*僅供醫(yī)學(xué)專業(yè)人士閱讀參考

人工智能解讀患者臨床數(shù)據(jù)的價值與實(shí)踐。

撰文|劉婕

“AI is not the Future – it’s the Presence.” 在2025年歐洲心臟病學(xué)會（ESC）心臟大會上，瑞士蘇黎世大學(xué)的Florian A. Wenzl教授以《我們應(yīng)該讓人工智能為我們解讀患者的臨床數(shù)據(jù)嗎？》為題發(fā)表演講。

教授開篇即拋出核心觀點(diǎn)：“AI is not the Future, it's the Presence. ”人工智能（AI）早已不是科幻概念，而是正在重塑現(xiàn)實(shí)的強(qiáng)大工具。當(dāng)臨床數(shù)據(jù)如洪水般涌來，醫(yī)生該如何應(yīng)對？AI真的是解藥嗎？

AI介入臨床數(shù)據(jù)解讀，這是必然的

臨床數(shù)據(jù)解讀長期面臨“數(shù)據(jù)爆炸”與“主觀差異”雙重挑戰(zhàn)。隨著醫(yī)療技術(shù)發(fā)展，一次心臟MRI檢查即可產(chǎn)生海量數(shù)據(jù)，疊加患者病史、隨訪結(jié)果等多源信息，傳統(tǒng)人工解讀不僅耗時，還易因醫(yī)生經(jīng)驗(yàn)、知識儲備差異導(dǎo)致診斷一致性不足。

Wenzl教授從社會變革維度論證了AI介入的必然性。人類勞動模式歷經(jīng)三次革命：公元前300萬年“工具發(fā)明”替代體力、1760-1840年“工業(yè)革命”拓展生產(chǎn)邊界，而2010年至今的“AI革命”正重構(gòu)智力勞動場景?！拔覀冊邮芄ぞ咛娲w力、電力替代重復(fù)勞動，如今為何要猶豫讓AI解讀臨床數(shù)據(jù)？”Wenzl教授的這一設(shè)問，為AI的臨床應(yīng)用奠定“時代必然”的基調(diào)。

從發(fā)展軌跡看，AI能力呈指數(shù)級增長。研究數(shù)據(jù)顯示，AI從2000年手寫識別突破，到2015年實(shí)現(xiàn)了精準(zhǔn)化語音、圖像識別，再到2020年在閱讀理解、預(yù)測推理中實(shí)現(xiàn)“超人類性能”。近年來AI領(lǐng)域科學(xué)出版物的數(shù)量也是呈指數(shù)級增長，每個月發(fā)表的論文數(shù)量從1994年的個位數(shù)，增至2007年每月發(fā)表100余篇、2021年超4000篇[1]，也印證了AI的滲透速度以及與臨床需求的契合度。

AI如何解讀臨床數(shù)據(jù)？真實(shí)案例告訴你答案

Wenzl教授提出AI在心血管疾病中應(yīng)用的通用框架：“Datasource→Model→Clinical task（數(shù)據(jù)→模型→臨床任務(wù)）”，他強(qiáng)調(diào)“Data are the New Oil（數(shù)據(jù)是新石油）”，而AI是煉油廠，并用真實(shí)案例說明了這一觀點(diǎn)。

1.GRACE 3.0：急性冠脈綜合征的“秒級”風(fēng)險分層

全球急性冠脈事件注冊（GRACE）評分是一個被廣泛應(yīng)用于非ST段抬高型急性冠脈綜合征（NSTE-ACS）患者風(fēng)險分層的工具，它基于易于獲取的臨床、心電圖和生化變量來預(yù)測院內(nèi)死亡率。然而，GRACE評分主要在男性患者中開發(fā)和驗(yàn)證，越來越多的證據(jù)表明，女性NSTE-ACS患者在基線風(fēng)險因素、疾病病理生理機(jī)制和治療反應(yīng)方面與男性患者存在顯著差異，這些差異可能會影響GRACE評分在女性患者中的預(yù)測性能，并導(dǎo)致治療不足。

2022年發(fā)表在

Lancet

2.非傳統(tǒng)數(shù)據(jù)的創(chuàng)新應(yīng)用

AI具有強(qiáng)大的數(shù)據(jù)處理和模式識別能力，能夠在瞬間分析海量的臨床數(shù)據(jù)，并從中發(fā)現(xiàn)人類醫(yī)生可能忽略的微妙模式和關(guān)聯(lián)。人工智能，尤其是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)，為數(shù)據(jù)解讀帶來了全新的視角和解決方案。Wenzl教授也重點(diǎn)展示了AI對“非傳統(tǒng)數(shù)據(jù)”的挖掘能力：

• 面部照片診斷冠心?。?020年發(fā)表在

  Eur

  opean

  Heart J

  ournal

  雜志的研究開發(fā)并驗(yàn)證了一種基于面部照片識別冠心病的深度學(xué)習(xí)算法。結(jié)果顯示，基于面部照片的冠心病檢測算法在驗(yàn)證組與測試組AUC值達(dá)0.757、0.730，準(zhǔn)確度明顯高于Diamond–Forrester模型和冠心病聯(lián)盟臨床評分。

• 語音分析診斷心衰/房顫：2021年發(fā)表在

  Computer Speech Language

  的研究表明，AI通過提取語音信息中的特征并訓(xùn)練模型，可以區(qū)分健康人群與心衰患者；2022年發(fā)表在

  Journal of

  Cardiovasc

  ular

  Electrophysiol

  ogy

  的研究開發(fā)了一個算法通過對聲音特征分析可檢測出心房顫動。

• 影像跨界診斷：2022年發(fā)表在

  The

  Lancet

  Digit

  al

  Health

  的研究開發(fā)了一種深度學(xué)習(xí)算法，該算法僅使用視網(wǎng)膜照片可以以較高的準(zhǔn)確率檢測阿爾茨海默病。2020年發(fā)表在

  The

  Lancet

  Digit

  al

  Health

  的研究開發(fā)了一種人工智能深度學(xué)習(xí)算法，可以通過視網(wǎng)膜圖像檢出慢性腎臟病。這兩項(xiàng)研究展示了AI通過視網(wǎng)膜圖像作為輔助工具在社區(qū)人群中篩查常見的慢性病如阿爾茨海默病、慢性腎病等的潛力。2025年最新研究[4]開發(fā)了一個基于視網(wǎng)膜圖像的人工智能深度學(xué)習(xí)系統(tǒng)，該系統(tǒng)可檢測出糖尿病腎病，并區(qū)分孤立性糖尿病腎病和非糖尿病腎病。

AI雖強(qiáng)，但不能“無腦用”！五大準(zhǔn)則保障安全有效

盡管人工智能在臨床數(shù)據(jù)解讀方面展現(xiàn)出諸多優(yōu)勢，但要真正讓AI廣泛且安全地應(yīng)用于臨床實(shí)踐，仍面臨一系列嚴(yán)峻的挑戰(zhàn)。AI的性能高度依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量，醫(yī)療數(shù)據(jù)來源廣泛、格式多樣，且存在數(shù)據(jù)缺失、錯誤標(biāo)注等問題，這對數(shù)據(jù)的預(yù)處理和清洗工作提出了極高的要求。同時，醫(yī)療數(shù)據(jù)包含患者大量的敏感隱私信息，如何在保障數(shù)據(jù)安全和患者隱私的前提下，實(shí)現(xiàn)數(shù)據(jù)的有效整合與利用，在實(shí)際應(yīng)用中仍需要進(jìn)一步完善和規(guī)范。

為避免AI應(yīng)用盲目性，Wenzl教授引用了2023年在

Eur

opean

Heart J

ournal

1.充分樣本量，覆蓋多樣臨床場景與人群，避免偏倚；

2.嚴(yán)格多中心、跨時間外部驗(yàn)證，確保性能穩(wěn)定；

3.數(shù)據(jù)與軟件開放（隱私保護(hù)前提下），便于復(fù)現(xiàn)改進(jìn)；

4.明確適用人群與臨床任務(wù)，杜絕超范圍應(yīng)用；

5.詳細(xì)披露數(shù)據(jù)來源、參數(shù)與指標(biāo)，確?？勺匪荨?/p>

性能評估上，需與傳統(tǒng)統(tǒng)計(jì)方法同等嚴(yán)謹(jǐn)，如診斷模型采用AUC、靈敏度、特異度等指標(biāo)來評價模型應(yīng)用效能；預(yù)后模型關(guān)注AUC、決策曲線；因果驗(yàn)證依賴RCT獲取確切證據(jù)。針對“黑箱”問題，Wenzl教授類比“藥物作用機(jī)制（MOA）”——如帕羅西汀、二甲雙胍雖機(jī)制未明但療效確切，AI模型可在“性能驗(yàn)證充分”前提下優(yōu)先落地，同步推進(jìn)可解釋性研究。

AI是醫(yī)生的助手，而非替代者

隨著技術(shù)的不斷進(jìn)步和相關(guān)問題的逐步解決，人工智能在臨床數(shù)據(jù)解讀中的應(yīng)用前景將更加廣闊。AI將成為醫(yī)療領(lǐng)域不可或缺的一部分，與醫(yī)生緊密合作，共同為患者提供更加精準(zhǔn)、高效、個性化的醫(yī)療服務(wù)。Wenzl教授在演講結(jié)尾提出三大“核心結(jié)論（Take Home Messages）”：

1.AI為個性化醫(yī)療提供巨大潛力；

2.AI評估需堅(jiān)守科學(xué)標(biāo)準(zhǔn)，不因技術(shù)新穎降低要求；

3.未來AI將整合基因組學(xué)、微生物組等更多數(shù)據(jù)，拓展能力邊界。

結(jié)語

AI擅長處理海量數(shù)據(jù)、發(fā)現(xiàn)隱藏模式，而醫(yī)生則專注于患者溝通、綜合判斷與人文關(guān)懷。在醫(yī)療數(shù)字化轉(zhuǎn)型浪潮中，AI并非替代醫(yī)生，而是成為“智能助手”——以數(shù)據(jù)處理優(yōu)勢彌補(bǔ)人工解讀局限，以精準(zhǔn)預(yù)測支撐臨床決策。在精準(zhǔn)醫(yī)療的時代，人機(jī)協(xié)作才是最優(yōu)解。

正如Wenzl教授所言，AI不是未來，而是當(dāng)下。唯有以科學(xué)準(zhǔn)則規(guī)范應(yīng)用、以跨學(xué)科協(xié)作突破瓶頸，才能讓其真正服務(wù)于患者，推動心血管領(lǐng)域精準(zhǔn)醫(yī)療邁向新高度。

專家簡介

參考文獻(xiàn)：

[1]Krenn, M., Buffoni, L., Coutinho, B. et al. Forecasting the future of artificial intelligence with machine learning-based link prediction in an exponentially growing knowledge network. Nat Mach Intell (2023).

[2]Lancet. 2022 Sep 3;400(10354):744-756.

[3]Wenzl FA et al. Lancet Digit Health 2025. In print

[4]Lancet Digit Health. 2025 May;7(5):100868.

醫(yī)學(xué)界心血管領(lǐng)域交流群正式開放！

加入我們吧！

責(zé)任編輯：銀子

*"醫(yī)學(xué)界"力求所發(fā)表內(nèi)容專業(yè)、可靠，但不對內(nèi)容的準(zhǔn)確性做出承諾；請相關(guān)各方在采用或以此作為決策依據(jù)時另行核查。