AI规模化解析临床笔记，揭示编码病历外的关键数据

近日，《自然·医学》刊发由RespondHealth联合德雷塞尔大学、斯坦福大学等机构研发的临床文本解析系统。该AI能大规模读取非结构化医生病历，自动提取关键指标并转化为结构化数据，且每项结果均强制关联原始文本具体语句以确保全程可追溯。经独立医师复核，系统综合准确率达99.4%，超越人类评审一致性基准，处理百份病历仅需数秒，远低于人工耗时。 团队将其应用于GLP-1受体激动剂的真实世界疗效分析。数据显示，基线血糖正常者减重幅度与速度显著更优，基线控制最差者血糖改善最快；女性与20至39岁群体减重效果更佳，初发严重抑郁及疼痛患者症状缓解最明显。研究指出，全样本70%的血糖读数与约三分之一用药依从性记录仅存于叙事文本中，若依赖传统结构化编码将导致大量关键信息永久缺失。 研发团队强调，该系统打破了长期依赖结构化字段的科研局限，使海量叙事型临床记录转化为可验证的分析资产。该技术具备跨病种泛化能力，将为真实世界证据生成与临床决策支持提供高效透明的标准化新路径。