检验病理

订阅

MedSci主页 / 所有栏目 / 检验病理

JAMA Netw Open：规避大模型幻觉风险，AI 如何安全提升临床毒理报告效率

2026-07-01 清泉心田 MedSci原创 发表于上海

人工智能尿液药物检测临床毒理报告
关注

通过大语言模型完成历史数据结构化，以传统机器学习承担预测任务，用规则化模板生成文本，从根源上规避了生成式模型的幻觉风险，也降低了监管合规门槛。

深度解析医学证据，DeepEvidence为你支撑决策 尿液药物检测是急诊诊疗、慢性疼痛管理与成瘾医学中的核心工具，可为物质使用障碍患者的用药依从性监测、治疗方案调整提供客观依据。然而，复杂的药物代谢通路、检测交叉反应与特殊药代动力学案例，往往需要临床毒理专家介入解读，不仅拉长了报告周转时间，也推高了实验室运营成本。近年大语言模型技术的快速发展为临床流程优化提供了新思路，但生成式模型存在的幻觉风险与输出不稳定性，使其难以直接落地临床场景。近日，发表于JAMA Network Open杂志的一项研究，通过 “非生成式 AI + 人在回路” 的技术路径，成功开发并部署了尿液药物检测 AI 签发系统，在保障解读准确性的前提下实现了显著的效率提升。 该研究为单中心预后研究，纳入了华盛顿大学医学中心 2014 年 1 月至 2024 年 2 月间的 83553 份尿液检测样本，覆盖 26459 名患者，其中男性占 46.9%，患者首次检测的平均年龄为 47.5 岁。研究遵循 TRIPOD+AI 报告规范，采用分阶段技术方案：首先通过微调的大语言模型从历史签发报告中提取结构化的物质使用标签，将非结

相关资料下载：
[AttachmentFileName(sort=1, fileName=Development and Implementation of an AI System for Generating Clinical Urine Drug Test Sign-Outs.pdf)] GetArticleByIdResponse(id=4d149418e1a8, projectId=1, sourceId=null, title=JAMA Netw Open：规避大模型幻觉风险，AI 如何安全提升临床毒理报告效率, articleFrom=MedSci原创, journalId=13402, copyright=原创, creationTypeList=[1], summary=通过大语言模型完成历史数据结构化，以传统机器学习承担预测任务，用规则化模板生成文本，从根源上规避了生成式模型的幻觉风险，也降低了监管合规门槛。, cover=https://img.medsci.cn/20240602/1717318490895_5579292.jpg, authorId=0, author=清泉心田, originalUrl=, linkOutUrl=, content=深度解析医学证据，DeepEvidence为你支撑决策 尿液药物检测是急诊诊疗、慢性疼痛管理与成瘾医学中的核心工具，可为物质使用障碍患者的用药依从性监测、治疗方案调整提供客观依据。然而，复杂的药物代谢通路、检测交叉反应与特殊药代动力学案例，往往需要临床毒理专家介入解读，不仅拉长了报告周转时间，也推高了实验室运营成本。近年大语言模型技术的快速发展为临床流程优化提供了新思路，但生成式模型存在的幻觉风险与输出不稳定性，使其难以直接落地临床场景。近日，发表于JAMA Network Open杂志的一项研究，通过 “非生成式 AI + 人在回路” 的技术路径，成功开发并部署了尿液药物检测 AI 签发系统，在保障解读准确性的前提下实现了显著的效率提升。 该研究为单中心预后研究，纳入了华盛顿大学医学中心 2014 年 1 月至 2024 年 2 月间的 83553 份尿液检测样本，覆盖 26459 名患者，其中男性占 46.9%，患者首次检测的平均年龄为 47.5 岁。研究遵循 TRIPOD+AI 报告规范，采用分阶段技术方案：首先通过微调的大语言模型从历史签发报告中提取结构化的物质使用标签，将非结, belongTo=, tagList=[TagDto(tagId=8461, tagName=人工智能), TagDto(tagId=526137, tagName=尿液药物检测), TagDto(tagId=526138, tagName=临床毒理报告)], categoryList=[CategoryDto(categoryId=69, categoryName=检验病理, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=0, paymentType=1, paymentAmount=5, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=1098, appHits=2, showAppHits=0, pcHits=140, showPcHits=1096, likes=0, shares=0, comments=1, approvalStatus=1, publishedTime=Wed Jul 01 11:26:00 CST 2026, publishedTimeString=2026-07-01, pcVisible=1, appVisible=1, editorId=6556185, editor=检验病理新前沿, waterMark=0, formatted=0, deleted=0, version=3, createdBy=98af8624274, createdName=清泉心田, createdTime=Tue Jun 30 22:34:26 CST 2026, updatedBy=92910, updatedName=rayms, updatedTime=Wed Jul 01 11:28:24 CST 2026, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=Development and Implementation of an AI System for Generating Clinical Urine Drug Test Sign-Outs.pdf)], guideDownload=1, surveyId=null, surveyIdStr=null, surveyName=null, pushMsXiaoZhi=true, qaList=[{id=2292239, encryptionId=ce13229223929, articleId=4d149418e1a8, userName=administrator, question=非生成式AI与传统生成式AI在临床尿液检测报告签发中的核心区别是什么？, answer=非生成式AI采用结构化数据提取+预设文本模板的方式，从根本上规避了生成式模型的幻觉风险；而生成式AI直接生成自由文本，存在输出不稳定性和事实性错误风险。, clickNum=0, type=article, createdAt=1782876527094, updatedAt=1782876527094}, {id=2292238, encryptionId=e8d62292238fd, articleId=4d149418e1a8, userName=administrator, question=尿液药物检测在物质使用障碍患者管理中面临哪些主要挑战？, answer=主要挑战包括复杂的药物代谢通路导致的交叉反应、特殊药代动力学案例的解读困难，这些因素增加了对临床毒理专家的依赖，延长了报告周转时间并提高了实验室运营成本。, clickNum=0, type=article, createdAt=1782876527094, updatedAt=1782876527094}, {id=2292247, encryptionId=1696229224e18, articleId=4d149418e1a8, userName=administrator, question=该研究提出的技术路径对其他临床检验AI开发有何借鉴意义？, answer=提供了可复制的范式：大语言模型用于历史数据结构化+传统机器学习承担预测+规则化文本生成，既保证准确性又符合监管要求，特别适合需要高可靠性的检验场景。, clickNum=0, type=article, createdAt=1782876527094, updatedAt=1782876527094}])
Development and Implementation of an AI System for Generating Clinical Urine Drug Test Sign-Outs.pdf
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2335444, encodeId=0a40233544492, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=0c8314236261' target=_blank style='color:#2F92EE;'>#尿液药物检测#</a> <a href='/topic/show?id=6b2614236315' target=_blank style='color:#2F92EE;'>#临床毒理报告#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=90, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=142363, encryptionId=6b2614236315, topicName=临床毒理报告), TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=142362, encryptionId=0c8314236261, topicName=尿液药物检测)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Wed Jul 01 11:28:24 CST 2026, time=2026-07-01, status=1, ipAttribution=上海)]
    2026-07-01 梅斯管理员 来自上海

    #人工智能# #尿液药物检测# #临床毒理报告#

    0

相关资讯

Journal of Hepatology：使用人工智能检测不可切除肝细胞癌中的食管静脉曲张并预测肝失代偿

对于接受阿替利珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者，利用常规动脉期增强CT提取的深度学习基础模型HepatoSageCT评分，联合影像学上容易获取的门体分流这一简单指标，能够实现无创准确检测。

Eur Respir J：人工智能赋能临床，全新工具提升肺动脉高压筛查与风险分层能力

此次研究将智能体大语言模型与机器学习算法结合，打造出一套低成本、易推广的临床辅助诊断工具，有效解决了电子病历数据杂乱、核心指标缺失带来的诊断难题。

【协和医学杂志】人工智能驱动肺癌诊疗：研究进展与未来展望

本文系统梳理了AI在肺癌诊疗领域的最新研究进展，以及在改善患者临床结局与提升诊疗效率方面的价值，并分析其在真实临床场景中应用的现实障碍与未来发展方向。

Gastroenterology：多组学分子特征联合人工智能，开启炎症性肠病精准分层诊疗新时代

分子评估和人工智能的整合将推动IBD的临床管理从传统的“一刀切”和试错模式，转向一种高度个性化、精准且可预测的新范式。

Frontiers in Endocrinology：罕见儿科生长障碍中骨龄自动化评估

本研究成功验证了Deplasia在两类罕见且诊断复杂的儿科生长障碍（内分泌综合征和溶酶体贮积症）中的自动化骨龄评估能力。

8266 例大样本证实：AI 可精准预警舌癌术后并发症

该工具为舌癌围术期个体化诊疗提供了有力支撑，临床医生可借助其开展术前知情沟通与共享决策，针对高风险患者提前启动多学科优化干预，结合加速康复外科方案降低并发症风险。

人工智能设计的抗体药物即将进入临床

尽管完全依赖AI模型进行药物开发仍需数年时间，但行业普遍认为，AI设计的抗体药物已站在了临床试验的门槛上，有望解锁传统方法难以靶向的疾病靶点。

JAMA子刊：说话就能测病情？AI 语音分析可精准评估精神分裂症症状严重度

精神科临床评估始终高度依赖患者的言语表达，医生仅凭语气、语速、话语逻辑的细微变化，就能初步判断精神状态波动 —— 这种诊疗直觉虽普遍应用于日常工作，却始终缺乏标准化的量化工具，

人工智能能否在回忆罕见肾脏病临床试验数据方面超越临床医生？

人工智能可以作为临床实践的有用辅助工具，提供高效、按需的特定试验数据访问，从而减少当代肾病学实践中手动文献检索的时间限制。

Lancet子刊：AI 实时自适应干预为青年大麻使用减量开辟新路径

作为全球首个将强化学习算法应用于大麻使用移动干预的研究，本次试验为未接受治疗的青年群体提供了低门槛的干预新范式，也为后续优化与大规模试验奠定了基础。