医疗人工智能的现状与未来：以放射科为模型的叙述性综述

Developments and Experiments in Health and Medicine · 2026-10-26 · 期刊论文

• 一句话结论：结论：医疗人工智能已广泛嵌入诊断解读、临床决策、流程优化、文书、患者沟通、医学教育与结局预测等环节，但作者强调其临床价值受幻觉、偏倚、泛化性不足与前瞻性证据缺乏制约，整体属「提示」而非「证据支持」其可常规独立使用。
• 研究设计与做法：设计与做法：叙述性综述，非系统评价，未设检索策略与纳入排除流程；以放射科为模型专科（理由为流程标准化、数据量大、产出可量化）；样本量、干预与对照、随访时长均为材料未报告。
• 主要结果：主要结果：定性归纳，未给出效应量、置信区间或 p 值；作者指出报告不充分与前瞻性临床证据不足是持续存在的局限；生成式 AI、大语言模型、多模态基础模型、面向患者的应用与 AI 辅助医学教育的作用在增长，但具体量化结果材料未报告。
• 机制或解释：机制或解释：作者以放射科的标准化工作流、大规模数据集与可测量输出解释其成为 AI 落地先行专科；并提出数字孪生与智能体式 AI 可能支持患者个体化模拟、纵向监测与多步骤流程自动化，但临床使用仍处早期。
• 局限与边界：局限与边界：叙述性综述，选择性与发表偏倚不可排除；未系统检索、未做证据分级；所涉人群、机构类型与地区适用范围材料未报告；利益冲突材料未报告。
• 可否落地：可否落地：作者提出落地前提为外部验证、透明报告、持续性能监测、机构治理与明确的人类监督，未来价值取决于在人类监督的临床系统中安全、有效、公平、负责地改善医疗，而非完全自主；据此，当前档位为「提示」，尚「不足以下结论」支持无监督的临床部署。

🔗 打开原文

Ali Murat Koç

本文摘自《每日前沿研究简报 · 2026-10-29》「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。