AI在基础疾病诊断中的准确性

AI在基础疾病辅助诊断方面的准确性已达到较高水平，部分领域甚至超过人类医生的平均水平。
 
最突出的几个数据：慢阻肺诊断准确率能达到97.5%，比人工解读肺功能还要好。疟疾诊断准确率96.47%，灵敏度和特异性都在96%左右。苏州有个”AI全科医生”在基层实际用下来，诊断符合率高达98.52%。肺结节检测方面，AI检出率约87%，明显优于医生的69%左右。
 
表现特别好的领域主要集中在影像相关疾病。眼底疾病筛查，比如糖尿病视网膜病变、青光眼这些，AI已经很成熟了。心电图预测心血管疾病，15种里面有12种的预测效果达到良好到优秀。乳腺癌诊断上，AI准确率82%，跟经验丰富的放射科医师水平相当。
 
基层常见病方面，苏州的实践说明AI确实能降低错诊漏诊风险，电子病历规范率提升了约13%，影像读片效率提升至少30%。
 
但也要看到局限：AI表现高度依赖训练数据的质量，不少研究样本量偏小，还需要更大规模验证。另外，当临床信息不完整时，AI的真实表现可能比实验数据差一些。
 
总的来说，对于基层常见的基础疾病，AI辅助诊断在特定场景下准确率能达到95%以上，尤其在影像筛查、心电图分析这些标准化程度高的领域。现在的定位还是”辅助”，形成”AI+医生”的双重保障，而不是完全替代医生。对提升基层诊疗的规范性和效率，价值是比较明确的。