临床完整性不等于临床适配性:24个AI系统与200例真实诊疗对照引发的评估之问
#AI照护与医疗科技 时间2026-11-02 05:42:41
文/IAICA.NGO®
加州大学尔湾分校医疗中心(UCI Health)临床助理、Susan Samueli整合健康研究所整合与功能医学研究员Liam Ghiam近日在专业社交平台发文,围绕《NEJM AI》刊发的一项新研究提出一个在临床人工智能领域长期被低估的命题:临床完整性并不等于临床适配性。
这项研究题为《大语言模型与主治医师所推荐照护的成本比较》,作者为Dvir Aran、Jeremy D. Goldhaber-Fiebert、Ittai Many、Anthony Nguyen、Daniel Yang与Shahar Shelly。研究团队将24个人工智能系统给出的照护建议,与医师在200次真实诊疗接触中记录的诊疗计划逐一对照。结果显示,AI系统总体上倾向于推荐更多的检查与转诊,由此推算出的照护成本也更高。
Ghiam特别强调这项发现的解释边界:上述结果既不意味着医师的决策更优,也不意味着AI追加的所有检查都属多余。由于研究比较的是建议本身而非最终结局,目前仍无法判断那些额外检查是否会真正改善患者照护质量。换言之,建议层面的差异,不能直接换算为结局层面的优劣。
为提供对照视角,Ghiam援引了放疗领域的SHIELD-RT随机对照试验。该研究的经济学分析显示,由机器学习引导的风险分层能够识别出高危患者,使其在放疗期间获得更频繁的临床评估,最终减少了急性照护就诊次数并降低了整体医疗费用。作者包括Divya Natesan、Eric L. Eisenstein、Samantha M. Thomas、Neville C.W. Eclov等。两项研究并置,呈现出一个更细腻的结论:多做未必更好,但对正确的人群多做,可能同时改善照护质量与成本结构。
由此,Ghiam认为仅凭诊断准确性不足以评价临床实践中的AI。评估还应考察其对个体患者的建议是否恰当,须纳入临床背景、竞争风险、治疗负担、经济与时间毒性,以及干预相对于不干预的实际价值。他写道,在临床实践中,有时少即是多;而SHIELD-RT也提醒,有时为合适的人做更多,才会带来更好的照护。
这一讨论触及当前医疗AI评价体系的短板。现有评估多集中于模型层的技术指标,如敏感性、特异性、曲线下面积与各类基准测试成绩,而模型在实验室中的高分,与它在真实诊疗路径中创造的净价值之间仍存在明显鸿沟。若要把适配性纳入评估,可能的候选指标包括:净获益与决策曲线分析、下游检查与转诊的实际利用率、每质量调整生命年的增量成本、警报与随访负担、患者报告结局,以及由临床医生复核后推翻AI建议的比例。对于高龄、多重慢病与功能状态脆弱的照护对象,这些维度尤为关键,因为一次不必要的检查可能带来连锁的侵入性操作、住院与谵妄风险,而一次被漏掉的必要随访同样可能造成不可逆后果。
iaica.com.cn 指出,面向老龄照护场景的AI评估,应把是否值得做与是否做得准置于同一评价框架,并以前瞻性随机设计与经济学分析作为证据基础,而非仅依赖回顾性的准确率比较。
Ghiam在文末向同行抛出的问题仍然开放:评价AI临床适配性的最佳方式是什么,哪些指标最有意义。可以预见,答案不会来自单一数字,而来自模型层、建议层、路径层、结局层与人群层的分层证据体系。在医疗资源与照护人力同时承压的背景下,这一问题的解答,将在相当程度上决定AI在照护体系中的真实位置。
评论
0 条登录后才可以发表评论。
立即登录