标签: 医疗人工智能

本文指出，人工智能医疗工具虽日益强大，但其真实效果却难以准确评估——因为当前缺乏可靠、统一的评价标准。这给循证医学带来挑战，也影响医生和患者对AI的信任与使用。

标签: AI评估标准 临床可靠性 医疗人工智能 循证医学 黑箱问题

人工智能正快速进入医院和诊所，但其应用带来新的患者安全风险和责任归属难题。本文提出一套七级分类框架，依据自主性、自动化程度和运行范围界定医疗AI的风险等级，帮助监管者、医疗机构和司法系统明确各方责任，推动安全、可信的AI医疗落地。

标签: AI分级 医疗人工智能 患者安全 责任框架 黑箱算法

本文首次对医疗AI模型开展患者级隐私风险审计，发现即使模型整体表现看似安全，某些患者仍面临近乎完美的隐私泄露风险——攻击者仅凭模型预测就能准确判断某位患者的数据是否被用于训练。这种风险在模型越大、数据越少的群体（如少数族裔、特定疾病患者）中尤为严重。

标签: 健康不平等 医疗人工智能 差分隐私 患者隐私风险 成员推断攻击

本文介绍了一款名为AMIE的新一代医疗对话AI系统，它不仅能诊断疾病，还能像医生一样思考如何管理疾病——比如病情会如何发展、治疗效果怎样、该开什么药才安全有效。在模拟临床考试中，它的疾病管理能力不输全科医生，尤其在治疗方案精准度和遵循临床指南方面表现更优。

标签: 临床指南 医疗人工智能 处方决策 疾病管理 虚拟临床考试

本文介绍MIRA——一种能在模拟电子病历系统中自主运行的医疗AI助手。它能像医生一样问诊、开检查单、分析结果、诊断疾病并制定治疗方案（如开药、安排手术或住院）。在500多例真实患者病例的模拟测试中，MIRA的诊断准确率超过资深医生，治疗建议更符合临床指南，且用药更安全。

标签: 临床决策支持 医疗人工智能 电子病历 自主代理 诊断准确性