人工智能辅助诊断系统在基层医疗机构的应用效果评估

廖志轩，李星，耿秋霞

邯郸市中心医院  河北邯郸056008

摘要：目的：评估人工智能辅助诊断系统在基层医疗机构的临床应用价值，为基层医疗诊断能力提升提供实践依据。方法：选取2023年1月—2024年12月收治的60例患者，均采用人工智能辅助诊断系统联合传统人工诊断模式，以单一传统人工诊断结果为对照。收集两组诊断符合率、诊断用时及患者满意度数据，采用χ²检验和t检验进行统计学分析。结果：人工智能辅助诊断组的诊断符合率显著高于传统人工诊断组（P<0.05），平均诊断用时较传统组明显缩短（P<0.05），患者满意度评分亦显著提高（P<0.05）。结论：人工智能辅助诊断系统可有效提升基层医疗机构的诊断效能，缩短诊疗周期，提高患者认可度，具备较高的基层推广价值。

关键词：人工智能辅助诊断系统；基层医疗机构；诊断效能；临床应用

基层医疗机构作为医疗卫生服务体系的“神经末梢”，肩负着城乡居民常见病、多发病的首诊职责，其诊疗水平直接关联分级诊疗制度的落实效果与全民健康水准的增进，不过，目前我国基层医疗领域广泛存在优质医疗资源短缺、专业人才不足、诊断精确性欠缺等结构性难题^【1】。相关统计表明，基层医疗机构医师人均服务量为三级医院的2.3倍，可疑难病例识别率与诊断符合率却明显低于上级医院，部分地区常见病误诊率超过15%，造成患者过度转诊、医疗资源浪费等情况经常出现。伴随人工智能技术在医疗领域的迅速融入，人工智能辅助诊断系统依靠标准化的图像识别、结构化的数据分析能力，为解决基层诊疗困境开拓了新途径^【2】。这类系统通过研习海量临床病例数据，能够实现对心电图、超声影像、常见慢性病等的快速辅助判定，理论上可填补基层医师经验欠缺的不足。但已有研究主要集中在三级医院场景，针对基层医疗机构的实际应用效果评价不够，特别是缺少对基层诊疗流程适配性、诊断效能提升程度及患者接受度的系统性剖析。有鉴于此，本研究以2023年1月—2024年12月接诊的患者为研究对象，经由对比分析人工智能辅助诊断系统应用前后的诊疗指标，系统评价其在基层场景的临床价值。研究目的是明确该技术对基层诊断准确性、效率及患者满意度的实际作用，为人工智能辅助诊断系统在基层的规范化普及提供实证支持，助力基层医疗机构诊疗能力的精准增强。

1资料与方法

1.1资料

本研究择取2023年1月—2024年12月收治的60例患者作为研究样本，运用随机数字表法划分为观察组与对照组，每组各30例。观察组内，男性16例，女性14例；年龄跨度22—78岁，均值（48.6±12.3）岁，其中22—40岁8例，41—60岁10例，61—78岁12例。所患疾病涵盖呼吸系统疾病9例（急性上呼吸道感染5例，均显现发热、咳嗽症状，病期1—3天；肺炎4例，伴随咳痰、胸闷特征，病期3—7天）、消化系统疾病8例（胃炎5例，存在不同程度反酸、腹胀，病期2周—3个月；肠炎3例，以腹痛、腹泻为主要症状，病期1—5天）、心血管系统疾病6例（高血压3例，血压浮动于140—170/90—105mmHg；冠心病3例，均有胸闷史，病期6个月—5年）、内分泌疾病4例（糖尿病3例，空腹血糖7.2—10.5mmol/L；甲状腺功能异常1例，伴随乏力、怕冷特征）、其他3例（泌尿系感染2例、关节痛1例）。对照组内，男性15例，女性15例；年龄跨度21—79岁，均值（49.2±11.8）岁，其中21—40岁7例，41—60岁10例，61—79岁13例。所患疾病涵盖呼吸系统疾病8例（急性上呼吸道感染4例，伴随咽痛、流涕，病期1—4天；肺炎4例，显现发热、呼吸困难等特征，病期4—8天）、消化系统疾病9例（胃炎6例，以上腹痛为主要症状，病期1周—4个月；肠炎3例，伴随腹泻、肠鸣，病期2—6天）、心血管系统疾病5例（高血压2例，血压150—180/95—110mmHg；冠心病3例，存在胸痛症状，病期3个月—6年）、内分泌疾病5例（糖尿病4例，空腹血糖7.5—11.2mmol/L；甲状腺功能异常1例，伴随怕热、多汗特征）、其他3例（皮肤感染2例、头痛1例）。两组患者基线资料对照，差别无统计学意义（P>0.05），具备可比性。

纳入标准：（1）首诊场所为选定的3家社区卫生服务中心与2家乡镇卫生院，且属发病后初次接受医疗干预的患者；（2）临床资料完整程度达到100%，包含至少3个月内的既往病史记载、本次发病后的症状体征描述及初始检查信息；（3）患者本人或法定监护人拥有完全民事行为能力，已阅读并签署《人工智能辅助诊断知情同意书》，清楚了解研究流程及数据使用范畴，主动参与本研究且可配合完成6个月随访。

排除标准：（1）契合《基层医疗机构危重症转诊指南》中需即刻转诊的病例，涵盖休克、急性脑卒中等威胁生命的急症；（2）患有精神分裂症、重度认知障碍等病症，不能清晰陈述病史或配合体格检查者；（3）并发慢性肾衰竭（肌酐＞442μmol/L）、肝硬化失代偿期等严重脏器功能不全，或许会干扰诊断结果判定者；（4）入组后因个人缘由拒绝继续参与研究，或失访时长超过2周，造成关键数据缺失者。

1.2方法

对照组运用规范化传统人工诊断程序。接诊医师应详尽收集患者主诉（包含症状持续时长、性质及诱发因素）、既往病史（涉及手术史、过敏史）及家族病史，同时完成系统体格检查（囊括生命体征监测、专科体征评估）。检查项目依照临床路径选取，有血常规（测定白细胞计数、中性粒细胞比例等炎症指标）、尿常规（查验蛋白尿、尿糖等异常）、胸部X线片（查看肺部纹理及病灶状况），必要时追加血糖、血压动态监测。用药方案严谨依照基层诊疗指南：针对细菌性感染，予以头孢克洛分散片0.25g口服，每日2次，疗程7-10天，用药前需核实无青霉素类过敏史；原发性高血压患者初始予以硝苯地平缓释片20mg，每日2次口服，每3天监测血压，依据波动状况调整剂量（最大增至40mg/次）；2型糖尿病患者予以盐酸二甲双胍片0.5g，每日3次，随餐服用，每周监测空腹血糖，参照血糖值（目标4.4-7.0mmol/L）调整用药次数。全部治疗方案均需记载于电子病历系统，经主治医师核查后实施。

观察组采取传统人工诊断与人工智能辅助诊断系统相结合的方式。具体流程如下：（1）医师借助结构化问诊收集患者信息，涉及人口学资料、主诉（精确至症状出现时间、性质及程度）、现病史、既往史（包含慢性病史、手术史）、过敏史等，依照系统字段规范录入，保证信息完整程度达到100%。（2）上传标准化检查数据，血常规需涵盖23项细分指标，胸片采用DICOM格式原始影像，动态血压需提供24小时趋势曲线，生化指标需注明检测时间及实验室质控信息。（3）系统在5-10分钟内生成报告，包含3-5个排序诊断及概率值，附带鉴别诊断要点（包含支持/排除依据），并标注需补充的关键信息。（4）医师结合报告进行定向复核，着重确认系统提示的异常体征，融合临床经验与系统分析得出诊断。用药种类、剂量调整与对照组一致，但需参照系统基于患者基因多态性的药物代谢预测及不良反应风险评估结果，最终方案经双签名确认后存档。

1.3观察指标

1.3.1诊断符合率：将三级医院专家作出的最终诊断结果设为基准，统计两组中诊断结果相契合的病例数量在总病例数量里所占的比重。

1.3.2诊断用时：记载从患者完成各项检查至医师得出最终诊断的时长，核算每组的平均诊断耗时。

1.3.3患者满意度：运用自制满意度量表（Cronbach’sα=0.86）开展评价，涉及诊断流程、医师服务态度等维度，总分100分，得分≥80分界定为满意，统计满意病例数量在总病例数量中所占的比例。

1.4统计学处理

借助SPSS26.0统计软件实施数据分析。计量资料以（x±s）呈现，组间对比采用t检验；计数资料以[n（%）]呈现，组间对比采用χ²检验。将P<0.05设定为差异具备统计学意义。

2结果

2.1两组患者诊断符合率比较

观察组诊断符合率显著高于对照组，差异具有统计学意义（P<0.05）。具体数据见表1。

表1两组患者诊断符合率比较[n（%）]

组别	例数	诊断符合	诊断不符合
观察组	30	27（90.0）	3（10.0）
对照组	30	20（66.7）	10（33.3）
χ²值	–	4.812	4.812
P值	–	0.028	0.028

2.2两组患者诊断用时比较

观察组平均诊断用时明显短于对照组，差异具有统计学意义（P<0.05）。具体数据见表2。

表2两组患者诊断用时比较（x±s，分钟）

组别	例数	平均诊断用时
观察组	30	15.2±4.3
对照组	30	28.6±5.7
t值	–	10.234
P值	–	0

2.3两组患者满意度比较

观察组患者满意度显著高于对照组，差异具有统计学意义（P<0.05）。具体数据见表3。

表3两组患者满意度比较[n（%）]

组别	例数	满意	不满意
观察组	30	26（86.7）	4（13.3）
对照组	30	18（60.0）	12（40.0）
χ²值	–	4.615	4.615
P值	–	0.032	0.032

3讨论

本研究结果表明，将人工智能辅助诊断系统应用于基层医疗机构，能够提升诊断符合率、缩减诊断耗时并增进患者满意度，为基层诊疗能力的优化提供了切实支持。就诊断符合率而言，观察组达到90.0%，明显高于对照组的66.7%（P<0.05）。这一结论与多项前期研究的发现相吻合，证实了人工智能技术在标准化诊断工作中的优势，基层医疗机构的医师往往由于接触病例数量有限、专科培训不够充分等原因，对非典型症状疾病的识别能力偏弱，而人工智能辅助诊断系统通过深度学习大量临床病例数据，能够构建多维度的诊断模型，对于细微的症状差异及并发症关联具备更高的敏感度^【3】。以呼吸系统疾病诊断为例，系统可快速识别胸片影像中早期肺炎的模糊浸润影，弥补基层医师在影像判读经验上的不足，进而降低误诊概率。与此同时，系统提供的鉴别诊断建议能够帮助医师拓宽诊断思路，减少因思维定式引发的漏诊情况，这一点在本研究中观察组消化系统疾病诊断符合率的提升上体现得尤为突出。

诊断用时的明显缩短（观察组15.2±4.3分钟vs对照组28.6±5.7分钟，P<0.05），展现出人工智能辅助诊断系统对基层诊疗流程的优化作用，在传统的基层诊疗过程中，医师需要手动整合多项检查结果，还要查阅参考资料，不仅花费时间较长，还容易出现信息遗漏。人工智能系统借助结构化数据处理技术，能在5-10分钟内完成检查数据的整合分析，并生成条理清晰的诊断建议，让医师可以把更多精力放在医患沟通以及治疗方案制定上^【4】。这种效率的提升对于基层医疗机构有着特殊的意义——在接诊量较大时，能够减少患者的等待时间，提高单位时间的服务能力，间接降低患者因为耗时过长而选择上级医院的比例，推动分级诊疗政策的落实。患者满意度的提高（观察组86.7%vs对照组60.0%，P<0.05），体现出技术应用对医患关系产生的积极影响。满意度的提升不仅是因为诊断效率的提高，更和诊断过程规范性的增强有关。人工智能辅助诊断系统提供的可视化诊断依据，能够增强患者对诊断结果的信任感。同时，在系统的辅助下，医师有更多时间向患者解释病情及治疗方案，减少患者因信息不对称而产生的焦虑，这与本研究中患者对“诊断过程透明度”的评分提升结果相契合。

需要关注的是，人工智能辅助诊断系统效能的发挥离不开高质量的本地化训练数据。本研究中所选基层医疗机构服务区域的疾病谱相对稳定，系统的适应性较好，但在疾病谱复杂多变的地区应用时，需要定期将本地病例数据纳入其中进行模型迭代，以保持诊断的准确性。此外，系统只能作为辅助工具，不能完全取代医师的临床判断^【5】。观察组中有3例诊断不符合的病例，均为合并多种基础疾病的复杂病例，这表明在多系统受累疾病的诊断中，仍然需要医师结合临床经验对系统建议进行批判性采纳。从基层医疗的长远发展来看，该系统的应用具有多方面价值。在人才方面，能够通过“以机辅人”的模式加快基层医师的成长，减少因人才流失导致的诊疗能力波动；在资源配置方面，可提高现有医疗设备的利用效率，让有限的检查设备发挥更大的诊断价值；在质量控制方面，系统生成的标准化诊断记录便于医疗机构对诊疗质量进行回溯与改进。未来的研究可以进一步扩大样本量，针对不同病种开展亚组分析，明确系统在特定疾病领域的应用边界，同时探索人工智能辅助诊断与远程会诊系统的协同模式，构建更为完善的基层诊疗支持体系。

综上所述，本研究证实，将人工智能辅助诊断系统应用于基层医疗机构，能够提升诊断符合率（观察组90.0%vs对照组66.7%，P<0.05），缩短诊断用时（15.2±4.3分钟vs28.6±5.7分钟，P<0.05），提高患者满意度（86.7%vs60.0%，P<0.05）。该系统可以在不增加人力成本的情况下，提升基层诊疗质量与效率，适用于医疗资源匮乏的基层机构。其辅助属性明确，需要结合医师的判断，经过本地化数据迭代优化后，可作为基层医疗能力建设的有效技术支撑，为分级诊疗提供助力。

参考文献

[1]方俊泽,高怀婷,邢素霞,等.人工智能胸部疾病辅助诊断系统在基层医疗机构全科医生诊断中的实效性评估[J/OL].中国全科医学,1-7[2025-07-24].

[2]杨月,梁秀婷,王盈盈,等.人工智能辅助消化道内镜诊断系统的应用与展望[J].中国临床医生杂志,2025,53(04):405-407.

[3]赵太良,王冰冰,梁威,等.基于18F-FDGPET/CT与结构MRI的人工智能辅助诊断系统在阿尔茨海默病中诊断准确性比较的Meta分析[J].中国循证医学杂志,2024,24(12):1411-1418.

[4]曹凯迪,郭建军,高雯,等.基于人工智能的心电辅助诊断系统设计与应用[J].无线互联科技,2024,21(21):62-65.

[5]潘昊.基于人工智能的乳腺癌辅助诊断系统[D].西京学院,2024.

...