位于马萨诸塞州萨默维尔的麻省总医院布里格姆（Mass General Brigham）研究人员开发出一种自主人工智能系统，该系统通过分析常规临床记录筛查认知障碍迹象——研究团队表示，这一工具可帮助临床医生在不增加新筛查步骤的情况下更早识别高风险患者。
以下是七个关键要点：
- 根据麻省总医院布里格姆1月15日新闻稿，该系统自动审查标准医疗就诊期间生成的临床文档，实施后无需人工干预即可持续运行。
- 在真实世界验证测试中，该人工智能特异性率达98%，意味着能准确排除绝大多数无认知障碍患者。此项研究已发表在《npj数字医学》期刊。
- 系统基于麻省总医院布里格姆体系内200名匿名患者的3300余份临床记录完成评估。技术架构摒弃单一模型，转而采用五个独立AI代理组成的协作网络，各代理先独立分析文档并相互挑战结论，最终达成统一判定。
- 当人工智能评估结果与人工评审不一致时，由独立专家进行复核。在58%的分歧案例中，专家支持AI系统的判断，表明该技术常能识别出初始评审员忽略的临床合理疑虑。
- 研究人员同步分析了AI误判情形，发现错误多源于文档信息不足——例如认知问题仅列于问题清单而缺乏叙述细节，或系统对特定临床指标的识别能力存在局限。系统性能在记录详实时表现最优，信息稀疏时则明显减弱。
- 在均衡测试场景中总体敏感性达91%，但在真实世界条件（约三分之一病例存在认知障碍）下降至62%。研究团队强调公开披露这些局限性旨在提升透明度，为临床AI工具的持续优化提供指引。
- 研究同期发布了开源工具Pythia，使医疗机构和科研单位能够部署同类自主AI筛查工作流程。该系统可在医院本地IT基础设施运行，患者数据全程保留在内部环境，绝不传输至外部服务器或云平台。
此项研究由美国国立卫生研究院（National Institutes of Health）资助，作者声明不存在利益冲突。
【全文结束】
