夜雨聆风
近期来自南方医科大学南方医院、香港理工大学和中山大学的研究团队在《自然-健康》发表了论文“疾病筛查中人工智能与人类协作模式的成本效益分析” (Cost-effectiveness analysis of human–AI collaboration in disease screening)，欢迎阅读文章了解详情。
研究背景
人工智能（AI）近年来在医学影像识别和疾病筛查领域展现出接近专家水平的诊断能力，并逐步应用于糖尿病视网膜病变（diabetic retinopathy, DR）等疾病筛查场景。作为糖尿病最常见的微血管并发症之一，糖尿病视网膜病变是全球成年人视力损伤和失明的重要原因。目前全球糖尿病患者已超过5亿人，预计未来仍将持续增长，如何提高筛查效率并优化医疗资源配置成为公共卫生领域的重要挑战。
随着人工智能技术快速发展，多项研究已证实AI在糖尿病视网膜病变筛查中的诊断准确性及经济学价值。然而，现有研究大多聚焦于AI独立筛查模式，重点评估“AI能否替代人工”，对于不同人机协作模式如何影响健康收益和成本效益的系统比较仍然有限。
基于此，本研究以中国大型真实世界糖尿病视网膜病变筛查项目为基础，构建卫生经济学模型，系统评估8种AI辅助筛查策略、270种不同筛查场景下的人机协作模式，比较其长期成本效益和健康结局，探索疾病筛查中最优的人机协同方案。
研究结果
研究发现，在所有人机协作策略中，“Copilot Human-AI（副驾驶模式）”表现出最佳成本效益。该模式下，AI与阅片人员分别独立完成判读，当双方意见不一致时，再由资深专家进行复核和最终裁决。该模式充分结合了AI高敏感性和人工判读经验，在提高疾病检出率的同时降低整体医疗成本。
在20–79岁糖尿病患者年度筛查场景中，与传统人工筛查相比，Copilot模式是唯一同时实现成本降低和健康收益提升的策略。每10万人群可节省约132万美元医疗成本，同时增加14.73个质量调整生命年（QALYs）和49.33个无失明生存年，净货币收益达到188万美元。
进一步分析显示，该模式能够额外发现更多视力威胁性糖尿病视网膜病变（VTDR）和糖尿病黄斑水肿（DME）患者，促进及时转诊和治疗，预计可减少约1.3万例失明事件发生。
相比之下，单纯AI筛查虽然能够降低部分筛查成本，但由于漏诊患者增加，其长期健康收益并不占优。研究表明，医疗AI的最佳应用方式并非完全替代医生，而是通过人机协同发挥双方优势，从而实现更优的临床效果和资源配置效率。
论文图1：不同糖尿病视网膜病变筛查策略及其诊断性能比较
扫码阅读论文全文
通讯作者：Lei Zhang（南方医科大学）、Mingguang He（香港理工大学）、 Xiaotong Han（中山大学）
第一作者：Yueye Wang（中山大学）
DOI：10.1038/s44360-026-00142-w
发表日期：2026年6月5日
《自然-健康》
《自然-健康》旨在通过筛选并发表高质量的健康科学研究，注重研究的原创性、及时性，以及对卫生政策和实践的影响。期刊涵盖广泛的主题，不局限于公共卫生和全球健康，还将拓展到社会科学和环境科学及相关跨学科领域，包括但不限于传染病、流行病学到卫生政策、人工智能在健康领域的应用等。本刊以综合视角探讨人类健康，致力于在研究人员、医疗专业人士、创新者、政策制定者和公众之间架起沟通合作的桥梁，促进发现与讨论，进而推动改善全球健康、医疗服务获取和全民医疗质量。
《自然》系列期刊产品试用申请
Nature Portfolio期刊是多学科研究和综述期刊的合集，自1869年起一直致力于理解、 探讨和分享科学。《自然》系列期刊目前包含43种《自然》系列研究期刊，涵盖生命科学、物理科学、临床医学和社会科学领域，以及27种《自然综述》系列期刊，为您提供权威、易于理解、意义重大的综述内容。
▲ 如果您对《自然》系列期刊产品感兴趣，愿意推荐您所在的院校或机构申请试用，欢迎扫码提交表单申请。
欢迎扫描图片二维码或点击“阅读原文”了解《自然》及其系列期刊。
版权声明：
本文由施普林格∙自然上海办公室负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系China@nature.com。
© 2026 Springer Nature Limited. All Rights Reserved
