医学与健康

464 条内容

Annals of biomedical engineering 2026年9月15日
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
临床人工智能系统中的提示注入：大语言模型与智能体式AI的新兴安全挑战
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
本文提出，提示注入是一种与准确性、偏见和幻觉不同的失效模式——模型完全按指令行事，但该指令并非临床医生所写、也非其可见；其根源在于当前语言模型架构接收无差别的token流、缺乏区分内容是否具有权威性的机制，而临床记录由转诊信函、患者输入消息、外部报告、扫描文档和外部影像等院外来源材料拼装而成，使医学尤为暴露；作者主张应将提示注入列为患者安全危害并建立明确的威胁模型，认为改进提示词与输入过滤无法解决该问题，可行路径在于具备来源感知的上下文处理、对不可逆操作施加受限权限，以及部署前的对抗性测试。
Movement disorders clinical practice 2026年9月15日
本研究利用TRANQUIL多中心随机对照试验的数据，采用基于锚定法（CGI-I与PGI-I）及ROC分析，为特发性震颤常用的TETRAS改良日常生活活动量表（mADL）和mADL11量表估计最小临床重要差值（MCID），推荐基于患者报告的MCID分别为-6.2和-4.1。
本研究利用TRANQUIL多中心随机对照试验的数据，采用基于锚定法（CGI-I与PGI-I）及ROC分析，为特发性震颤常用的TETRAS改良日常生活活动量表（mADL）和mADL11量表估计最小临床重要差值（MCID），推荐基于患者报告的MCID分别为-6.2和-4.1。
特发性震颤TETRAS评分的最小临床重要差值
本研究利用TRANQUIL多中心随机对照试验的数据，采用基于锚定法（CGI-I与PGI-I）及ROC分析，为特发性震颤常用的TETRAS改良日常生活活动量表（mADL）和mADL11量表估计最小临床重要差值（MCID），推荐基于患者报告的MCID分别为-6.2和-4.1。
本研究利用TRANQUIL多中心随机对照试验的数据，采用基于锚定法（CGI-I与PGI-I）及ROC分析，为特发性震颤常用的TETRAS改良日常生活活动量表（mADL）和mADL11量表估计最小临床重要差值（MCID），推荐基于患者报告的MCID分别为-6.2和-4.1。
Journal of Zhejiang University(Science Edition) 2026年9月15日
该研究在ADNI数据上构建了一个基于ResNet50迁移学习的患者级多模态融合框架，将MRI与PET影像特征与临床变量（ADAS11、ADAS13、APOE4、年龄、性别、教育年限、MMSE总分）拼接后经全连接网络输出AD/MCI/CN三分类，并以Grad-CAM生成热力图；消融实验显示准确率随模态增加而上升，MRI单模态39.61%、PET单模态51.72%、仅临床66.67%、MRI+PET 54.17%、三模态融合79.17%（24例患者测试集，95% Wilson区间约59.5%–90.8%），其中加入临床数据带来最大单次提升。
该研究在ADNI数据上构建了一个基于ResNet50迁移学习的患者级多模态融合框架，将MRI与PET影像特征与临床变量（ADAS11、ADAS13、APOE4、年龄、性别、教育年限、MMSE总分）拼接后经全连接网络输出AD/MCI/CN三分类，并以Grad-CAM生成热力图；消融实验显示准确率随模态增加而上升，MRI单模态39.61%、PET单模态51.72%、仅临床66.67%、MRI+PET 54.17%、三模态融合79.17%（24例患者测试集，95% Wilson区间约59.5%–90.8%），其中加入临床数据带来最大单次提升。
可解释多模态深度学习框架：融合MRI、PET与临床数据的三分类阿尔茨海默病诊断
该研究在ADNI数据上构建了一个基于ResNet50迁移学习的患者级多模态融合框架，将MRI与PET影像特征与临床变量（ADAS11、ADAS13、APOE4、年龄、性别、教育年限、MMSE总分）拼接后经全连接网络输出AD/MCI/CN三分类，并以Grad-CAM生成热力图；消融实验显示准确率随模态增加而上升，MRI单模态39.61%、PET单模态51.72%、仅临床66.67%、MRI+PET 54.17%、三模态融合79.17%（24例患者测试集，95% Wilson区间约59.5%–90.8%），其中加入临床数据带来最大单次提升。
该研究在ADNI数据上构建了一个基于ResNet50迁移学习的患者级多模态融合框架，将MRI与PET影像特征与临床变量（ADAS11、ADAS13、APOE4、年龄、性别、教育年限、MMSE总分）拼接后经全连接网络输出AD/MCI/CN三分类，并以Grad-CAM生成热力图；消融实验显示准确率随模态增加而上升，MRI单模态39.61%、PET单模态51.72%、仅临床66.67%、MRI+PET 54.17%、三模态融合79.17%（24例患者测试集，95% Wilson区间约59.5%–90.8%），其中加入临床数据带来最大单次提升。
bioRxiv 2026年9月15日
该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T
该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T
SemVac：以大型语言模型驱动的语义疫苗学范式用于抗原发现
该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T
该工作提出“语义疫苗学”范式并实现为 SemVac：通过 PaperBLAST 检索每个蛋白相关文献，压缩为结构化语义档案，再提示大语言模型输出抗原性概率；在 246 蛋白细菌基准上，14 个通用大语言模型中最佳者达到或超过专用预测器 PLGDL 的精确度，开源权重 Kimi K2 0905 在性能与成本间最均衡，预测对疫苗关键词遮蔽稳健、重复推理可复现，并泛化到 1200 蛋白跨病原体数据集；显式思维链推理在所有测试模型中提高召回但降低精确度；应用于 mpox 病毒蛋白组时复现已知抗原谱并优先排序未表征候选，其中 A30L 与 C19L 获得近期正痘病毒疫苗开发的独立实验支持，而 B20R 出现与 curated 注释不符的连贯但错误的 T
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
该研究回顾性收集五个医疗中心3 255例受试者的23 434张电子鼻咽喉镜图像（含15 465张喉镜与7 969张鼻咽镜图像），开发了头颈肿瘤智能诊断模型WSC-T，在喉及下咽癌诊断中内部与外部测试准确率为94.89%和91.04%、AUC为0.98和0.97，在鼻咽癌诊断中准确率为96.27%和92.31%、AUC为0.98和0.97，并与未引入对比学习的有监督学习模型进行比较，同时构建了可实现图像上传、自动分析与诊断结果输出的云端诊断平台。
该研究回顾性收集五个医疗中心3 255例受试者的23 434张电子鼻咽喉镜图像（含15 465张喉镜与7 969张鼻咽镜图像），开发了头颈肿瘤智能诊断模型WSC-T，在喉及下咽癌诊断中内部与外部测试准确率为94.89%和91.04%、AUC为0.98和0.97，在鼻咽癌诊断中准确率为96.27%和92.31%、AUC为0.98和0.97，并与未引入对比学习的有监督学习模型进行比较，同时构建了可实现图像上传、自动分析与诊断结果输出的云端诊断平台。
基于电子鼻咽喉镜图像的头颈恶性肿瘤人工智能辅助诊断模型
该研究回顾性收集五个医疗中心3 255例受试者的23 434张电子鼻咽喉镜图像（含15 465张喉镜与7 969张鼻咽镜图像），开发了头颈肿瘤智能诊断模型WSC-T，在喉及下咽癌诊断中内部与外部测试准确率为94.89%和91.04%、AUC为0.98和0.97，在鼻咽癌诊断中准确率为96.27%和92.31%、AUC为0.98和0.97，并与未引入对比学习的有监督学习模型进行比较，同时构建了可实现图像上传、自动分析与诊断结果输出的云端诊断平台。
该研究回顾性收集五个医疗中心3 255例受试者的23 434张电子鼻咽喉镜图像（含15 465张喉镜与7 969张鼻咽镜图像），开发了头颈肿瘤智能诊断模型WSC-T，在喉及下咽癌诊断中内部与外部测试准确率为94.89%和91.04%、AUC为0.98和0.97，在鼻咽癌诊断中准确率为96.27%和92.31%、AUC为0.98和0.97，并与未引入对比学习的有监督学习模型进行比较，同时构建了可实现图像上传、自动分析与诊断结果输出的云端诊断平台。
Journal of imaging informatics in medicine 2026年9月15日
该研究在伊朗德黑兰Farhikhtegan医院于2025年2月至12月常规结肠镜检查中前瞻性采集了来自455名患者的8181帧图像（432帧息肉阳性并带专家像素级分割掩膜、7749帧正常黏膜），为每例关联年龄、性别、检查指征、BBPS评分和操作时长等患者级元数据，并在统一协议下用患者分组五折交叉验证训练评估六种分割架构，发现PraNet内部Dice最高（0.755）、nnU-Net内部IoU最高（0.665）且像素准确率最高，但正常黏膜上的门控假阳性率从24.9%（YOLOv11m-seg）到59.5%（nnU-Net）几乎完全反转了内部Dice排序，而在公开Kvasir-SEG外部测试集上D
该研究在伊朗德黑兰Farhikhtegan医院于2025年2月至12月常规结肠镜检查中前瞻性采集了来自455名患者的8181帧图像（432帧息肉阳性并带专家像素级分割掩膜、7749帧正常黏膜），为每例关联年龄、性别、检查指征、BBPS评分和操作时长等患者级元数据，并在统一协议下用患者分组五折交叉验证训练评估六种分割架构，发现PraNet内部Dice最高（0.755）、nnU-Net内部IoU最高（0.665）且像素准确率最高，但正常黏膜上的门控假阳性率从24.9%（YOLOv11m-seg）到59.5%（nnU-Net）几乎完全反转了内部Dice排序，而在公开Kvasir-SEG外部测试集上D
FAR-POLYP-SEG：带患者级元数据的前瞻性单中心结肠镜息肉分割数据集与跨数据集基线评估
该研究在伊朗德黑兰Farhikhtegan医院于2025年2月至12月常规结肠镜检查中前瞻性采集了来自455名患者的8181帧图像（432帧息肉阳性并带专家像素级分割掩膜、7749帧正常黏膜），为每例关联年龄、性别、检查指征、BBPS评分和操作时长等患者级元数据，并在统一协议下用患者分组五折交叉验证训练评估六种分割架构，发现PraNet内部Dice最高（0.755）、nnU-Net内部IoU最高（0.665）且像素准确率最高，但正常黏膜上的门控假阳性率从24.9%（YOLOv11m-seg）到59.5%（nnU-Net）几乎完全反转了内部Dice排序，而在公开Kvasir-SEG外部测试集上D
该研究在伊朗德黑兰Farhikhtegan医院于2025年2月至12月常规结肠镜检查中前瞻性采集了来自455名患者的8181帧图像（432帧息肉阳性并带专家像素级分割掩膜、7749帧正常黏膜），为每例关联年龄、性别、检查指征、BBPS评分和操作时长等患者级元数据，并在统一协议下用患者分组五折交叉验证训练评估六种分割架构，发现PraNet内部Dice最高（0.755）、nnU-Net内部IoU最高（0.665）且像素准确率最高，但正常黏膜上的门控假阳性率从24.9%（YOLOv11m-seg）到59.5%（nnU-Net）几乎完全反转了内部Dice排序，而在公开Kvasir-SEG外部测试集上D
bioRxiv 2026年9月15日
本研究以cerastecin Cpd 4为模板，利用Link-INVENT与AutoMolDesigner两种人工智能工具进行分子设计与化学衍生化，发现靶向MsbA的小分子Y-11，其对鲍曼不动杆菌的MIC为0.5 g/mL，对碳青霉烯耐药菌株效力与Cpd4相当，且细胞毒性与溶血性更低、自发耐药频率更低，在小鼠感染模型中可有效降低细菌负荷，机制研究提示Y-11可能通过竞争性结合MsbA底物结合位点并调节ATP酶活性，抑制脂寡糖转运并破坏外膜形成。
本研究以cerastecin Cpd 4为模板，利用Link-INVENT与AutoMolDesigner两种人工智能工具进行分子设计与化学衍生化，发现靶向MsbA的小分子Y-11，其对鲍曼不动杆菌的MIC为0.5 g/mL，对碳青霉烯耐药菌株效力与Cpd4相当，且细胞毒性与溶血性更低、自发耐药频率更低，在小鼠感染模型中可有效降低细菌负荷，机制研究提示Y-11可能通过竞争性结合MsbA底物结合位点并调节ATP酶活性，抑制脂寡糖转运并破坏外膜形成。
深度强化学习驱动的MsbA靶向小分子抗生素发现及其抗鲍曼不动杆菌感染研究
本研究以cerastecin Cpd 4为模板，利用Link-INVENT与AutoMolDesigner两种人工智能工具进行分子设计与化学衍生化，发现靶向MsbA的小分子Y-11，其对鲍曼不动杆菌的MIC为0.5 g/mL，对碳青霉烯耐药菌株效力与Cpd4相当，且细胞毒性与溶血性更低、自发耐药频率更低，在小鼠感染模型中可有效降低细菌负荷，机制研究提示Y-11可能通过竞争性结合MsbA底物结合位点并调节ATP酶活性，抑制脂寡糖转运并破坏外膜形成。
本研究以cerastecin Cpd 4为模板，利用Link-INVENT与AutoMolDesigner两种人工智能工具进行分子设计与化学衍生化，发现靶向MsbA的小分子Y-11，其对鲍曼不动杆菌的MIC为0.5 g/mL，对碳青霉烯耐药菌株效力与Cpd4相当，且细胞毒性与溶血性更低、自发耐药频率更低，在小鼠感染模型中可有效降低细菌负荷，机制研究提示Y-11可能通过竞争性结合MsbA底物结合位点并调节ATP酶活性，抑制脂寡糖转运并破坏外膜形成。
Pain management 2026年9月15日
这项前瞻性队列研究纳入96名脊柱疼痛患者，在基线及1个月、3个月填写涵盖疼痛、情绪、睡眠、生活方式与治疗期望的问卷，以3个月时疼痛强度、功能障碍、生活质量与患者整体印象改善四个方面的二分恢复结局为目标，采用包含SHAP候选特征筛选、留一交叉验证与置换检验、泛化能力测试三步的机器学习框架，结果显示留一交叉验证AUC为0.93-0.99、集成交叉验证AUC为0.62-0.90，SHAP分析提示治疗期望积极、自我效能较高、年龄较轻、体质指数较低、合并症较少者恢复几率更高，心理功能障碍总体不利于恢复，而疼痛部位与疼痛持续时间对预测似乎不重要。
这项前瞻性队列研究纳入96名脊柱疼痛患者，在基线及1个月、3个月填写涵盖疼痛、情绪、睡眠、生活方式与治疗期望的问卷，以3个月时疼痛强度、功能障碍、生活质量与患者整体印象改善四个方面的二分恢复结局为目标，采用包含SHAP候选特征筛选、留一交叉验证与置换检验、泛化能力测试三步的机器学习框架，结果显示留一交叉验证AUC为0.93-0.99、集成交叉验证AUC为0.62-0.90，SHAP分析提示治疗期望积极、自我效能较高、年龄较轻、体质指数较低、合并症较少者恢复几率更高，心理功能障碍总体不利于恢复，而疼痛部位与疼痛持续时间对预测似乎不重要。
用面向小样本的机器学习框架识别脊柱疼痛脊椎按摩治疗结局的候选预测因子
这项前瞻性队列研究纳入96名脊柱疼痛患者，在基线及1个月、3个月填写涵盖疼痛、情绪、睡眠、生活方式与治疗期望的问卷，以3个月时疼痛强度、功能障碍、生活质量与患者整体印象改善四个方面的二分恢复结局为目标，采用包含SHAP候选特征筛选、留一交叉验证与置换检验、泛化能力测试三步的机器学习框架，结果显示留一交叉验证AUC为0.93-0.99、集成交叉验证AUC为0.62-0.90，SHAP分析提示治疗期望积极、自我效能较高、年龄较轻、体质指数较低、合并症较少者恢复几率更高，心理功能障碍总体不利于恢复，而疼痛部位与疼痛持续时间对预测似乎不重要。
这项前瞻性队列研究纳入96名脊柱疼痛患者，在基线及1个月、3个月填写涵盖疼痛、情绪、睡眠、生活方式与治疗期望的问卷，以3个月时疼痛强度、功能障碍、生活质量与患者整体印象改善四个方面的二分恢复结局为目标，采用包含SHAP候选特征筛选、留一交叉验证与置换检验、泛化能力测试三步的机器学习框架，结果显示留一交叉验证AUC为0.93-0.99、集成交叉验证AUC为0.62-0.90，SHAP分析提示治疗期望积极、自我效能较高、年龄较轻、体质指数较低、合并症较少者恢复几率更高，心理功能障碍总体不利于恢复，而疼痛部位与疼痛持续时间对预测似乎不重要。
The Journal of asthma : official journal of the Association for the Care of Asthma 2026年9月15日
该研究基于日本JAMDAS电子病历数据库，纳入2020年8月18日至2024年12月31日期间启动氟替卡松呋喃酸酯/乌美溴铵/维兰特罗单吸入器三联治疗的32258例哮喘患者，用结构化查询语言提取ACT评分、用大语言模型提取住院与急救转运数据，按日本2024年哮喘管理实用指南的临床缓解定义（无口服糖皮质激素、无急性发作、ACT≥23）在治疗后3至18个月按3个月间隔评估缓解比例、治疗模式、依从性与持续性，结果显示仅1.8-3.0%、0.5-1.5%和4.5-10.1%的患者分别有3至18个月的ACT、FEV1%或FeNO数据，在有3个月ACT数据的934例中41.1%在3个月时满足全部缓解组分、
该研究基于日本JAMDAS电子病历数据库，纳入2020年8月18日至2024年12月31日期间启动氟替卡松呋喃酸酯/乌美溴铵/维兰特罗单吸入器三联治疗的32258例哮喘患者，用结构化查询语言提取ACT评分、用大语言模型提取住院与急救转运数据，按日本2024年哮喘管理实用指南的临床缓解定义（无口服糖皮质激素、无急性发作、ACT≥23）在治疗后3至18个月按3个月间隔评估缓解比例、治疗模式、依从性与持续性，结果显示仅1.8-3.0%、0.5-1.5%和4.5-10.1%的患者分别有3至18个月的ACT、FEV1%或FeNO数据，在有3个月ACT数据的934例中41.1%在3个月时满足全部缓解组分、
日本真实世界电子病历数据库能否用于评估哮喘临床缓解：一项回顾性可行性研究
该研究基于日本JAMDAS电子病历数据库，纳入2020年8月18日至2024年12月31日期间启动氟替卡松呋喃酸酯/乌美溴铵/维兰特罗单吸入器三联治疗的32258例哮喘患者，用结构化查询语言提取ACT评分、用大语言模型提取住院与急救转运数据，按日本2024年哮喘管理实用指南的临床缓解定义（无口服糖皮质激素、无急性发作、ACT≥23）在治疗后3至18个月按3个月间隔评估缓解比例、治疗模式、依从性与持续性，结果显示仅1.8-3.0%、0.5-1.5%和4.5-10.1%的患者分别有3至18个月的ACT、FEV1%或FeNO数据，在有3个月ACT数据的934例中41.1%在3个月时满足全部缓解组分、
该研究基于日本JAMDAS电子病历数据库，纳入2020年8月18日至2024年12月31日期间启动氟替卡松呋喃酸酯/乌美溴铵/维兰特罗单吸入器三联治疗的32258例哮喘患者，用结构化查询语言提取ACT评分、用大语言模型提取住院与急救转运数据，按日本2024年哮喘管理实用指南的临床缓解定义（无口服糖皮质激素、无急性发作、ACT≥23）在治疗后3至18个月按3个月间隔评估缓解比例、治疗模式、依从性与持续性，结果显示仅1.8-3.0%、0.5-1.5%和4.5-10.1%的患者分别有3至18个月的ACT、FEV1%或FeNO数据，在有3个月ACT数据的934例中41.1%在3个月时满足全部缓解组分、
Acta radiologica (Stockholm, Sweden : 1987) 2026年9月15日
这项回顾性研究分析了瑞典西南部一家大型急诊医院的4027例连续非增强头颅CT检查，比较三种商业人工智能算法检测颅内出血的表现，结果显示算法间差异明显，仅Aidoc达到临床相关准确度（敏感度90.3%、特异度99.0%），而将其与人类阅片者以理想化逻辑或模型模拟结合后，敏感度提升至96.0%、特异度维持99.4%（P<0.001），与两名放射科医师相当。
这项回顾性研究分析了瑞典西南部一家大型急诊医院的4027例连续非增强头颅CT检查，比较三种商业人工智能算法检测颅内出血的表现，结果显示算法间差异明显，仅Aidoc达到临床相关准确度（敏感度90.3%、特异度99.0%），而将其与人类阅片者以理想化逻辑或模型模拟结合后，敏感度提升至96.0%、特异度维持99.4%（P<0.001），与两名放射科医师相当。
三种商业人工智能算法在急诊放射科检测颅内出血的回顾性比较
这项回顾性研究分析了瑞典西南部一家大型急诊医院的4027例连续非增强头颅CT检查，比较三种商业人工智能算法检测颅内出血的表现，结果显示算法间差异明显，仅Aidoc达到临床相关准确度（敏感度90.3%、特异度99.0%），而将其与人类阅片者以理想化逻辑或模型模拟结合后，敏感度提升至96.0%、特异度维持99.4%（P<0.001），与两名放射科医师相当。
这项回顾性研究分析了瑞典西南部一家大型急诊医院的4027例连续非增强头颅CT检查，比较三种商业人工智能算法检测颅内出血的表现，结果显示算法间差异明显，仅Aidoc达到临床相关准确度（敏感度90.3%、特异度99.0%），而将其与人类阅片者以理想化逻辑或模型模拟结合后，敏感度提升至96.0%、特异度维持99.4%（P<0.001），与两名放射科医师相当。

第 40 页 · 当前显示 10 项