2026年临床人工智能状况报告

核心观点

• 模型性能：前沿推理模型在复杂推理任务上表现出色，接近人类水平，但在不确定性、信息缺失或环境变化的情况下表现不稳定。预测模型在可扩展预测方面取得突破，但仍需更多研究证明其对患者结局的实际影响。
• 基准与评估：现有的评估方法存在缺陷，过度关注医学知识，而忽视了真实临床数据、偏见/公平性、行政任务和对话等方面。新的基准测试正在开发中，以更真实地评估模型在模拟 EHR 环境和真实对话中的表现。
• 基础方法：将医疗数据转换为标记的新技术为疾病预测和风险分层带来了新的可能性。多智能体系统和多模态诊断支持正在推动临床 AI 的发展。推理模型仍有改进空间，需要更强的元认知能力和对不确定性的处理能力。
• 临床工作流程：AI 在临床工作流程中可以增强临床医生，提高准确性和效率，但目前协作方式尚未优化。AI 书记等工具可以减轻行政负担，但客观效益仍需进一步研究。
• 患者端 AI：患者端 AI 在病史采集、健康指导和可穿戴设备支持方面具有巨大潜力，但也引发了过度信任和缺乏监督的风险。
• 应用 AI 与演示：AI 在影像学领域的应用最为广泛，其他专科也开始利用非侵入性数据来改善风险分层。在重症监护和外科领域，AI 正被用于指导治疗决策和资源分配。操作使用案例包括患者分诊/转诊、临床试验资格和不良事件判定。

关键数据

• 目前已有超过 1200 个获得 FDA 批准的 AI 工具和 350000 多个消费者应用程序，市场规模达到 700 亿美元。
• 691 个获得 FDA 批准的 AI/ML 医疗设备中，超过 95% 通过了 510(k) 批准途径，该途径基于与现有设备的等效性，而许多现有设备是在证据不足的情况下批准的。
• 50% 的 FDA 设备摘要省略了研究设计，53% 缺乏样本量，不到 1% 报告了患者结局。
• 95% 的设备摘要没有报告人口统计数据，91% 缺乏偏见评估，这引发了在真实世界使用中的安全和公平性担忧。
• 前沿推理模型在 NEJM 病例病理学会议 (CPC) 案例中达到了 78% 的诊断准确率，并选择了正确的下一步检测 87% 的时间。
• o1-preview 在由医生评定的临床推理质量方面实现了 99% 的完美评分，显著优于 GPT-4 (59%) 和主治医师 (35%)。
• 一项研究显示，使用 GPT-4 的医生在复杂的管理推理任务上比传统临床资源表现得更好，但并没有超过模型本身。
• 另一项研究表明，使用定制的 GPT-4 系统作为第一或第二意见，与传统的临床资源相比，显著提高了诊断准确率。
• 一项研究显示，AI 书记可以主观上减轻医生的工作量，但客观上的时间节省仍然微乎其微。
• 一项研究显示，使用 AI 支持的乳腺 X 光检查，乳腺癌检出率从 5.7% 提高到 6.7%，而没有显著增加召回率。

研究结论

• 临床 AI 正在快速发展，但对其真实临床影响的证据仍然有限。
• 需要改进评估方法，以更全面地评估模型在真实世界中的表现。
• AI 在临床工作流程中可以增强临床医生，但需要优化协作方式。
• 患者端 AI 具有巨大潜力，但也需要加强安全监管。
• AI 在影像学领域的应用最为广泛，其他专科也开始探索其应用。
• 未来需要更多前瞻性研究来评估 AI 对患者结局的实际影响。