论文

证据落地的肌肉骨骼诊疗AI

Evidence-Grounded AI for Musculoskeletal Care

智能体系统Agent 架构与控制循环

摘要

肌肉骨骼疾病是致残的主要原因之一,并驱动全球最大的康复需求。由于骨骼、关节及相关组织的恢复、重塑与退变历经数月至数年,诊疗需要纵向管理而非孤立决策。临床医生必须反复整合演化的患者证据、医学知识与阶段特异的功能目标,但证据常碎片化于就诊、科室与医院系统之间,干扰连续、个性化的管理。我们报告OrthoPilot:一个由大语言模型(LLM)驱动的临床AI系统——把医院数据流与权威外部知识整合,用于持续的肌肉骨骼诊疗。它自主检索实时影像、检验、病理与医嘱数据,并把演化的患者状态转化为从入院诊断到康复规划的循证决策。我们以跨1,000个疾病码的真实电子健康记录(EHR)建立专家验证的基准。在与81名骨科医生的全程路径读片研究中:OrthoPilot在诊断推理、临床决策与管理规划上超过具有25年经验的专家。该优势泛化到60家外部临床中心——OrthoPilot超过全部受评智能系统。在1,870个复杂病例的前瞻性医生决策研究中:OrthoPilot把全链路管理成功率提升10.6%。在一项涉及8,240名住院患者的随机部署中:集成常规诊疗使每床累计病例增加9.7%,并改善患者报告的健康信息可及性。这些结果推动临床AI从预测孤立事件走向执行跨完整肌肉骨骼诊疗路径的纵向管理。

证据落地的肌肉骨骼诊疗AI:论文配图
图 1:OrthoPilot:用于全路径肌肉骨骼护理的循证代理系统。 a,从入院到康复的肌肉骨骼护理路径示意图,显示了随时间推移的顺序诊断、围手术期、手术、出院和康复任务。 b,OrthoPilot 及其双重证据世界的概述。该系统从院内信息世界检索患者特定的证据,从外部知识世界检索当前的医学知识,然后生成基于这两个证据来源的推理轨迹和结构化临床输出。 c,回顾性和前瞻性研究设计。回顾性评估包括针对 11 项任务和 1,000 种疾病的内部 OrthoBench 基准、在 60 家医院和 6,796 个病例中进行的多中心验证,以及一项由 81 名医生、307 名患者和 550,451 项评估组成的读者研究。前瞻性评估包括针对 1,870 例复杂病例的交叉读者研究以及在瑞金医院对 8,240 名入组患者进行的为期 8 个月的随机临床部署。