撰文丨王聰

編輯丨王多魚

排版丨水成文

鑒于人工智能（AI）模型存在的偏見和倫理問題，在臨床環境中實現疾病的全自動診斷頗具挑戰。相比之下，臨床醫生與 AI 的協作被認為對于確保在臨床實踐中使用 AI 模型的有效性和可靠性至關重要。然而，有關臨床醫生與 AI 協作的有效策略仍鮮有探索。

2025 年 4 月 11 日，華中科技大學李強、楊曉云等人在 Cell 子刊Med上發表了題為：Clinician-artificial intelligence collaboration: A win-win solution for efficiency and reliability in atrial fibrillation diagnosis 的研究論文。

該研究開發了一種新型的臨床醫生與 AI 協作框架，將 AI 的模式識別能力與臨床醫生的診斷敏銳度相結合。在針對陣發性心顫（PAF）驗證試驗中，僅由臨床醫生進行的評估漏診了 13.7% 的 PAF 病例，而僅由 AI 進行的評估則將 23.3% 的非房顫患者誤診為 PAF。而臨床醫生與 AI 協作實現了 100% 的診斷準確率，同時將臨床醫生的工作量降低了 76.7%。

這種協作模式彌合了 AI 與臨床工作流程之間的實施差距，為提高房顫篩查效率提供了經過驗證的藍圖，同時又不降低診斷的嚴謹性。

人工智能（AI）的快速發展極大地推動了醫學領域的研究與創新。AI 已成功融入臨床工作流程，有助于識別多種疾病，例如乳腺癌、前列腺癌、糖尿病、視網膜病變、結腸癌、肺結節和肺結核等，從而提高了診斷性能，減輕了臨床醫生的工作負擔。這些有效的臨床 AI 應用主要依賴于醫學影像。相比之下，基于長期生理信號的 AI 應用的報告卻十分匱乏。此外，成功的 AI 模型通常與臨床醫生的評估相結合使用。

眾所周知，由于訓練和部署環境之間的分布差異以及在特定子群體中的表現不佳，AI 模型在任何部署環境中都可能表現不佳。這一點在臨床環境中尤為重要，因為預測不準可能會給患者帶來嚴重后果。目前的臨床應用主要將預測性 AI 作為輔助工具，最終決策仍由臨床醫生做出。

因此，迫切需要一種有效的臨床醫生與 AI 協作策略，以確保預測性 AI 模型在臨床應用中的成功。

該研究提出了一種三步、通用的臨床醫生與 AI 協作流程，旨在提高疾病診斷效率——

首先，利用大規模真實世界臨床數據集評估并明確臨床醫生在疾病診斷方面的優勢與不足；

其次，開發一種 AI 模型以彌補臨床醫生在疾病診斷方面的不足；

最后，提出一種臨床醫生與 AI 協作策略，以充分發揮 AI 和臨床醫生的優勢。

該協作流程的有效性通過一項針對臨床陣發性心顫（PAF，一種常見的心律失常）檢測的研究得到了驗證，該研究利用了超過 30000 名患者的 24 小時動態心電圖記錄。

結果顯示，在陣發性房顫（PAF）檢測中，單獨依靠臨床醫生需要耗費大量時間分析數據，漏診了 13.7% 的 PAF 患者，但成功排除了所有非房顫患者；單獨依靠 AI則幾乎未漏診 PAF 患者，但將 23.3% 的非房顫患者誤診為 PAF。而實施該研究提出的臨床醫生與 AI 協作策略后，所有患者均被正確識別 ，實現了 100% 的診斷準確率，且臨床醫生的工作量降低了 76.7%。

總的來說，這項研究提高了 陣發性房顫（PAF）檢測的效率和可靠性，彌合了 AI 模型開發與臨床應用之間的差距，從而有效地推動了 AI 模型在臨床心顫篩查中的應用。

論文鏈接：

https://www.cell.com/med/fulltext/S2666-6340(25)00095-9