创新背景

随着数字技术在医疗筛查中的使用率越来越高，过度诊断的几率也在不断增加。一些用于筛查的诊断测试可以发现异常，虽然符合目前对疾病的定义，但可能从未使某些人生病。过度诊断病例可能导致不必要的，有时甚至是有害的治疗。

创新过程

数字技术将医学检验筛查提升到一个新的水平，通过智能手机、智能手表、键盘、社交网络和可穿戴技术收集健康信息，并使用人工智能算法对其进行分析，以识别有风险的个人健康状况。比如从某人打字方式的变化模式中可以识别帕金森病的早期情况，心脏问题的风险可以从智能手表检测到的异常心律中识别出来。

技术的不断进步提高医学检测的敏感性和准确性，数字技术一定程度上增加了过度诊断，比如一些国家对甲状腺癌进行数字筛查使甲状腺癌的发病率增加了两倍，但死亡率没有变化。许多癌症都观察到过度诊断，包括前列腺癌和乳腺癌，以及慢性肾脏病、妊娠糖尿病、高血压和自闭症谱系障碍等疾病。

量化过度诊断的程度并不容易，但大数据的发展能有效支持减少过度诊断。墨尔本大学的研究人员在2022年1月发表的论文中表示，合理利用长期收集的患者数据，使用纵向患者信息的数据库可以分析不同疾病的历史轨迹，并确定那些不会受到显着影响的患者亚组。
这种大数据驱动的方法可用于改进考虑患者轨迹的疾病定义，并确定临床属性，这些属性将来可能使临床医生能够更准确地区分诊断和过度诊断。

在一项使用数十万住院的美国医院数据库进行的试点研究中，研究团队训练了一种人工智能算法来预测可能在接下来的几个小时内患上败血症的患者。（败血症是感染的并发症，其中身体自身的免疫反应开始损害组织和器官。）

然后根据官方诊断标准，研究观察了算法标记的实际上继续发展败血症的患者，发现其中近5%的轨迹与那些从未患上败血症的人相同。这表明研究需要做更多的工作来定义什么是败血症。

技术使医疗诊断能够收集和分析大量数据，在生病之前更好地识别需要治疗的人；同时，大数据也确保过度诊断的减少。

创新关键点

反向利用大数据技术与人工智能技术分析病症标准，在数字筛查的同时尽量减少过度诊断，提高医疗诊断准确性。