摘要
人工智能（AI）正在快速变革医疗实践，现有证据日益表明其在诊断、预后评估、治疗规划及运营决策中的有效应用。近年来系统评价数量激增，亟需对文献进行更新整合以指导研究、政策与实践。本研究检索了PubMed、Web of Science、Scopus、IEEE Xplore和CINAHL数据库，纳入2019年至2024年11月间发表的、聚焦医疗实践AI应用的英文同行评议系统评价及荟萃分析。最终181篇综述符合纳入标准。发表量呈稳定增长趋势，2024年达峰值。AI研究集中于高密度领域，如放射学、肿瘤学和重症监护。综述显示，70%的训练数据源来自诊断影像、电子健康记录（EHR）及生物标志物/实验室结果，但自2022年起可穿戴设备与传感器等新型数据源逐渐涌现。诊断、预后及治疗规划构成超80%的AI应用场景，近年更衍生出创新应用。64.6%的综述报告了伦理关切，隐私保护、模型准确性、数据与算法偏见、可解释性为高频主题，且报告比例从2021年至2024年持续上升。医疗AI应用正持续拓展范围、丰富数据来源，并向新型临床与运营场景演进。整合计算精度与临床专长的"人-人工智能-人"范式前景广阔，但需同步推进治理机制、监管框架及伦理监督的完善，方能确保安全落地。
文章亮点
本伞形综述整合分析了181篇关于医疗各领域AI应用的系统评价。
70%的综述指出AI模型训练依赖诊断影像、电子健康记录及生物标志物数据。
近年可穿戴设备、传感器及新型多模态健康数据的AI应用显著增长。
所有综述中，诊断、预后及治疗规划构成超80%的应用场景。
超半数综述提出隐私保护、准确性、偏见及可解释性等伦理问题。
利益冲突声明
作者声明无利益冲突。
资金声明
本研究未获得任何资金支持。
作者声明
本人确认已严格遵循所有相关伦理准则，并取得必要的机构审查委员会（IRB）及伦理委员会批准：是
本人确认已获取所有必要患者/参与者知情同意，并妥善存档相应机构表格；且任何患者/参与者/样本标识信息均未被研究组外人员（如医院工作人员、患者或参与者本人）所知悉，无法用于个体识别：是
本人确认稿件中报告的所有临床试验及其他前瞻性干预研究均已注册至ICMJE认可的平台（如ClinicalTrials.gov），并提供试验注册ID（注：若回溯性注册前瞻性研究，需在试验ID字段说明原因）：是
本人已遵循所有适用的研究报告指南，如相关EQUATOR Network研究报告清单及其他必要材料（如适用）：是
数据可用性声明
本研究产生的所有数据均可根据合理请求向作者获取。
【全文结束】
