在芝加哥举行的内分泌学会2026年年会上，梅奥诊所Frank Lee博士团队公布了一项AI筛查模型，旨在解决原发性醛固酮增多症这一高血压常见隐匿病因的漏诊难题。该疾病约占高血压患者的百分之二十，且显著增加心脑血管及肾脏并发症风险。2025年版临床指南已呼吁扩大筛查范围，但传统诊断在临床实践中面临诸多挑战。 研究团队基于超两万名患者三十年的电子健康记录训练模型，并在二十二万五千余名高血压患者中完成验证。该算法整合了患者年龄、性别、血压与血钾指标、相关疾病编码及用药记录等多维变量。结果显示，该模型可提前十二个月精准预测患病风险。在设定低风险拦截阈值时，模型正确识别率超过百分之九十，漏诊率低于百分之十，并成功筛选出约三分之二具备进一步筛查指征的患者。 该成果表明，利用常规电子病历数据驱动的人工智能技术，可为临床提供高效、低成本的原发性醛固酮增多症早期筛查方案，有效填补指南落地与实际操作间的缺口，对改善高血压患者长期预后及降低医疗成本具有显著价值。