人工智能在肝炎诊断、治疗优化与预后预测中的应用综述

The Journal of international medical research · 2026-10-23 · 综述

• 一句话结论：结论：叙述性综述提示，机器学习与深度学习在肝炎的影像、数字病理、多组学诊断、治疗方案优化与预后预测中均有应用报道，但受数据异质性与外推性限制，尚不足以下结论认为其能改善患者结局。
• 研究设计与做法：设计：为叙述性综述，汇总近十年人工智能在肝炎研究与临床实践中的文献，按诊断、治疗优化、预后预测三个临床领域组织；未开展系统检索与定量合并，纳入文献数量与筛选流程材料未报告。
• 主要结果：结果：诊断领域涉及医学影像、数字病理与多组学用于肝病检测、分类与分期；治疗领域用于药物发现、方案优化与个体反应预测；预后领域用于预测疾病进展、生存与并发症。具体效应量与预测性能数值材料未报告。
• 机制或解释：机制：作者未讨论具体算法机制，仅指出人工智能通过整合分析大规模异质生物医学数据来应对早期诊断、治疗选择与预后分层需求。
• 局限与边界：局限：作者指出数据异质性、外部泛化能力有限与临床转化障碍；作为叙述性综述缺乏系统检索与定量合成，结论强度有限；利益冲突信息材料未报告。
• 可否落地：落地：对科研提示需开展前瞻性多中心评估、采用可互操作的多模态数据并开发可解释且考虑不确定性的模型；对临床，人工智能改善决策与结局“不足以下结论”，当前仅为“提示”性方向。

🔗 打开原文

Qu J, Xie Z, Xiang J 等

本文摘自《每日前沿研究简报 · 2026-10-26》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。