梅奧診所的人工智能應用

梅奧診所（Mayo Clinic）是一家總部位於明尼蘇達州羅切斯特的非營利學術醫療中心，在亞利桑那州和佛羅里達州設有分院，並在中西部上游三個州擁有區域醫療系統。2025年，該機構僱傭了近85,000名員工，運營收入達到4.73億美元。通過其“Bold. Forward. Unbound.”擴張計劃，梅奧承諾投入90億美元資本投資。獨立排名連續第八年將其評為《新聞週刊》全球第一醫院。

這種規模延伸到了人工智能領域。梅奧描述了200多個處於不同成熟階段的AI項目，從早期可行性研究到全面臨牀部署。2025年，梅奧將22個AI賦能的梅奧診所平台解決方案整合到臨牀實踐中，並簽訂了近200項新的AI、生物製藥和診斷協議。自2019年推出梅奧診所平台以來，該機構已構建了一個研究數據基礎設施，涵蓋超過1500萬份患者記錄和數十億張放射影像、實驗室結果及臨牀筆記。

本文探討了兩個展示梅奧如何在其運營中應用數據和臨牀專業知識的AI用例。

AI心電圖篩查用於早期疾病檢測

無症狀左心室功能障礙是心力衰竭的前兆，標準篩查常常漏診，因為傳統診斷需要超聲心動圖，而這需要專業設備和訓練有素的技師。目前，心力衰竭影響着近670萬美國人，預計到2030年將達到870萬，僅在2020年就為美國醫療系統帶來了約320億美元的直接醫療支出。由於潛在功能障礙通常在症狀出現前未被診斷，只有不到四分之一的符合條件的患者接受了指南推薦的治療。當一種疾病晚期治療成本高且早期發現困難時，最高收益的AI投資往往是從組織已經收集的數據中進行更早的檢測——這正是梅奧心臟病研究人員的初衷。

梅奧從自身患者中篩選了超過62.5萬對心電圖和超聲心動圖記錄，構建了研究人羣，然後訓練了一個神經網絡，從近9.8萬對記錄中識別與心臟泵血功能減弱相關的標準心電圖電信號模式。該方法現已遠遠超出最初用途：它還能識別房顫、心臟澱粉樣變性、主動脈瓣狹窄、肥厚型心肌病和生物學年齡。它同時適用於傳統的12導聯心電圖和智能手錶及數字聽診器的單導聯讀數。針對澱粉樣變性的版本在四個美國醫療系統的25,525名患者中得到了驗證，敏感性達78.9%，特異性達91.2%。這裏模型的質量取決於梅奧自身歷史數據的深度，而非特定的算法新穎性。

篩查步驟不會為臨牀醫生或患者增加新的工作：無需開具新的檢查，因為AI讀取的是常規就診時已經收集的心電圖。陽性信號會提示進行確認性超聲心動圖或轉診，而這原本可能不會被安排。便攜式版本將篩查擴展到診所之外——在尼日利亞的一項產科研究中，AI賦能的數字聽診器發現的圍產期心肌病病例是標準護理的兩倍，這説明了AI在現有工作流程中應用而非增加新步驟時更易被採納。

梅奧在EAGLE試驗中前瞻性地測試了該工具，在八個月內納入了明尼蘇達州和威斯康星州的22,641名患者、348名初級保健臨牀醫生和45個醫療中心。結果發表在《自然醫學》上：與常規護理相比，AI引導的篩查使低射血分數的診斷率總體提高了32%——每篩查1000名患者約增加5例診斷。該12導聯算法現已獲得FDA批准，並授權給了Anumana公司——梅奧與醫療數據分析公司nference共同創立的公司。同時，梅奧與Eko Health合作，開發並商業化適用於手持和可穿戴設備的單導聯版本。較新的應用，如澱粉樣變性檢測（2026年4月獲得FDA批准），仍處於商業化推廣早期階段。

綜合來看——隨機試驗證據、監管批准和外部許可——這是梅奧迄今為止最有證據支持的AI應用之一，而非實驗性試點。

AI驅動的病歷審查工具Record Time

在患者就診前，梅奧診所的醫生通常需要審查數十甚至數百頁的醫療記錄——這一負擔因許多患者來梅奧尋求第三或第四診療意見而加劇，他們帶來的是來自其他醫療系統的未經整理的文檔。據內科醫生兼梅奧醫學部創新副主席Alexander Ryu博士稱，醫院每年收到數千萬頁記錄，需要一種方法來挖掘其中埋藏的重要信息。

這一數量問題並非梅奧獨有。根據2025年發表在《美國醫學信息學協會雜誌》上的一項調查，77%的醫療系統領導者認為不成熟的AI工具是AI採用的最大障礙之一——這突顯瞭解決明確的管理瓶頸的工具，而非廣泛的診斷聲明，是更易入手的起點。

Record Time與Scale AI合作開發，基於Scale生成式AI平台，能夠接收碎片化的外部患者記錄，按時間順序整理，生成簡潔摘要並使材料可搜索。據Scale AI稱，合作的更廣泛範圍還包括自動檢測安全事件——如手術部位錯誤或跌倒——這些事件隱藏在常規報告噪音中，並幫助員工減少在管理任務上的時間。合作中使用的數據保留在梅奧診所符合HIPAA標準的環境中。

醫生在就診前手動整理患者病史的時間減少，更多時間用於直接互動，以下兩個數據點可説明：據Scale AI稱，自工具推出以來，醫生每次與患者互動的時間平均增加了11分鐘，同時保持了專家級護理標準。Ryu博士還提到，根據病例複雜程度，每次就診的準備時間節省了5到30分鐘，並且該工具幫助他避免遺漏文件中可能影響治療或檢測決策的細節。

這是一個已部署且正在使用的工具，而非試點——它是梅奧目前在全系統運行的大約150個AI模型之一，其追蹤記錄超越了單個部門或試驗。