今日健康科技｜AI开始从”回答问题”走向”发现问题”

今日健康科技｜AI开始从”回答问题”走向”发现问题”

过去几年，医疗AI最常见的任务，是回答一个已经被人提出的问题：这张影像有没有异常？这个病灶更像良性还是恶性？这个患者属于哪一类风险？

现在，一个新的方向正在出现：AI不只是回答问题，也开始尝试从数据中寻找人类尚未明确提出的特征。

近日发表于 npj Digital Medicine 的一项研究，尝试让 Agentic AI 从大量定量影像特征中寻找能够区分不同脑肿瘤的影像模式，并进一步把复杂的数据特征转化成放射科医生能够观察和理解的视觉征象。

研究首先分析了106例幕上胶质母细胞瘤（GBM），提出多个候选影像征象。随后，研究人员选择其中的”cauliflower sign（花椰菜征）”，由两位放射科医生在另外50例胶质母细胞瘤和50例脑转移瘤中进行验证，区分两类肿瘤的平均AUC约为0.75。

这个数字本身并不足以证明一种新的临床诊断方法已经建立。

真正值得注意的是发现路径发生了变化：

过去通常是：

医生观察 → 提出影像特征 → AI学习这些特征。

现在开始出现另一条路径：

AI分析大量数据 → 找到候选模式 → 转化成人类可以理解的特征 → 再由医生验证。

这意味着AI可能逐渐从”模式识别工具”，向辅助科学发现的工具延伸。

但这里必须保持清楚的证据边界。

这项研究规模仍然有限，候选征象需要更大规模、多中心、独立数据集进一步验证。AUC约0.75也意味着它远不是一个可以独立承担诊断任务的工具。因此，现在不能说”AI发现了一种新的脑癌诊断方法”。

更准确的说法是：

AI正在帮助研究人员提出新的、可以被验证的医学假设。

这可能是医疗AI下一阶段非常重要的变化。

未来我们评价医疗AI，也许不仅要问：

它能不能正确回答医生的问题？

还要多问一句：

它能不能从人类暂时没有注意到的数据中，发现值得医生进一步研究的问题？

如果这样的发现最终能够被重复验证，并真正改变诊断、治疗或患者管理，那么AI的价值就不再只是提高工作效率。

它开始参与医学知识本身的形成。

——
Science & Education：
BI 身体智慧（Body Intelligence）
AI-assisted Research & Illustration：
BI × GPT
Professional Review：
林存默（Thomas Lin）
Professional Community：
ACPN — The Association of Certified Professional Nutritionists
加拿大注册执业营养师公会
Published by：
VoiceToday｜今日之声