Cell子刊：“临床医生+AI”协作框架，实现诊断效率和准确率的双赢
原创 生物世界 生物世界
撰文丨王聪
编辑丨王多鱼
排版丨水成文
鉴于人工智能（AI）模型存在的偏见和伦理问题，在临床环境中实现疾病的全自动诊断颇具挑战。相比之下，临床医生与 AI 的协作被认为对于确保在临床实践中使用 AI 模型的有效性和可靠性至关重要。然而，有关临床医生与 AI 协作的有效策略仍鲜有探索。
2025 年 4 月 11 日，华中科技大学李强、杨晓云等人在 Cell 子刊 Med 上发表了题为：Clinician-artificial intelligence collaboration: A win-win solution for efficiency and reliability in atrial fibrillation diagnosis 的研究论文。
该研究开发了一种新型的临床医生与 AI 协作框架，将 AI 的模式识别能力与临床医生的诊断敏锐度相结合。在针对阵发性心颤（PAF）验证试验中，仅由临床医生进行的评估漏诊了 13.7% 的 PAF 病例，而仅由 AI 进行的评估则将 23.3% 的非房颤患者误诊为 PAF。而临床医生与 AI 协作实现了 100% 的诊断准确率，同时将临床医生的工作量降低了 76.7%。
这种协作模式弥合了 AI 与临床工作流程之间的实施差距，为提高房颤筛查效率提供了经过验证的蓝图，同时又不降低诊断的严谨性。
人工智能（AI）的快速发展极大地推动了医学领域的研究与创新。AI 已成功融入临床工作流程，有助于识别多种疾病，例如乳腺癌、前列腺癌、糖尿病、视网膜病变、结肠癌、肺结节和肺结核等，从而提高了诊断性能，减轻了临床医生的工作负担。这些有效的临床 AI 应用主要依赖于医学影像。相比之下，基于长期生理信号的 AI 应用的报告却十分匮乏。此外，成功的 AI 模型通常与临床医生的评估相结合使用。
众所周知，由于训练和部署环境之间的分布差异以及在特定子群体中的表现不佳，AI 模型在任何部署环境中都可能表现不佳。这一点在临床环境中尤为重要，因为预测不准可能会给患者带来严重后果。目前的临床应用主要将预测性 AI 作为辅助工具，最终决策仍由临床医生做出。
因此，迫切需要一种有效的临床医生与 AI 协作策略，以确保预测性 AI 模型在临床应用中的成功。
该研究提出了一种三步、通用的临床医生与 AI 协作流程，旨在提高疾病诊断效率——
首先，利用大规模真实世界临床数据集评估并明确临床医生在疾病诊断方面的优势与不足；
其次，开发一种 AI 模型以弥补临床医生在疾病诊断方面的不足；
最后，提出一种临床医生与 AI 协作策略，以充分发挥 AI 和临床医生的优势。
该协作流程的有效性通过一项针对临床阵发性心颤（PAF，一种常见的心律失常）检测的研究得到了验证，该研究利用了超过 30000 名患者的 24 小时动态心电图记录。
结果显示，在阵发性房颤（PAF）检测中，单独依靠临床医生需要耗费大量时间分析数据，漏诊了 13.7% 的 PAF 患者，但成功排除了所有非房颤患者；单独依靠 AI 则几乎未漏诊 PAF 患者，但将 23.3% 的非房颤患者误诊为 PAF。而实施该研究提出的临床医生与 AI 协作策略后，所有患者均被正确识别，实现了 100% 的诊断准确率，且临床医生的工作量降低了 76.7%。
总的来说，这项研究提高了阵发性房颤（PAF）检测的效率和可靠性，弥合了 AI 模型开发与临床应用之间的差距，从而有效地推动了 AI 模型在临床心颤筛查中的应用。
论文链接：
https://www.cell.com/med/fulltext/S2666-6340(25)00095-9