当前位置： AI资讯 > 内文

行业前沿：全球八大TOP医疗机构是这样使用AI的-惠每科技 | Dr.Mayson

关键词： 医疗AI

人工智能（AI）正深入渗透我国医疗行业的各个领域，从多学科会诊到病情预测，AI正在重塑诊疗的每一个环节，推动医疗迈向更精准、更高效的未来。放眼国际，全球顶级医疗机构同样在加速推动AI技术赋能医疗关键环节。作者梳理了近期8个来自全球顶级医疗机构的前沿AI应用案例，覆盖罕见病筛查、危急重症预警、认知障碍辅助诊断等多个方向，供医院读者朋友参考。

01 克利夫兰医学中心：AI赋能罕见病患者筛查

克利夫兰医学中心近日发布的一项研究证实，Synapsis AI系统在罕见病临床试验受试者筛选中取得了显著成效。针对罕见病患者病历复杂、数据分散导致识别困难的痛点，该系统通过结构化病历数据与自然语言处理技术，实现了对复杂临床笔记及检验报告的深度语义理解，识别准确率高达96.2%。

同时数据表明，AI驱动的筛查流程显著优于传统人工模式：在效率方面，AI辅助筛选仅用6天便成功招募7名患者，而传统方式在90天内仅招募10人；在精准度方面，AI成功识别出29名被传统手段遗漏的高风险患者。由此可见，AI驱动的病历审查流程显著提升了罕见病相关研究的效率，为药物研发等重要工作奠定了坚实基础。

02 约翰·霍普金斯医院：败血症精准预测与实时预警

约翰·霍普金斯医院研发的针对性实时早期预警系统（TREWS）已在五家医疗机构投入临床使用，覆盖数万名患者。该系统利用人工智能技术，实时分析患者的血液检测结果、心率、体温、呼吸模式等数十个临床数据点，旨在实现败血症的早期预警。临床验证数据显示，该系统能比临床医生提前约6小时识别出败血症风险，从而使院内死亡率降低18%。除了败血症之外，针对其他重大疾病的AI预警系统也正在持续开发中，这类系统无需医务人员查阅所有复杂的电子病历或逐一解读每个数值，而是通过智能算法自动筛查并在识别风险时发出警报后由医生做出最终决策，有助于提高诊疗效率，实现早诊断、早治疗，把握救治的“黄金时间”。

03 妙佑医疗国际：AI识别隐形的心源性猝死风险

近期，妙佑医疗国际发布了一项针对PKP2基因突变的研究成果。这项研究聚焦于“致心律失常性右室心肌病”这一遗传性心脏病，PKP2基因突变是其最常见的遗传病因，人群携带率约为1/2000。多数携带者长期无症状，但剧烈运动可能诱发猝死，早期识别与干预至关重要。研究团队通过AI对心电图进行深度学习分析，成功识别出存在微弱电活动异常的潜在患者，在此基础上为其配备智能手表进行实时监测，从而实现对这一疾病的预防和早期干预。

04 麻省总医院与布莱根妇女医院：多智能体赋能认知障碍筛查

麻省总医院与布莱根妇女医院研究团队开发出首批能够利用常规临床文档实现认知障碍筛查的全自动AI系统。该系统包含五个各司其职的智能体，通过协同工作模拟真实场景下的病例讨论，做出临床判断。在临床应用过程中，智能体之间会在迭代循环中相互评价、纠正错误，持续提升临床判断的准确性。目前，认知障碍在常规临床诊疗中仍存在严重的漏诊问题，且传统筛查工具效率较低，而该AI系统能够对临床记录进行大规模的筛查与分析，从日常文档中快速识别出认知能力下降的趋势，推动早诊早治，提升认知障碍的早期发现率。

05 新加坡国家癌症中心：基于AI的癌症基因检测

新加坡国家癌症中心近日宣布将启动一项耗资600万新元的合作项目UNITED 2.0，旨在开发一种基于人工智能的癌症检测技术，以推动精确诊断的进一步发展。UNITED 2.0将在1.0项目的基础上，采用超越“基因快照”的测序方法，提供更全面的肿瘤分析，包括识别复杂的突变和融合等，帮助临床医生找到可进行精准治疗的基因改变靶点。团队还将利用AI算法深度挖掘海量基因组数据，为临床决策提供支持。该项目将全面覆盖乳腺癌、肺癌、结肠癌、淋巴癌等多种癌症类型的分析。除了增强检测能力外，该项目还计划开发用于患者治疗后的监测工具，如“微小残留病灶”检测等，旨在捕捉癌症复发的早期迹象，从而实现更及时的临床干预。

06 雷格斯特里夫研究所：痴呆症早期症状智能检测

2025年12月，雷格斯特里夫研究所的研究人员验证了一种零成本、AI驱动的数字检测方法，用于痴呆症识别。该方法将患者自评工具“快速痴呆评定量表”（QDRS）与AI技术结合，与常规护理相比，在无需占用临床医生额外时间的情况下，使阿尔茨海默病及相关痴呆症的诊断率提高了31%。除了提升检测率之外，该方法还使后续诊断评估（如神经影像学和认知测试）的比率增加了41%，这意味着以往较难获得充足医疗服务的人群能够更早、更便捷地得到痴呆症护理。

07 伦敦大学学院：抗生素使用方案智能体推荐

伦敦大学学院研究团队开发并测试了一套AI模型，其通过实时抓取电子健康记录中的多维度数据（如患者生命体征、实验室化验结果、当前处方信息等），能够自动识别需要调整抗生素治疗的患者，并及时优化抗生素使用方案。临床测试显示，该模型的药物使用推荐准确率达85%，这套模型的应用能够有效解决抗生素滥用和耐药性问题，改善了以往优化用药方案时，主要依靠临床药剂师或医生手动审核病历造成的延迟问题。

08 柏林夏里特医院：实现秒级智能决策支持

柏林夏里特医院研究人员通过名为GUIDE-AI的系统，解决临床医生在海量且不断更新的医疗指南中检索信息的难题。为确保医疗安全，GUIDE-AI建立了严格的溯源机制，所有回答均精确对应官方指南库的特定章节与页码，从而有效规避“AI幻觉”风险。GUIDE-AI不仅能够快速汇总多项相关指南，给出精炼的诊疗建议，还能根据患者的具体生理参数生成个性化推荐条目。研究团队在医院内多个科室对该系统进行了可行性测试。结果显示，医生获取特定决策支持信息的时间从平均8分钟缩短至15秒，显著提升效率。

参考来源：

[1] AI-Driven Chart Review Accurately Identifies Potential Rare Disease Trial Participants in New Study, Cleveland Clinic.

[2]AI Predicts Sepsis Risks Hours Faster Than Doctors, The Chosun Daily.

[3] Mayo Clinic researchers use AI and genetics to identify early signs of a rare, life-threatening heart condition, Mayo Clinic.

[4] Autonomous AI Agents Developed to Detect Early Signs of Cognitive Decline, ‌Mass General Brigham.

[5] Lucence, DxD Hub and NCCS Launch S$6M Research Collaboration to Advance Cancer Diagnostics Through AI and Patient-Centric Research, National Cancer Centre Singapore.

[6] FDA clears Philips AI solution that provides real-time guidance during complex minimally invasive heart valve repair, Koninklijke Philips N.V..

[7]Zero-cost, AI-driven digital detection identifies Alzheimer’s and related dementias without additional clinician time, Regenstrief Institute.

Supervised Machine Learning to Identify Hospital Inpatients Needing a Change of Antibiotic Therapy in Real Time: Preclinical Diagnostic Evaluation and Feasibility Study, National Library of Medicine.

[9]Public-private consortium developing therapy assistants for doctors in Europe, Charité–Universitätsmedizin Berlin.