示，比较ChatGPT-4等大型语言模型和贝叶斯系统、基于符号规则的系统以及自然语言症状检查器等诊断生成器的较新研究也发现，大型语言模型始终优于早期的机器学习系统和数百名人类医生的基准。
研究人员评估了先进的OpenAI o1系列大型语言模型在几个诊断和管理推理任务中的诊断和管理推理能力。
"我们还以盲法方式研究了LLM针对马萨诸塞州波士顿一家主要学术三级护理急诊科随机选择患者的专家医生基准的第二意见，"他们在报告中说。
值得注意的是，在测试OpenAI的o1-preview在《新英格兰医学杂志》临床病理会议中的表现时，研究人员表示该模型达到了高诊断准确率，在其鉴别诊断列表中78.3%的时间找到了正确诊断。
在52%的挑战性临床病例中，该模型的首个建议就是正确诊断。但当大型语言模型包括"可能有帮助"或"非常接近"的诊断时，其准确率飙升至97.9%，根据报告。
在将o1-preview与基准人类医生表现进行比较时，研究人员表示该模型优于先前的大型语言模型测试基准，胜过人类医生基准。
在与GPT-4的70个病例比较中，o1-preview的表现更佳——88.6%对72.9%。此外，o1-preview在24.3%的病例中优于GPT-4，而GPT-4仅在7.1%的病例中超过新模型的准确率。
"我们的结果显示，人类、GPT-4o和o1在获得更多信息时都提高了诊断能力；o1在多个接触点上优于人类，在初始急诊分诊时差距最大，此时可用的信息最少，"研究人员说。
他们还表示，虽然他们的研究存在局限性，但大型语言模型的快速改进对临床医学具有"重大影响"，并表明迫切需要在真实世界患者护理环境中评估这些技术。
"尽管将人工智能应用于临床决策支持有时被视为高风险行为，但更多地使用这些工具可能有助于减轻诊断错误、延误和缺乏获取途径带来的人力和财务成本。"
他们的研究结果表明，医疗系统应准备投资计算基础设施并设计"临床医生-人工智能交互"，以促进将人工智能工具安全整合到患者护理工作流程中，研究人员说。
"这包括开发强大的监测框架，以监督人工智能临床决策支持系统的更广泛实施，不仅要监测最终诊断准确性，还要监测对成功部署至关重要的其他指标，包括安全性、效率和成本。"
安德烈娅·福克斯是Healthcare IT News的高级编辑。
电子邮件：[email protected]
Healthcare IT News是HIMSS Media的出版物。
【全文结束】