AI技术 | Nat.Med | 医疗AI系统的动态评估框架

📑 文章概要

相关领域研究推荐

图1: CES系统架构示意。

- 视觉说明

◉ 所构建的CES将算法智能体部署于医院仿真场景中，可同步评估随时间演变的患者预后（诊断精确度、临床流程、治疗成效）以及运营效能（资源配置、患者流转、团队负荷）。◉ BP为血压；bpm为每分钟心跳数；DBP为舒张压；ESI为急诊分诊等级；HR为心率；i.v.为静脉给药；LOS为住院周期；RR为呼吸频率；SBP为收缩压；SpO2为血氧饱和度；T为体温。

从单一场景到系统化环境

图2: 展示CES内时间决策过程的动态患者路径。

- 视觉说明

◉ 某AI智能体需在资源紧张且拥挤的急诊室内对大面积肺栓塞进行诊断与治疗。◉ 时间轴依据治疗节点划分为三条路线：绿色代表及时处置并达成病情稳定；蓝色代表延误初始治疗，需启动紧急救治；橙色代表处置延迟，引发临床状况恶化。◉ 该场景用于检验临床大语言模型（LLMs）在无法执行最优治疗方案时，能否应对资源约束、预判病情恶化，并合理安排时间敏感的干预措施。◉ 初始布局在Canva中制作（https://www.canva.com/design/DAG8_92XDiM/VXUD0jx3Fi-u-6JmokMWog/edit/）。◉ CPR为心肺复苏；CT为计算机断层扫描；CTPA为CT肺动脉血管造影；ECG为心电图；ICU为重症监护病房；LR为乳酸林格液；NRB为非重复呼吸面罩；PE为肺栓塞；PEA为无脉电活动；PERT为肺栓塞响应团队；PEEP为呼气末正压；ROSC为恢复自主循环；RV为右心室；tPA为组织型纤溶酶原激活剂；V/S为生命体征；VT为潮气量。

从语言生成到行为执行

在决策中权衡患者疗效与运营效能

表1 所提CES与其他医疗AI环境的对比分析

CES中的临床大语言模型应用

通过对抗性测试强化系统稳健性

通过仿真构建人机协作伙伴关系