医学与健康

463 条内容

Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery 2026年9月15日
本文结合耳科、鼻科、咽喉科及头颈肿瘤的诊疗特点，总结多模态人工智能在耳鼻咽喉头颈外科的代表性应用，重点分析数据标准与跨模态对齐、模态缺失与模型泛化、隐私保护与多中心协作、可解释性、临床证据及工作流程整合等转化问题，并提出建立符合我国临床实践的专科数据标准、构建分阶段多中心验证体系、形成受专科医师监督的人机协作模式，审慎推动通用与专科大模型向多模态临床应用拓展。
本文结合耳科、鼻科、咽喉科及头颈肿瘤的诊疗特点，总结多模态人工智能在耳鼻咽喉头颈外科的代表性应用，重点分析数据标准与跨模态对齐、模态缺失与模型泛化、隐私保护与多中心协作、可解释性、临床证据及工作流程整合等转化问题，并提出建立符合我国临床实践的专科数据标准、构建分阶段多中心验证体系、形成受专科医师监督的人机协作模式，审慎推动通用与专科大模型向多模态临床应用拓展。
多模态人工智能驱动耳鼻咽喉疾病精准诊疗：关键挑战与未来方向
本文结合耳科、鼻科、咽喉科及头颈肿瘤的诊疗特点，总结多模态人工智能在耳鼻咽喉头颈外科的代表性应用，重点分析数据标准与跨模态对齐、模态缺失与模型泛化、隐私保护与多中心协作、可解释性、临床证据及工作流程整合等转化问题，并提出建立符合我国临床实践的专科数据标准、构建分阶段多中心验证体系、形成受专科医师监督的人机协作模式，审慎推动通用与专科大模型向多模态临床应用拓展。
本文结合耳科、鼻科、咽喉科及头颈肿瘤的诊疗特点，总结多模态人工智能在耳鼻咽喉头颈外科的代表性应用，重点分析数据标准与跨模态对齐、模态缺失与模型泛化、隐私保护与多中心协作、可解释性、临床证据及工作流程整合等转化问题，并提出建立符合我国临床实践的专科数据标准、构建分阶段多中心验证体系、形成受专科医师监督的人机协作模式，审慎推动通用与专科大模型向多模态临床应用拓展。
Journal of imaging informatics in medicine 2026年9月15日
这项单中心回顾性研究利用1,034名45-65岁体检女性的4,185次连续非增强胸部CT，通过AI自动量化T11与T12骨密度并构建个体纵向轨迹，发现以平均T11-T12 AI-CT-BMD≤128 mg/cm³定义的基线低骨状态者绝对骨密度下降反而更小（10.82 vs 12.52 mg/cm³，P=0.022）、T12斜率更平缓（-3.08 vs -3.91 mg/cm³/年，P=0.011），而未调整分析中较大的相对下降在校正协变量或仅用T11的敏感性分析后不再成立，且将T11骨密度加入临床变量对快速丢失的判别能力无明显提升（AUC 0.708 vs 0.716，P=0.128）。
这项单中心回顾性研究利用1,034名45-65岁体检女性的4,185次连续非增强胸部CT，通过AI自动量化T11与T12骨密度并构建个体纵向轨迹，发现以平均T11-T12 AI-CT-BMD≤128 mg/cm³定义的基线低骨状态者绝对骨密度下降反而更小（10.82 vs 12.52 mg/cm³，P=0.022）、T12斜率更平缓（-3.08 vs -3.91 mg/cm³/年，P=0.011），而未调整分析中较大的相对下降在校正协变量或仅用T11的敏感性分析后不再成立，且将T11骨密度加入临床变量对快速丢失的判别能力无明显提升（AUC 0.708 vs 0.716，P=0.128）。
中年女性体检胸部CT序列中T12骨密度的纵向机会性AI评估
这项单中心回顾性研究利用1,034名45-65岁体检女性的4,185次连续非增强胸部CT，通过AI自动量化T11与T12骨密度并构建个体纵向轨迹，发现以平均T11-T12 AI-CT-BMD≤128 mg/cm³定义的基线低骨状态者绝对骨密度下降反而更小（10.82 vs 12.52 mg/cm³，P=0.022）、T12斜率更平缓（-3.08 vs -3.91 mg/cm³/年，P=0.011），而未调整分析中较大的相对下降在校正协变量或仅用T11的敏感性分析后不再成立，且将T11骨密度加入临床变量对快速丢失的判别能力无明显提升（AUC 0.708 vs 0.716，P=0.128）。
这项单中心回顾性研究利用1,034名45-65岁体检女性的4,185次连续非增强胸部CT，通过AI自动量化T11与T12骨密度并构建个体纵向轨迹，发现以平均T11-T12 AI-CT-BMD≤128 mg/cm³定义的基线低骨状态者绝对骨密度下降反而更小（10.82 vs 12.52 mg/cm³，P=0.022）、T12斜率更平缓（-3.08 vs -3.91 mg/cm³/年，P=0.011），而未调整分析中较大的相对下降在校正协变量或仅用T11的敏感性分析后不再成立，且将T11骨密度加入临床变量对快速丢失的判别能力无明显提升（AUC 0.708 vs 0.716，P=0.128）。
Primary health care research & development 2026年9月15日
该研究提出一个将静态眼周图像ResNet18分类器与由ResNet50、EfficientNet-B0和DenseNet121组成的面部图像集成分类器以OR逻辑并联融合的混合深度学习框架，用于自闭症谱系障碍的早期风险提示与转诊支持；眼周模型敏感度为90%，面部集成模型敏感度为87.1%、AUC为0.948，在条件独立假设下解析估算的系统级敏感度为0.9871，对应联合假阴性概率约1.29%，同时系统特异度降至约0.807。
该研究提出一个将静态眼周图像ResNet18分类器与由ResNet50、EfficientNet-B0和DenseNet121组成的面部图像集成分类器以OR逻辑并联融合的混合深度学习框架，用于自闭症谱系障碍的早期风险提示与转诊支持；眼周模型敏感度为90%，面部集成模型敏感度为87.1%、AUC为0.948，在条件独立假设下解析估算的系统级敏感度为0.9871，对应联合假阴性概率约1.29%，同时系统特异度降至约0.807。
面向早期自闭症筛查的可靠性导向混合深度学习框架
该研究提出一个将静态眼周图像ResNet18分类器与由ResNet50、EfficientNet-B0和DenseNet121组成的面部图像集成分类器以OR逻辑并联融合的混合深度学习框架，用于自闭症谱系障碍的早期风险提示与转诊支持；眼周模型敏感度为90%，面部集成模型敏感度为87.1%、AUC为0.948，在条件独立假设下解析估算的系统级敏感度为0.9871，对应联合假阴性概率约1.29%，同时系统特异度降至约0.807。
该研究提出一个将静态眼周图像ResNet18分类器与由ResNet50、EfficientNet-B0和DenseNet121组成的面部图像集成分类器以OR逻辑并联融合的混合深度学习框架，用于自闭症谱系障碍的早期风险提示与转诊支持；眼周模型敏感度为90%，面部集成模型敏感度为87.1%、AUC为0.948，在条件独立假设下解析估算的系统级敏感度为0.9871，对应联合假阴性概率约1.29%，同时系统特异度降至约0.807。
Journal of general internal medicine 2026年9月15日
这项在单一三级学术医疗中心开展的回顾性队列研究，利用2024年入院、住院时长2至14天的成人住院患者随机划分出的验证集（n=860）与测试集（n=886），让大语言模型基于06:00索引时点前30小时的临床文书预测当日出院，发现基线GPT-5提示在验证集上F1为0.48、敏感度为0.37，定性错误分析显示错误最多来自运营流程而非医学知识，而在三种推理期优化策略中，自动提示优化在留出测试集上取得更高的F1与敏感度（但阳性预测值与特异度更低），测试时扩展与专家主导的提示工程改进甚微。
这项在单一三级学术医疗中心开展的回顾性队列研究，利用2024年入院、住院时长2至14天的成人住院患者随机划分出的验证集（n=860）与测试集（n=886），让大语言模型基于06:00索引时点前30小时的临床文书预测当日出院，发现基线GPT-5提示在验证集上F1为0.48、敏感度为0.37，定性错误分析显示错误最多来自运营流程而非医学知识，而在三种推理期优化策略中，自动提示优化在留出测试集上取得更高的F1与敏感度（但阳性预测值与特异度更低），测试时扩展与专家主导的提示工程改进甚微。
优化大语言模型用于医院出院预测：一项回顾性队列研究与推理期优化策略评估
这项在单一三级学术医疗中心开展的回顾性队列研究，利用2024年入院、住院时长2至14天的成人住院患者随机划分出的验证集（n=860）与测试集（n=886），让大语言模型基于06:00索引时点前30小时的临床文书预测当日出院，发现基线GPT-5提示在验证集上F1为0.48、敏感度为0.37，定性错误分析显示错误最多来自运营流程而非医学知识，而在三种推理期优化策略中，自动提示优化在留出测试集上取得更高的F1与敏感度（但阳性预测值与特异度更低），测试时扩展与专家主导的提示工程改进甚微。
这项在单一三级学术医疗中心开展的回顾性队列研究，利用2024年入院、住院时长2至14天的成人住院患者随机划分出的验证集（n=860）与测试集（n=886），让大语言模型基于06:00索引时点前30小时的临床文书预测当日出院，发现基线GPT-5提示在验证集上F1为0.48、敏感度为0.37，定性错误分析显示错误最多来自运营流程而非医学知识，而在三种推理期优化策略中，自动提示优化在留出测试集上取得更高的F1与敏感度（但阳性预测值与特异度更低），测试时扩展与专家主导的提示工程改进甚微。
Chinese medical journal 2026年9月15日
这篇综述系统评估了用于早期肝纤维化（F1–F2）检测的现有与新兴无创检测手段，涵盖血清标志物、分子影像探针、人工智能影像分析、尿液/呼气/唾液等替代生物流体、肠道菌群及多组学整合模型，指出这些方法虽在诊断性能上展现潜力，但普遍受限于验证不足、标准化缺失与临床路径整合困难，并提出分层诊断框架作为近期落地路径。
这篇综述系统评估了用于早期肝纤维化（F1–F2）检测的现有与新兴无创检测手段，涵盖血清标志物、分子影像探针、人工智能影像分析、尿液/呼气/唾液等替代生物流体、肠道菌群及多组学整合模型，指出这些方法虽在诊断性能上展现潜力，但普遍受限于验证不足、标准化缺失与临床路径整合困难，并提出分层诊断框架作为近期落地路径。
早期肝纤维化的无创检测：进展与挑战
这篇综述系统评估了用于早期肝纤维化（F1–F2）检测的现有与新兴无创检测手段，涵盖血清标志物、分子影像探针、人工智能影像分析、尿液/呼气/唾液等替代生物流体、肠道菌群及多组学整合模型，指出这些方法虽在诊断性能上展现潜力，但普遍受限于验证不足、标准化缺失与临床路径整合困难，并提出分层诊断框架作为近期落地路径。
这篇综述系统评估了用于早期肝纤维化（F1–F2）检测的现有与新兴无创检测手段，涵盖血清标志物、分子影像探针、人工智能影像分析、尿液/呼气/唾液等替代生物流体、肠道菌群及多组学整合模型，指出这些方法虽在诊断性能上展现潜力，但普遍受限于验证不足、标准化缺失与临床路径整合困难，并提出分层诊断框架作为近期落地路径。
Research Square 2026年9月15日
本文提出一个循证的概念性框架，将多模态临床数据（电子病历、实验室、影像、生理监测、手术视频、设备遥测）经由模块化AI架构、领域自适应、不确定性估计与安全控制，连接到由临床医生最终决策的决策支持界面，并明确区分所提议的架构与文献中已证实的证据，指出外科AI的临床有效性仍待前瞻性验证。
本文提出一个循证的概念性框架，将多模态临床数据（电子病历、实验室、影像、生理监测、手术视频、设备遥测）经由模块化AI架构、领域自适应、不确定性估计与安全控制，连接到由临床医生最终决策的决策支持界面，并明确区分所提议的架构与文献中已证实的证据，指出外科AI的临床有效性仍待前瞻性验证。
面向外科决策支持与患者安全的多模态、以人为中心、领域自适应医疗AI框架
本文提出一个循证的概念性框架，将多模态临床数据（电子病历、实验室、影像、生理监测、手术视频、设备遥测）经由模块化AI架构、领域自适应、不确定性估计与安全控制，连接到由临床医生最终决策的决策支持界面，并明确区分所提议的架构与文献中已证实的证据，指出外科AI的临床有效性仍待前瞻性验证。
本文提出一个循证的概念性框架，将多模态临床数据（电子病历、实验室、影像、生理监测、手术视频、设备遥测）经由模块化AI架构、领域自适应、不确定性估计与安全控制，连接到由临床医生最终决策的决策支持界面，并明确区分所提议的架构与文献中已证实的证据，指出外科AI的临床有效性仍待前瞻性验证。
Experimental hematology & oncology 2026年9月15日
该研究整合六个公共单细胞RNA测序数据集，用inferCNV推断单细胞水平拷贝数变异并识别高CNV（HCNV）恶性亚群，以HCNV活性为生物学锚点构建基于常规H&E染色切片的深度学习多模态AI预后模型，并通过多组学筛选与体内外实验确定RTN3为核心驱动基因，证明RTN3经JAK2/STAT3通路转录上调PKM2、GLUT1、LDHA等糖酵解酶，驱动糖酵解代谢重编程并介导膀胱癌吉西他滨耐药。
该研究整合六个公共单细胞RNA测序数据集，用inferCNV推断单细胞水平拷贝数变异并识别高CNV（HCNV）恶性亚群，以HCNV活性为生物学锚点构建基于常规H&E染色切片的深度学习多模态AI预后模型，并通过多组学筛选与体内外实验确定RTN3为核心驱动基因，证明RTN3经JAK2/STAT3通路转录上调PKM2、GLUT1、LDHA等糖酵解酶，驱动糖酵解代谢重编程并介导膀胱癌吉西他滨耐药。
多模态AI与单细胞转录组整合构建膀胱癌组织病理预后模型，揭示RTN3-糖酵解轴在化疗耐药中的作用
该研究整合六个公共单细胞RNA测序数据集，用inferCNV推断单细胞水平拷贝数变异并识别高CNV（HCNV）恶性亚群，以HCNV活性为生物学锚点构建基于常规H&E染色切片的深度学习多模态AI预后模型，并通过多组学筛选与体内外实验确定RTN3为核心驱动基因，证明RTN3经JAK2/STAT3通路转录上调PKM2、GLUT1、LDHA等糖酵解酶，驱动糖酵解代谢重编程并介导膀胱癌吉西他滨耐药。
该研究整合六个公共单细胞RNA测序数据集，用inferCNV推断单细胞水平拷贝数变异并识别高CNV（HCNV）恶性亚群，以HCNV活性为生物学锚点构建基于常规H&E染色切片的深度学习多模态AI预后模型，并通过多组学筛选与体内外实验确定RTN3为核心驱动基因，证明RTN3经JAK2/STAT3通路转录上调PKM2、GLUT1、LDHA等糖酵解酶，驱动糖酵解代谢重编程并介导膀胱癌吉西他滨耐药。
Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery 2026年9月15日
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者，构建了用于鼻咽喉镜体内/体外图像判定（模型1）、11个标准解剖部位识别（模型2）及病灶定位与良恶性判定（模型3）的一体化AI系统ENDOVISTA-ENT，其内外部准确率分别为99.44%/99.84%与96.09%/94.73%，模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932，AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%（χ²=40.37，P<0.001），单帧检测耗时（15.2±
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者，构建了用于鼻咽喉镜体内/体外图像判定（模型1）、11个标准解剖部位识别（模型2）及病灶定位与良恶性判定（模型3）的一体化AI系统ENDOVISTA-ENT，其内外部准确率分别为99.44%/99.84%与96.09%/94.73%，模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932，AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%（χ²=40.37，P<0.001），单帧检测耗时（15.2±
ENDOVISTA-ENT：鼻咽喉镜质量控制辅助与病灶识别一体化AI系统的开发与初步验证
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者，构建了用于鼻咽喉镜体内/体外图像判定（模型1）、11个标准解剖部位识别（模型2）及病灶定位与良恶性判定（模型3）的一体化AI系统ENDOVISTA-ENT，其内外部准确率分别为99.44%/99.84%与96.09%/94.73%，模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932，AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%（χ²=40.37，P<0.001），单帧检测耗时（15.2±
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者，构建了用于鼻咽喉镜体内/体外图像判定（模型1）、11个标准解剖部位识别（模型2）及病灶定位与良恶性判定（模型3）的一体化AI系统ENDOVISTA-ENT，其内外部准确率分别为99.44%/99.84%与96.09%/94.73%，模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932，AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%（χ²=40.37，P<0.001），单帧检测耗时（15.2±
Nature medicine 2026年9月15日
该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。
该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。
院内本地部署的医疗AI智能体：面向可靠临床决策的探索
该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。
该研究开发并评估了一个完全本地部署的临床AI智能体，将本地运行控制与多视角可靠性框架结合以支持选择性自主，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。
Journal of minimally invasive surgery 2026年9月15日
这项单中心、重复横断面描述性调查在AI辅助检测（AI-CADe）系统安装前后各发放一次匿名在线问卷，分别有29名和25名内镜科室人员完成，结果显示工作人员对AI-CADe总体持积极看法，认可其在提高腺瘤检出率、病灶切除、患者与操作满意度及工作流程方面的潜在价值，同时也表达了对假阳性、过度检出、不必要活检和依赖AI的担忧，并将准确性和敏感性列为最常选择的采纳因素。
这项单中心、重复横断面描述性调查在AI辅助检测（AI-CADe）系统安装前后各发放一次匿名在线问卷，分别有29名和25名内镜科室人员完成，结果显示工作人员对AI-CADe总体持积极看法，认可其在提高腺瘤检出率、病灶切除、患者与操作满意度及工作流程方面的潜在价值，同时也表达了对假阳性、过度检出、不必要活检和依赖AI的担忧，并将准确性和敏感性列为最常选择的采纳因素。
结肠镜AI辅助检测系统的用户感知：单中心探索性调查研究
这项单中心、重复横断面描述性调查在AI辅助检测（AI-CADe）系统安装前后各发放一次匿名在线问卷，分别有29名和25名内镜科室人员完成，结果显示工作人员对AI-CADe总体持积极看法，认可其在提高腺瘤检出率、病灶切除、患者与操作满意度及工作流程方面的潜在价值，同时也表达了对假阳性、过度检出、不必要活检和依赖AI的担忧，并将准确性和敏感性列为最常选择的采纳因素。
这项单中心、重复横断面描述性调查在AI辅助检测（AI-CADe）系统安装前后各发放一次匿名在线问卷，分别有29名和25名内镜科室人员完成，结果显示工作人员对AI-CADe总体持积极看法，认可其在提高腺瘤检出率、病灶切除、患者与操作满意度及工作流程方面的潜在价值，同时也表达了对假阳性、过度检出、不必要活检和依赖AI的担忧，并将准确性和敏感性列为最常选择的采纳因素。

第 38 页 · 当前显示 10 项