综述：人工智能在医疗实践中的应用：系统评价的梳理分析

《Artificial Intelligence in Medicine》：The application of artificial intelligence in healthcare practice: A mapping review of systematic reviews

　　•对369篇关于人工智能在医疗实践中的应用的相关系统评价进行的汇总分析。•68%的综述指出，相关人工智能模型是基于诊断影像、电子健康记录以及生物标志物数据训练而成的。•近期，利用可穿戴设备、传感器以及其他健康数据的人工智能应用有所增加。•在已报道的应用中，诊断、预后评估和治疗占据了80%以上。•相关的伦理问题包括隐私保护、算法偏见、准确性以及可解释性。

引言
人工智能正在快速发展，并在医疗实践中发挥着越来越重要的作用[1]。应用于医疗领域的人工智能技术为诊断、治疗和预后评估等提供了便利。过去十年间，针对人工智能在医疗实践中的应用的研究与综述数量大幅增加[2]。越来越多的相关综述表明，人工智能有潜力大规模提升医疗效果。本研究通过对近期关于人工智能在医疗领域应用的系统评价进行整合，旨在梳理当前现状、追踪最新趋势，并为未来的研究提供指导。

越来越多的研究表明，将人类专业知识与人工智能能力相结合，能够产生比单独使用任何一方更好的成果[3][4]。这种结合模式现在被称为人机协作、以人为中心的人工智能或增强型智能[5]。美国医学会将增强型智能定义为“一种强调人工智能辅助作用的人工智能概念，其设计目的是提升人类智能而非替代人类智能”[6]。在临床环境中，增强型智能可通过将计算精度与临床判断力及情境意识相结合，提高诊断和预后评估的准确性，为治疗方案提供有力支持，进而优化护理规划[7][8]。例如，人工智能模型可以快速分析影像或实验室数据，而临床医生则负责验证结果、考虑患者个体差异并做出最终决策。这种协作模式不仅充分利用了人类与机器的优势，还解决了过度依赖自主系统所带来的部分问题。

随着人工智能的快速发展，大量综述研究了其发展历程及其在临床工作流程中的逐步整合情况。Loh等人[9]对2011年至2022年间的人工智能在医疗领域的应用进行了系统评价。他们将相关应用分为多个类别，包括影像与检测结果解读、诊断、治疗、患者数据管理、医疗管理以及预测医学。这些人工智能应用涵盖了众多医学专业和疾病领域。例如，Rashid等人[10]对急性呼吸窘迫综合征领域的人工智能应用进行了系统评价，发现其中有一些应用在诊断、预后评估和治疗方面具有很高的准确性。Xu与Xu[11]则对机器学习在预防性医疗中的应用进行了系统评价，重点探讨了机器学习在预防或管理慢性疾病方面的应用，而这些疾病在2021年是全球十大死亡原因中的几类。

为了整合这些系统评价，有必要开展一种映射式综述。映射式综述特别适合用于整合大量且多样化的证据[13]。此外，它还能对现有文献进行结构化分类，识别出其中的空白之处，从而为后续的系统评价或原始研究提供方向。Kolasa等人[14]对关于机器学习在医疗领域应用的系统评价进行了文献综述，有效整合了相关知识，提升了我们对这一重要主题的理解。他们共找到了220篇在2010年至2023年3月期间发表的系统评价，分析了这些评价的发表年份、研究的疾病类型、用于训练模型的数据类型以及所使用的机器学习模型类型。他们发现，研究最多的疾病是肿瘤以及神经系统疾病；而用于训练人工智能模型的主要数据来源则是影像资料和临床记录。总体而言，他们的研究结果既体现了与机器学习相关的医疗研究的发展速度，也指出了在可解释性、模型验证以及与临床工作流程的整合方面的不足，进一步丰富了我们对人工智能在医疗领域应用的认识。

在以往研究的基础上，我们可以通过以下方式进一步深化对人工智能在医疗领域应用的理解：
(a) 需要更新现有研究，以反映人工智能在医疗领域应用的最新进展。Kolasa等人[14]所综述的内容截至2023年3月，其中88%的综述发表于2020年至2021年间。
(b) 自Kolasa等人[14]进行综述以来，人工智能技术及相关研究取得了飞速发展。尤其是2022年底ChatGPT的问世，以及此后大型语言模型在各个领域的迅速普及，为人工智能的研究与应用带来了重大转折点[15]。随着人工智能在医疗领域应用的不断拓展，近年来相关综述的数量也急剧上升。根据PubMed的统计，2023年4月至2026年2月期间，共有1818篇关于人工智能在医疗实践中的应用的综述被发表。
(c) 需要开展纵向分析，以了解数据类型和应用场景等要素随时间的变化趋势。纵向分析有助于我们把握人工智能在医疗领域的发展进程，并预测其未来走向。例如，Cicek和Bagci[16]就发现了新的数据类型和应用场景——诸如远程监测数据这类新数据类型有助于更早地发现疾病；而通过人工智能驱动的听觉工具实现临床文档自动化的新应用也已开始在临床实践中得到应用。
(d) 需要关注相关的伦理问题。隐私保护、准确性、算法偏见以及可解释性等都是医疗领域面临的重大挑战[17]。据我们所知，目前尚未有大量研究专门探讨人工智能在医疗领域中的伦理问题及其演变趋势。

为填补这些空白，我们开展了这项映射式综述，旨在回答以下研究问题：
1. 人工智能在医疗实践中的应用具有哪些特征？
2. 医疗数据类型
a. 哪些类型的医疗数据被用于训练人工智能模型？
b. 用于训练人工智能模型的医疗数据类型随时间发生了怎样的变化？
3. 人工智能在医疗领域的应用
a. 哪些人工智能工具已被应用于医疗实践？
b. 这些人工智能工具在医疗实践中的应用情况随时间有何变化？
4. 伦理问题
a. 人工智能在医疗实践中的应用存在哪些伦理问题？
b. 这些伦理问题随时间发生了怎样的变化？

通过回答这些问题，我们期望能够全面概述人工智能在医疗实践中的应用状况，识别出关键趋势，同时指出现有的不足与局限性。这种方法能够为我们提供一个全面的视角，帮助即将进入人工智能领域的学者了解现状，也为这一快速发展领域的未来研究提供指引。

方法
为回答上述研究问题，我们采用了映射式综述方法，并使用Covidence这一系统评价数据管理软件（https://www.covidence.org/）来管理整个综述过程。在研究过程中，我们遵循了广泛采用的《系统评价和Meta分析报告规范》（PRISMA）检查表（见附录A）[18]，图1展示了PRISMA流程图。本节将介绍搜索策略、纳入与排除标准、筛选过程等内容。

RQ1：人工智能在医疗实践中的应用特征
我们从多个维度描述了这些综述的特征。图2、图3、图4和图5展示了这些综述的基本信息，包括发表年份、国家、发表期刊以及涉及的医学专业。
(a) 从2019年到2025年，综述的数量持续增长，2025年达到峰值，共有149篇综述（见图2）。2019年和2020年的综述数量远远低于后续年份。
(b) 第一作者的国籍，以及第一作者所在的国家/地区中出现频率最高的四个地区。

RQ1：人工智能在医疗实践中的应用特征
从2019年到2025年，系统评价的数量持续增长，这一趋势反映出人们对人工智能在医疗领域应用的兴趣日益浓厚，其应用也愈发广泛。由于这一研究领域尚处于起步阶段，早期的研究样本量可能较小，但2025年的高峰则表明，人工智能已经从一个小众研究方向转变为主流研究重点。这一趋势与各行各业采用人工智能的总体趋势一致，尤其是随着医疗机构越来越重视……

主要研究发现
这项映射式综述为理解人工智能在医疗实践中的应用做出了多项重要贡献。首先，我们整合了368篇系统评价的证据，从多个维度分析了人工智能在医疗领域的应用情况，包括发表趋势、地理分布、研究主题以及涉及的医学专业。我们发现了研究较为集中的领域，如放射学、肿瘤学和重症监护学，同时也注意到一些研究较少的相关专业和疾病领域，这进一步凸显了……

关于开放数据与伦理的说明
如需获取本研究的相关数据，可向相应作者提出合理请求后获取。由于这是一项映射式综述，因此并未涉及任何动物或人类数据的收集与使用，也就无需获得伦理审批或知情同意。

CRediT作者贡献说明
Adam Andersen：写作——综述与编辑、写作——初稿撰写、可视化、验证、软件应用、项目管理、方法论设计、正式分析、数据整理。
Ruiping Huang：写作——综述与编辑、验证、软件应用、项目管理、方法论设计、数据整理、概念构建。
Edward Jiusi Liu：写作——综述与编辑、数据整理。

资金来源
本研究未获得公共部门、商业机构或非营利组织提供的任何特定资助。

未引用参考文献
[45]

利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
作者感谢Yue Yin博士和Rosie Hanneke在本文撰写过程中给予的宝贵帮助。

Adam Andersen|Ruiping Huang|Edward Jiusi Liu