临床AI系统OrthoPilot在肌肉骨骼护理中超越资深医生

背景

肌肉骨骼疾病是全球致残的主要原因之一，也是康复需求最大的领域。由于恢复、重塑和退化往往持续数月到数年，肌肉骨骼护理需要纵向管理，不断整合不断变化的患者证据、外部医学知识和分期特定的功能目标。然而在常规实践中，这些证据分散在不同就诊、科室和医院系统之间，限制了个性化、循证护理的落实。针对这一挑战，研究者开发了 OrthoPilot 系统，旨在通过大语言模型驱动，将医院数据流与权威外部知识整合，实现持续的患者管理。该论文于 2026 年 7 月提交至 arXiv，后由作者 Yujie Zhang 撤回，但摘要内容仍可获取。

核心内容

本文报告了 OrthoPilot——一个由大语言模型驱动的临床人工智能系统，专门用于肌肉骨骼管理的连续化、循证决策。OrthoPilot 能够自主检索实时的影像、实验室检查、病理和医嘱数据，将不断演变的患者状态转化为从入院诊断到康复计划的循证决策。研究团队基于真实世界电子健康记录建立了一个经专科医生验证的基准测试，覆盖 1000 个疾病编码。在涵盖完整护理路径的读者研究中，OrthoPilot 与 81 位骨科医生进行了比较，结果显示其在诊断推理、临床决策和管理规划方面超越了拥有 25 年经验的专家。此外，在 60 个外部临床中心中，OrthoPilot 优于所有评估的智能系统。在一项涉及 1,870 例复杂病例的前瞻性研究中，OrthoPilot 将全链条管理成功率提高了 10.6%。在涉及 8,240 名住院患者的 8 个月随机部署中，OrthoPilot 使每床累积病例数增加了 9.7%，并改善了患者对健康信息的可及性报告。这些结果标志着临床 AI 从预测孤立事件向执行跨完整肌肉骨骼护理路径的纵向管理迈进。

关键要点

• 系统定位：OrthoPilot 是一个证据驱动的临床 AI，专门针对肌肉骨骼护理的纵向管理需求，整合医院数据流与权威外部知识。
• 技术核心：基于大语言模型，能够自主检索并融合实时影像、实验室、病理、医嘱等多源数据，支持从入院到康复的全链条决策。
• 验证方式：建立了由专科医生验证的基准测试，覆盖 1000 个疾病编码，并在读者研究中与 81 位骨科医生对比。
• 性能优势：在诊断推理、临床决策和管理规划方面超越 25 年经验的专家；在 60 个外部临床中心中优于其他所有评估的智能系统。
• 实践效果：前瞻性研究（1,870 例复杂病例）显示全链条管理成功率提升 10.6%；随机部署（8,240 名住院患者，8 个月）显示每床累积病例数增加 9.7%，患者健康信息可及性改善。
• 意义转变：将临床 AI 从孤立事件预测转向完整的纵向管理，为肌肉骨骼护理的连续化、个性化循证实践提供了新范式。

意义与影响

OrthoPilot 的研究展示了大语言模型在临床纵向管理中的实际潜力，突破了传统 AI 仅关注单一预测任务（如诊断、预后）的限制。通过整合分散在多次就诊、多个科室和医院系统中的证据，该系统实现了对患者整个护理路径的主动管理。这不仅提升了复杂病例的管理成功率，还在真实医院环境中带来了床位使用效率和患者体验的实质性改善。该工作为未来构建更全面的临床决策支持系统提供了重要参考，尤其是在需要长期跟踪、多模态数据融合的慢性疾病管理领域。尽管论文已被撤回，但摘要内容仍提示了该方向的技术可行性和临床价值，值得后续研究者关注其在数据隐私、模型鲁棒性和落地部署方面的进一步工作。