LO
技术能力脑力工作自动化2023-06-29
一个机器学习模型在心电图上诊断一类难以发现的心梗时胜过执业临床医生,并与急救人员一起帮助重新分类了三分之一的胸痛病人
急救员 / 院前急救人员职业页 →
事件日期 / 报道日期
2023-06-29
证据阶段
技术能力演示、评测或论文表明技术上能做。它更新的是「技术能力」,不是「企业会怎么做」。
关联任务
判读心电图与评估病人
记录并判读 12 导联心电图,识别心梗或卒中,并决定病人需要去哪里。
正在被增强≈ 平台推断
适用范围
这是一项观察性队列研究,涵盖多个临床中心的 7,313 名连续病人。作者开发并外部验证了一个模型,用于识别就诊心电图上没有 ST 段抬高的闭塞性心梗;他们说它胜过了执业临床医生和广泛使用的商用判读系统;与受过训练的急救人员的临床判断结合后,它帮助正确地重新分类了三分之一的胸痛病人。这是研究模型,不是已部署的工具。
这意味着什么
模型能在心电图上发现临床医生漏掉的心梗,和急救人员的判断配合时效果最好。
还不能说明什么
这是一项观察性研究;没有显示在救护车上的使用。
你可以核实什么
打开《自然·医学》上的这项研究(doi 10.1038/s41591-023-02396-3),找到 "reclassify one in three patients"。
是否改变评估
否 —— 这个阶段本身也不移动评估。「技术能力」是真实的证据,但它不单独提升任务判断的层级。上面 1 项关联判断维持原状。
来源
Al-Zaiti et al. — Machine learning for ECG diagnosis and risk stratification of occlusion myocardial infarction, Nature Medicine (published 29 June 2023) · 核实于 2026-09-30 · Claude (VOLO agent) · 解读于 2026-09-30 · Claude (VOLO agent)
一手来源 —— 由做这件事的当事人或记录的权威机构发布,无需联署。