震惊！美国每年近80万人因误诊死亡或者严重残疾

关键词：误诊；人工智能；BMJ Qual Saf

2024年1月19日，一篇发表于BMJ Qual Saf的文章揭示，美国每年因误诊而导致79.5万人死亡或者严重残疾。

文章一经发出，立即引发广泛关注。

研究设计：

受试者：

为美国成年人群；

主要终点事件：

诊断错误导致的严重伤害（包括永久性残疾和死亡）；

研究设计：

是基于全国代表性数据的横断面分析。

统计方法：

包括使用蒙特卡罗模拟来计算不确定性估计，以及进行敏感性分析和有效性检查。

主要结果：

结果显示，美国每年因为误诊所致严重危害总病例数为 795,000 例；其中 371,000 人死亡和 424,000 人永久残疾。

感染、血管病和癌症是最常见的易误诊疾病类别，占严重伤害的75%。

最常见因误诊所致严重伤害的单病种依次为中风、败血症、肺炎、静脉血栓栓塞和肺癌，占所有严重伤害的38.7%。

约翰·霍普金斯大学对这项研究的报告中，着重指出了其临床意义：

建议将造成严重误诊相关危害最多且诊断错误率较高的疾病作为开发、实施和扩展系统解决方案的首要目标。  

JHU卓越诊断中心主任纽曼-托克说【2】：

“以疾病为中心的诊断错误预防和缓解方法会显著减少这些危害。” 

“将中风、败血症、肺炎、肺栓塞和肺癌的诊断错误减少 50%，每年可减少 15 万人的永久性残疾和死亡。”  

A，医学影像解读： 

深度学习和卷积神经网络在乳腺癌筛查、结肠镜检查等方面提高了诊断准确性，减少了医生的工作量。

B，多模态输入与病例分析： 

多模态AI系统能够综合电子健康记录、影像文件、实验室结果等多种数据，提高诊断准确性。

Eric着重提到了谷歌DeepMind取得的突破性进展。

C，大型语言模型（LLM）的应用： 

GPT-4在复杂病例的诊断中表现出色，其准确性几乎是经验丰富医生的两倍。

比如，我们之前曾报告并实测评估了ChatGPT在临床诊断中的价值：

参考文献：

【1】 Newman-Toker DE, et al. Burden of serious harms from diagnostic error in the USA. BMJ Qual Saf. 2024 Jan 19;33(2):109-120. doi: 10.1136/bmjqs-2021-014130. PMID: 37460118; PMCID: PMC10792094.

【2】https://www.hopkinsmedicine.org/news/newsroom/news-releases/2023/07/report-highlights-public-health-impact-of-serious-harms-from-diagnostic-error-in-us

【3】 https://erictopol.substack.com/p/toward-the-eradication-of-medical