人工智能在初级医疗分诊中的应用:一项临床适用性的范围综述

《International Journal of Medical Informatics》:Artificial intelligence for triage in primary Care: A scoping review of clinical applicability

【字体: 大 中 小 】 时间:2026年10月14日 来源:International Journal of Medical Informatics 5.0

编辑推荐:

  目的:绘制为初级医疗分诊开发的人工智能(AI)系统,并描述其特性、性能及临床适用性。方法:依据PRISMA-ScR指南进行了一项范围综述。检索了PubMed、MEDLINE(via Ovid)、Embase、Web of Science、CINAHL(via

  
目的:绘制为初级医疗分诊开发的人工智能(AI)系统,并描述其特性、性能及临床适用性。方法:依据PRISMA-ScR指南进行了一项范围综述。检索了PubMed、MEDLINE(via Ovid)、Embase、Web of Science、CINAHL(via EBSCOhost)、IEEE Xplore和ACM Digital Library,检索截止至2026年3月14日。两名审稿人独立筛选研究,并提取关于系统特征、分诊功能、性能、验证、安全性、公平性和实施的数据。每项系统均按分诊功能以及其面向患者(patient-facing)、面向临床医生(clinician-facing)或全自动进行分类制图。结果:共纳入17项研究,发表于2013年至2026年间,涵盖12个国家(14/17来自高收入国家)。大多数为面向临床医生的决策支持系统(14/17),三项包含面向患者的组件,无自主运行系统。诊断或筛查分诊是最常见的功能(n=7),其次是优先级排序(n=4)和转诊路径分流(n=4)。仅两项进行了紧急程度分类或自我分诊。作为临床医生的辅助工具,AI提升了性能(眼底准确性从82.8%提升至91.1%;皮肤镜管理灵敏度从72.9%提升至94.2%),但独立模型有时表现低于临床医生。报告的准确性范围为41.2%至98.28%,受试者工作特征曲线下面积(AUROC)范围为0.65至0.90,基于异质性结局指标。验证主要为内部验证(11/17),四项进行了外部验证。无研究报告前瞻性随机对照试验或测量患者结局。结论:初级医疗中的AI分诊集中于面向临床医生的诊断和转诊任务,且在增强临床医生(尤其是非专科医生)工作流程方面最具价值。现有证据基础尚不成熟,受限于内部验证、不可靠的金标准、稀疏的公平性评估以及缺乏前瞻性结局数据。未来研究应优先开展以结局为导向的前瞻性评估,并关注安全性与公平性。
研究背景与问题
初级医疗是大多数患者接触卫生系统的第一站,在许多国家扮演着专科和急诊服务守门人的角色。随着人口老龄化和慢性病负担增加,加之初级医疗人力增长有限,对分诊服务的需求持续增长。分诊是指根据临床紧急程度对患者进行分类,并将其引导至适当级别和时间的护理过程。传统分诊依赖临床医生判断或结构化规则协议,但这些方法存在局限性:临床医生判断主观性强且变异大,规则协议则趋于保守、易导致过度分诊,且灵活性不足。人工智能(AI)和机器学习被提出用于支持分诊决策,可分析大量异构数据并识别固定规则难以捕捉的模式。然而,现有综述未能回答AI在初级医疗分诊中的具体应用情况。为此,研究人员开展了此项范围综述,旨在识别和描述已开发的用于初级医疗分诊的AI系统,包括其使用的临床数据、执行的分诊功能、面向对象、报告准确性、验证成熟度及临床影响证据。
研究方法
研究人员遵循PRISMA-ScR指南进行了范围综述。检索策略覆盖七个数据库:PubMed、MEDLINE(via Ovid)、Embase、Web of Science、CINAHL(via EBSCOhost)、IEEE Xplore和ACM Digital Library,检索时间从建库至2026年3月14日。两名审稿人独立进行标题摘要筛选和全文筛选,分歧由第三名审稿人解决。数据提取采用标准化电子表格模板,提取字段涵盖研究特征、人群背景、AI系统特征、分诊特征、金标准和比较器、验证方法、性能指标、安全性、临床影响和公平性考虑等。每项系统按两个维度制图:分诊功能和系统导向(面向患者、面向临床医生或自主运行)。由于预期存在临床和方法学异质性,未进行定量荟萃分析。
研究结果
3.1 研究选择
检索共获得874条记录,去重后筛选641篇标题和摘要,评估66篇全文,最终纳入17项研究。两名审稿人独立筛选,分歧由第三名审稿人解决。
3.2 纳入研究特征
17项研究发表于2013年至2026年间,多数从2020年起发表,涵盖12个国家,14项来自高收入国家。美国贡献4项,英国3项。设置包括儿科初级医疗、全科、电话和虚拟初级医疗、患者门户消息、初级到二级转诊路径以及皮肤科、眼科和认知评估等专科筛查。无研究遵循TRIPOD-AI或STARD报告指南。单模态输入占主导(8/17),自由文本驱动6项系统,图像驱动4项系统。AI方法多样,包括深度学习图像分类器、经典机器学习、自然语言处理(NLP)和大语言模型(LLMs)。
3.3 分诊应用与性能
4.1 紧急程度分类与自我分诊
两项研究直接涉及紧急程度。Entezarjou等人测试了朴素贝叶斯分类器,将300份数字就诊前病史分为紧急与非紧急,以五名初级保健医生的多数投票为金标准,非紧急一致性74%,紧急仅42%,Cohen's kappa为0.17,表明人类分诊标签本身不可靠。Sorich等人对三个前沿LLM进行48个已验证病例基准测试,分诊正确率92.4%,前三诊断正确率98.6%,优于21名初级保健医生的91.3%和95.6%。
4.2 优先级排序与风险分层
四项研究按风险对患者或内容进行排序。Klann等人应用贝叶斯结构学习于29,402份儿科记录,生成个性化后验概率以优先安排预防保健内容,平均判别力中等(AUC 0.65)。Ellertsson等人将呼吸症状患者分为十个风险组,最低五个风险组中无肺炎胸片或医生肺炎诊断,支持减少低效影像的策略。Wu等人标注2,239条患者门户消息并开发预训练语言模型分类器用于收件箱优先级排序,融合模型主诉分类准确率0.79,F1值0.78。
4.3 处置与转诊路径分流
四项研究将患者路由至后续路径。Wang等人开发混合NLP-机器学习模型,从转诊信和结构化数据中将风湿病转诊分为炎症性关节炎与非炎症性,准确率0.82,AUROC 0.90,F1 0.83;真实世界试点中模型略优于临床医生(召回率0.81 vs 0.78,精确率0.83 vs 0.80),估计每周节省约8个临床医生小时。Jenkins等人评估血液拉曼光谱分类器,对结直肠癌总体灵敏度95.7%(I/II期78.6%),特异度69.3%,AUROC 0.80。Kim等人评估AI眼底解读辅助工具,四名非眼科医生阅读500张彩色眼底照片,诊断准确率从无辅助时的82.8%提升至91.1%(p<0.0001)。
4.4 诊断与筛查分诊
七项研究产生驱动分诊决策的诊断、鉴别诊断或疾病特异性风险。Zeltzer等人评估嵌入虚拟初级医疗工作流的AI医学访谈和鉴别诊断系统,覆盖102,059次就诊,提供者选择AI列出诊断的比例为84.2%,首选AI诊断比例为60.9%。Block等人测试皮肤镜AI设备,43名临床医生阅读50个病灶,AI支持使恶性病变管理灵敏度从72.9%提升至94.2%。Widiawaty等人报告多模态模型结合病灶图像和病史文本,分类特应性皮炎vs非特应性皮炎准确率达98.28%,但作者指出高准确性可能反映狭窄鉴别诊断范围。Bendifallah等人开发基于症状的子宫内膜异位症筛查,外部验证灵敏度0.91-0.95,特异度0.66-0.92。
4.5 与临床医生及常规分诊的比较性能
八项研究比较了AI系统与临床医生或常规分诊。当AI用作临床医生辅助工具时,性能提升;当AI独立评估时,可能低于临床医生。例如,AI辅助使眼底筛查准确率提升8.3个百分点,皮肤镜管理灵敏度提升超过20个百分点;而174类皮肤病网络独立准确率41.2%,低于全科医生的49.3%。
4.6 性能与验证总结
报告判别力从预防保健优先级排序的平均AUC 0.65到风湿病转诊分诊的0.90不等,诊断准确率从41.2%到98.28%。验证主要为内部验证(11/17),四项包含外部验证,无研究报告前瞻性随机对照试验。
4.7 验证成熟度
验证主要为内部验证。11项研究依赖交叉验证、留出法或单队列测试。四项包含外部验证,但部分评估有限(如模拟病例而非真实患者)。三项采用读者设计将临床医生置于循环中,七项在前瞻性或真实世界环境中应用系统。无研究报告前瞻性随机比较。
4.8 安全性、公平性与临床影响
显式安全性指标罕见。少数研究报告了漏诊或过度分诊率,安全性通常从灵敏度推断。公平性或亚组表现在四项研究中得到考察,其余13项未检验公平性。临床影响结局多为预测而非实测。
4.9 实施状态
向常规护理转化有限。一项系统嵌入实时虚拟初级医疗工作流(Zeltzer等人),但仍是回顾性评估。其余处于试点、读者研究或模型开发阶段。报告障碍包括依赖不完美的人类金标准、图像质量和肤色依赖性、狭窄鉴别诊断和语言限制、专有模型版本不稳定以及整合至现有工作流的挑战。
讨论与结论
讨论总结:本综述发现AI在初级医疗分诊中的应用集中于面向临床医生的诊断和转诊任务,几乎均为近五年研究。三个特征定义了这一领域:几乎所有系统都是面向临床医生的决策支持(14/17),三项添加了面向患者组件,无自主运行系统;任务很少是分诊所暗示的对未分化患者的通用紧急程度分类,多数在限定领域内产生诊断、疾病特异性风险或转诊决策;证据基础不成熟,以内部验证为主,无前瞻性随机比较,几乎无患者或服务结局的实测效果。一个模式贯穿始终:作为临床医生辅助工具,AI倾向于提升性能,尤其对非专科医生;作为独立分类器,有时低于临床医生;当意图替代人类判断时,作为金标准的人类判断往往不可靠。最清晰的实用信号涉及AI相对于临床医生的定位:作为辅助工具改善了决策,对经验较少的用户改善最大;独立评估时相同模型有时低于临床医生。更深层障碍在于定义正确的分诊决策本身:当临床医生判断作为金标准时,其可靠性脆弱;直到评估锚定于下游结局而非与单个临床医生的一致性,紧急程度和处置的性能应谨慎解读。公平性方面,14/17研究来自高收入国家,仅四项考察亚组表现,且发现需警惕的结果。研究还讨论了与现有文献的比较,指出本综述发现与临床AI更广泛的模式一致,即前景看好的内部性能超越了泛化性、校准和真实世界益处的证据。
研究结论翻译:人工智能在初级医疗分诊中的应用是一个活跃但早期的领域,其当前优势在于增强临床医生(尤其是非专科医生)的工作流程,针对定义明确的诊断和转诊任务,而非在入口处对未分化患者进行分类或自主运行。该证据中最可靠的信号是,在直接比较AI辅助和未辅助临床医生时,模型支持可以改善临床医生性能,可能在专科医生可及性受限时最为有用。这一前景受到不成熟证据基础的制约:验证主要为内部验证,紧急程度和处置的金标准常不可靠,公平性鲜少被考察,且这些工具能改善患者或服务结局的前瞻性证据几乎完全缺失。当前优先事项是在真实初级医疗工作流程中进行前瞻性、以结局为导向的评估,而非进一步展示内部准确性,并明确关注安全性、公平性和透明报告。在此类证据存在之前,初级医疗中的AI分诊最好被视为一种有前景的临床判断辅助工具,其真实世界价值尚未被证实。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号