*僅供醫(yī)學專業(yè)人士閱讀參考

《柳葉刀》最新研究揭示AI短板。

撰文：醫(yī)學界報道組

如果現(xiàn)在告訴你，有一種聽診器，不僅能聽心跳，還能在15秒內(nèi)分析出你是否患有心力衰竭、房顫或心臟瓣膜病，你會不會覺得它是基層醫(yī)療期盼已久的利器？

這正是近年來備受關(guān)注的人工智能（AI）聽診器。然而，近日發(fā)表在《柳葉刀》（

The Lancet

圖1 研究截圖

乍看之下，這像是AI技術(shù)在現(xiàn)實面前栽了個跟頭，但數(shù)據(jù)深處，是另一個不同的說法。

矛盾的數(shù)據(jù)藏著什么？

研究人員將AI聽診器投放到真實的社區(qū)診所，沒有額外的經(jīng)濟激勵，完全取決于真實的工作節(jié)奏和意愿。

在意向性分析（即按照分組整體比較）中，AI干預(yù)組的心衰檢出率（2.58/千人年）甚至略低于常規(guī)對照組（2.76/千人年）（圖2）。從公共衛(wèi)生角度看，投入資源引入新工具，卻沒有換來整體診斷率的提升，這無疑令人失望。

圖2 12個月時心力衰竭、心房顫動和心臟瓣膜病的未調(diào)整發(fā)病率比

然而，當研究者聚焦于那些真正接受了AI檢查的患者（符合方案分析）時，卻看到了截然不同的景象：心衰檢出率提升至2.33倍，房顫檢出率提升至3.45倍，瓣膜病檢出率也顯著增加。更關(guān)鍵的是，從檢查到確診的時間明顯縮短——這意味著患者能更早進入治療環(huán)節(jié)。

兩組數(shù)據(jù)的巨大反差，指向一個核心問題：算法本身很能打，但大多數(shù)時候，它根本沒被用起來。

落地現(xiàn)實，“用不起來”才是最大的問題

為什么近40%的診所在一年后徹底放棄了這款設(shè)備（圖3）？

圖3 第一年AI聽診器的使用情況

長期以來，大眾對AI醫(yī)療的期待往往停留在“準確性”上——只要算法夠靈敏、特異性夠高，醫(yī)生就該趨之若鶩。

大量心血管疾病患者在早期僅有輕微癥狀，甚至毫無察覺，等到因胸悶、氣喘去大醫(yī)院就診時，往往已進入中晚期，錯過了最佳干預(yù)時機。如果能通過AI在基層篩查中“揪出”這些隱匿情況，不僅可以改善患者預(yù)后，還能大幅節(jié)約后續(xù)的住院治療費用。

但在繁忙的醫(yī)療場景中，一名全科醫(yī)生平均只有幾分鐘接診一位患者。如果除了常規(guī)問診、聽診，還要額外掏出設(shè)備、連接手機App、等待15秒波形記錄、再手動將結(jié)果錄入病歷——這些看似微小的“多余步驟”，在日復(fù)一日的高強度工作中足以消磨掉任何熱情。更別提設(shè)備與電子病歷尚未打通，結(jié)果需要手工填寫，進一步增加了出錯可能和工作量。

同時，成本問題同樣不可回避，未來若要大規(guī)模推廣，硬件采購、軟件授權(quán)、維護更新的費用，都將成為醫(yī)保體系和基層機構(gòu)的現(xiàn)實考量。只有當早篩帶來的長期衛(wèi)生經(jīng)濟效益能夠覆蓋這些成本，AI聽診器才能真正走進千家萬戶。

勢在必行，但路在何方？

TRICORDER研究不是告訴我們“AI有沒有用”，而是提醒我們“AI怎樣才能有用”。研究結(jié)果已經(jīng)顯示，一旦使用，效果是驚人的：在早期心衰、房顫這類隱匿性疾病面前，AI的敏感性遠超大部分人類。

因此，下一步的思考重點必須是“適應(yīng)”與“融合”。

首先，是技術(shù)的適應(yīng)。比如將AI直接嵌入電子病歷系統(tǒng)，聽診的同時自動記錄、自動分析、自動彈出提醒；或者與體檢流程整合，形成“AI初篩—醫(yī)生復(fù)核—綠色轉(zhuǎn)診”的標準化路徑。只有把“主動操作”變成“自動記錄”，才能真正解放醫(yī)生。

與此同時，政策層面也需要配套支持。能否將AI早篩納入公衛(wèi)服務(wù)包？能否通過醫(yī)保支付方式改革，激勵基層主動使用新技術(shù)？這些系統(tǒng)性的“軟件”升級，也非常關(guān)鍵。

AI在醫(yī)療領(lǐng)域的發(fā)展勢不可擋，但醫(yī)療終究是人的事業(yè)。再聰明的算法，也需要通過醫(yī)生的手才能觸達患者。讓技術(shù)去適應(yīng)人的節(jié)奏，而不是反過來，這才是患者獲益的根本保障。

參考文獻：

[1]Kelshiker MA, B?chtiger P, Petri CF, Nakhare S, Mansell J, Chhatwal K, Alrumayh A, Zaman J, Shah M, Young H, Roy H, Almonte MT, Costelloe C, Razak Y, Majeed A, Howard JP, Barton C, Kramer DB, Plymen CM, Peters NS. Triple cardiovascular disease detection with an artificial intelligence-enabled stethoscope (TRICORDER) in the UK: a cluster-randomised controlled implementation trial. Lancet. 2026 Feb 14;407(10529):704-715.

責任編輯：葉子子

*“醫(yī)學界”力求所發(fā)表內(nèi)容專業(yè)、可靠，但不對內(nèi)容的準確性做出承諾；請相關(guān)各方在采用或以此作為決策依據(jù)時另行核查。