人工智能在耳鼻咽喉头颈外科中的应用：现状、局限与未来展望

综述系统整理了人工智能在耳鼻咽喉头颈外科多个亚专科的临床应用版图，涵盖诊断影像、内镜评估、听力学、鼻科学、喉科学、前庭医学、手术模拟、头颈肿瘤学、放疗计划与预测分析。 相对于聚焦单一亚专科或单一算法的研究，本文以跨亚专科的视角把分散的应用整合为一张临床地图，便于读者理解该领域整体进展。 证据来自对三个数据库的结构化文献检索，优先纳入英文同行评审、具有临床相关性的诊断、预后、手术、教育或流程类研究，属于叙述性综述层面的整合。

综述指出深度学习算法在鼻窦疾病检测、图像自动分割、淋巴结转移预测、甲状腺结节分类以及头颈癌患者预后建模方面显示出应用前景。 这些方向此前多以单项研究形式出现，本文将其归纳为具有临床转化潜力的代表性应用类别。 文中以“emerging evidence suggests”表述，说明这些结论建立在初步或新兴证据之上，而非已确立的临床共识。

综述强调多模态人工智能系统整合影像、病理、分子与临床数据，可能进一步提升诊断精度与个体化治疗规划；生成式大语言模型在医学教育、影像解读、鉴别诊断与临床决策支持中也展现出新兴应用。 把多模态融合与生成式模型这两条较新的技术路线纳入耳鼻咽喉科应用讨论，拓展了以往以判别式模型为主的叙述范围。 属于对新兴方向的概括性描述，文中未给出具体性能指标或对照数据。

综述归纳了限制临床广泛落地的关键挑战，包括外部验证有限、回顾性研究设计、数据集异质性、算法偏倚、透明度不足、患者隐私顾虑、医疗法律不确定性以及自动化偏倚风险。 将方法学与转化层面的障碍集中列出，为后续研究设计与治理框架提供了问题清单。 基于对已纳入文献整体特征的归纳，属于综述性判断而非单一实证结果。

本文定位于为耳鼻咽喉头颈外科的临床医生、研究者与相关管理者提供应用全景与问题清单，适用于理解人工智能在该领域的诊断、预后、手术、教育与流程类应用现状。其结论面向的是“作为辅助工具”的定位，作者明确指出，在开展前瞻性多中心研究、建立标准化验证框架并完善伦理监督之前，尚不适合广泛临床采用。

读者仍需关注：文中所述各应用方向的证据强度差异较大，且以“emerging evidence”“may”等表述呈现，具体性能与外部验证情况需查阅原始研究；多模态系统与生成式大语言模型的应用尚处早期，其临床价值有待进一步验证；此外，本次可获取的文本为综述正文的概括性内容，未包含图表与参考文献细节，因此无法就具体研究数量、样本规模或算法指标作出判断。