参考消息网1月23日报道据美国《福布斯》杂志网站2025年12月9日报道，说到人工智能（AI）在医疗保健领域的未来，通常人们的关注点是2014年迪士尼电影《超能陆战队》中“大白”那样的机器人医生。但如今，医疗领域AI的转型正在家庭中、人们的手腕间和智能手机里真实上演。眼下，数十种搭载AI的技术正在帮助人们解决长期健康问题，如精神健康、血糖控制、跌倒检测、药物依从性，甚至健康素养。

其中一些技术已经获得了强有力的证据支持，另一些则需进一步验证。以下是医疗保健领域广泛使用的消费级AI应用的8个例子。

1.心理健康支持

基于AI的心理健康应用程序已经成为医疗领域AI最显著的消费用途之一。“维萨”（Wysa）和“阿什”（Ash）等由聊天机器人驱动的应用程序能够为客户提供认知行为疗法对话、情绪追踪和结构化的情感支持。此外，人们正越来越多地应用聊天生成预训练转换器（ChatGPT）等通用AI工具寻求心理健康支持。

这些工具并不能取代治疗师。不过，它们扩大了患者可及性，减少了就医羞耻感，且能在临床医生无法提供服务时为患者提供帮助。有证据表明，它们可在短期内减轻患者的抑郁症状。基于AI的认知行为疗法随机试验显示，各个平台患者的抑郁症状减少幅度从22%到43%不等，效果尚可。多模态界面——使用动画、语音或多种形式组合的界面——的表现往往优于全自动纯文本界面。

2.急症诊断

Ubie和“症状助手”（Symptomate）等在线症状检查工具是广泛使用的消费级AI保健工具。其目标直截了当：根据患者报告的症状，判断是否需要急救、紧急护理或居家护理，并给予相应指导。

患者表示，这些工具的可用性很高。但证据表明，其准确性仍是一个大问题。各项研究均显示，在AI工具所给出的前5个诊断建议中，正确率约为50%。不同平台表现各异，正确率从22%到84%不等。而单看第一诊断，准确率则会下降至4%到38%之间。

结论：在线症状检查工具可作为医疗教育工具，但不应成为分诊的依据。

3.改善自我管理

AI工具正帮助慢性病患者实现更有效的居家病情管理。其中，糖尿病患者是最大受益群体。持续葡萄糖监测系统与AI驱动的分析工具相结合，可对血糖趋势进行个性化实时反馈。研究一致表明，使用此方法的患者，血糖控制更严格，体力活动增加，对药物和饮食方案的依从性也更好。

一项研究测试了一个强化学习平台，该平台可根据每个患者的反应调整信息内容。AI干预使得糖尿病患者的总体依从性提高了14%，糖化血红蛋白（HbA1c）偏高人群的依从性提高了37%。

这一研究结果表明，AI个性化可促成患者行为的持续改变。

4.检测心律异常

在患者健康管理领域，可穿戴设备已成为AI最重要的应用场景之一。苹果手表和Fitbit智能手环使用机器学习算法来检测可提示房颤的心律失常。房颤可增加中风风险，且较为隐蔽，在并发症出现之前多容易被忽视。

《新英格兰医学杂志》周刊上

发表的具有里程碑意义的苹果心脏研究招募了40多万名参与者。研究显示，设备发出的心律异常提示与后续的房颤确诊密切相关，假阳性率很低。这项试验的规模表明，使用搭载AI的可穿戴设备进行被动式全民筛查不仅可行，且具有临床意义。

这一应用范围目前正在迅速扩大。下一代算法旨在通过日常消费设备检测睡眠呼吸暂停、夜间缺氧、早搏和整体心律失常等健康问题。

5.医疗系统导航

对许多病人而言，治疗过程中最难的部分并非治疗本身，而是应对复杂的医疗系统。内置AI工具客户端的付款平台和医疗平台让这一切都变得更容易了。

美国联合健康保险公司使用AI聊天界面来帮助会员确定保险范围、估算自付费用，并寻找系统内的临床医生。如今，西达赛奈医疗中心和克利夫兰医学中心等医疗机构也为患者提供AI驱动的对话工具，帮助安排预约、明确术后指导，并发送后续提醒。

虽然患者对这类工具适应起来较为迅速，但其临床影响的证据仍然有限。许多导航工具仅在医疗服务系统边缘运行，而非内部运行，这就意味着临床医生通常无法看到用户端内容，也无法针对相关数据采取行动。整合，将决定这些工具能否从便利工具发展成真正强有力的医疗助手。

6.个性化指导

改变生活方式是改善长期健康的最有力方法之一，也是最难坚持的方法之一。搭载AI的营养和生活方式工具正在改变这一现状，它们能够根据每个用户的行为和生理状况提供个性化指导。

在短期研究中，动态营养分析算法能够显示出饮食质量、依从性、体重减轻和心血管指标的改善。努姆（Noom）公司推出的机器学习驱动的参与算法可定制用户课程及提示。在《科学报告》发表的一项评估中，该算法在9个月内帮用户显著减轻了体重。

Oura和Whoop等可穿戴集成设备可提供个性化睡眠、恢复和锻炼建议。研究表明，AI生成的评分与训练表现和睡眠规律改善之间存在相关性。

7.解读医学信息

生成式AI最具变革性的用途之一是它能够提高人们的健康素养。医疗说明是出了名的难以理解。健康素养低始终与医疗结果较差、再入院率较高和依从性较低相关。

生成式AI可将大量行话指令转换成适合患者需求的清晰的可操作语言。妙佑医疗国际试点了一种生成式AI系统，该系统可将术后指南转化为更易于理解的表述。内部评估显示，用户理解能力得到了提高，后续问题也减少了——这一改变的潜在下游效应巨大。

AI还可以为患者解释实验室结果，特别是随着医疗系统越来越多地通过客户端实时上传检查结果。AI工具可通过解释结果、标记异常、给出可能的病因以及提示需要紧急医疗的情况，架起患者与检测结果之间的桥梁。

8.防范老人跌倒

搭载AI的工具正在帮助老年人改善独居安全。苹果和佳明等公司的可穿戴设备包含了经对照研究验证的跌倒检测算法。

在实验室条件下，基于深度学习的跌倒检测模型的灵敏度和特异性通常会超过95%。不过，在现实环境中，其性能可能会有所下降——这是理论和实际有效性之间的差距。即便如此，这些技术仍然提供了一个至关重要的安全网络，能够及时作出反应。对于家庭而言，这些工具的存在令人安心。对于老年人而言，这或许能够帮助他们延长独立生活的时间。

最终，AI在医疗保健领域的未来不是由任何单一工具来定义，而是由这些日常技术在提升使用体验、促进患者理解和改善治疗结果方面的有效性来定义。它们的真正影响，在于无缝融入更广阔的医疗生态系统，为临床医生提供支持，同时赋予患者更多自主管理健康的可能。（编译/文怡）