臨床 AI 這一週交出的不是新試驗，而是三份總帳 —— 真正把住院死亡率從 23.1% 壓到 18.6% 的，是一個不含 LLM 的惡化分數；而 GPT-4o 的隨機試驗停在 aOR 0.77、p=0.13

RWJBarnabas Health 與 Rutgers Robert Wood Johnson 醫學院在 11 家急症醫院把 Epic Deterioration Index（EDI）的即時警示直接送進 rapid response team，而不是只貼在護理站的儀表板上。研究發表於 NEJM AI（DOI 10.1056/AIoa2500973），由該院健康資訊副總裁 Thomas Nahass 主持；導入前 10,803 人次、導入後 12,329 人次，共 23,132 人次。10 月 2 日 2 Minute Medicine 的評析把它重新拉回檯面，並補上完整統計：未校正死亡率 23.1% → 18.6%（絕對差 −4.5 個百分點，95% CI −5.6 到 −3.5），校正後 aOR 0.82（95% CI 0.74–0.91）；RRT 啟動 OR 1.74（95% CI 1.61–1.88），RRT 評估比例從 25.3% 升到 37.5%，而 ICU 轉床並未同比例上升。

這是今年少數「動到死亡率」而不是「動到準確率」的臨床 AI 研究，而它用的東西一點都不新 —— EDI 是 Epic 內建、以結構化生理數值為主的梯度提升分數，裡面沒有任何 LLM。真正改掉的是流程：警示不再等人看到，而是直接呼叫一支會去床邊的隊伍。Nahass 自己把因果講得很保守：「我們的目標是更早找出病人，在介入變得困難之前。惡化指數給了我們一個更早的時間點。」

這是前後對照（before-and-after）的前瞻世代研究，不是隨機試驗，前後兩段期間的季節分布不均、其中兩家醫院導入不完整，外推性作者自己標為不確定。更該注意兩個數字：導入後只有 46.6% 的住院真的產生了通知；而在剛好跨過門檻的 EDI 55–59 這一段，校正後 aOR 是 0.86（95% CI 0.63–1.17）—— 信賴區間跨過 1，也就是這份研究最接近「準實驗」的那一刀並沒有顯著性。

2 Minute Medicine, 2026-10-02 · HIT Consultant, 2026-07-29 · Medical Xpress, 2026-07

KEMRI-Wellcome Trust、University of Birmingham、Penda Health 與 LSHTM 合作，在奈洛比與 Kiambu 兩縣 16 家基層診所做務實型群集隨機試驗，把 clinical officer 隨機分到「有 LLM 輔助的電子病歷」或「關掉 LLM 的同一套電子病歷」。工具是 AI Consult 2.0，底層 GPT-4o。2025 年 4 月 22 日至 7 月 16 日收案，9,691 名病人、103 位 clinical officer（介入組 52、對照組 51）。主要指標是 14 天內經專家判定的治療失敗複合事件：介入組 102/4,693（2.2%）、對照組 94/4,654（2.0%），aOR 0.77（95% CI 0.55–1.08，P = 0.13），無顯著差異。Nature Medicine 線上刊於 6 月 26 日、紙本 8 月號。

這是目前規模最大、設計最乾淨的「前沿 LLM 直接進基層診間」隨機試驗，而它的答案是：不會害人，也沒救到人。作者原話是「LLM assistance was safe but did not reduce treatment failure within 14 days and any benefit, if present, is probably modest」。但次要指標全面變好：病歷記載品質顯著提升（診斷 aOR 1.74、完整病程記錄 aOR 1.68、治療計畫 aOR 1.71），抗生素成本平均每人降 0.15 美元，病人滿意度兩組一樣。換句話說，LLM 現在證明得出來的價值是「文件與用藥紀律」，不是「臨床結果」。

事件率比設計時預期的低得多，所以這份試驗其實是 power 不足：二手整理指出，要偵測更小幅的差異需要 10 萬名以上病人。因此「沒有顯著差異」不等於「證明無效」。另外樣本全來自單一都會區私立診所網路（Penda Health），對鄉村與公立體系的外推性有限；14 天的追蹤窗口也可能太短。安全面上，被標記的輸出只有 49.4% 被評為「definitely safe」，另有 1.1% 被判為不安全 —— 這個 1.1% 的分母與嚴重度細節需回看原文。

Nature Medicine, 2026-06-26 (print 2026-08) · University of Birmingham · PubMed 42362867

10 月 2 日發布的 AI & Digital Health 2026 Q3 回顧把這一季的臨床證據排在一起看，結果很一致：ESTOP-AKI（JAMA Network Open，7 月）180 名住院病人，機器學習成功標出急性腎損傷風險，但提早的腎臟科照會並未改善結果（peak creatinine 變化 0.04 對 −0.03 mg/dL，無統計意義），且非飲食／非電解質建議只有 41% 被完整採納。ALLIANCE（9 月，82 位醫師判讀風濕科病例）顯示 LLM 輔助讓速度大增但準確率沒動；ACDIS 的報導補上數字 —— 用 Prof. Valmed 的介入組首選診斷正確率 33.3%、對照組 35.0%，但判讀時間 94 秒對 206 秒。同一份回顧還列了一項 9 月的幻覺偵測研究：資淺臨床人員只找出 15.8% 的 GPT-4o 幻覺，13.1% 的人一個都沒找到。

把這些放在一起，Q3 的形狀就出來了：模型抓得到風險，但人與流程沒有把風險變成行動。ESTOP-AKI 的 41% 採納率、EDI 研究的 46.6% 通知率，講的是同一件事。回顧自己下的判語最狠：「A better model does not necessarily produce better medicine.」這也解釋了為什麼同一季的基礎模型規模一路往上（NeuroVFM 吃 524 萬份 MRI/CT volume、PRISM2 吃 230 萬張全切片影像與 70 萬份病理報告），卻沒有一條對應的結果曲線。

這是個人署名的整理型回顧，不是同儕審查的系統性回顧，也沒有宣告搜尋策略或納入排除標準，因此有選樣偏誤的空間。文中每一項原始研究都應回查原文；本日報只採用其中能另外找到二手或一手出處佐證的數字，無法佐證的（如幻覺偵測研究的完整書目）在編輯說明中標出。

AI & Digital Health Quarterly Review 2026Q3, 2026-10-02 · ACDIS, 2026-09-10

ARISE（AI Research and Science Evaluation，史丹佛─哈佛研究網絡）的首份年度 State of Clinical AI Report 2026，由 Peter Brodeur、Ethan Goh、Adam Rodman、Jonathan H. Chen 主筆，背後掛著 Stanford Computational Medicine、Harvard Medical School Shapiro Institute 與 Beth Israel Deaconess。史丹佛醫學院的說明給了關鍵數字：FDA 已放行超過 1,200 項 AI 醫材；而他們回顧的 500 多份醫療 AI 研究中，近 50% 用的是考試型題目，只有 5% 用了真實病人資料。報告也記下 AI 可在標準院內警示前 8–24 小時預測病人惡化。

這 5% 是今天整期日報的分母。當九成五的文獻跑在題庫上，所謂「模型在醫學上的進步」有多少能換成病床邊的改變，本來就無從得知；而本期前三則剛好把那 5% 的樣子攤開給你看 —— 一則有死亡率、兩則沒有。報告自己的話是：「AI is already embedded in health care, and that is unlikely to change. What this report makes clear is that the next phase will not be driven by newer models alone.」它同時點出一個「jagged frontier」：模型在受控任務上很強，碰到真實世界的變異與不確定性就脆。

報告本身發布於 1 月 15 日，不是本週新聞，放進今天是因為它是解讀前三則的必要尺規。ARISE 官網的公開頁面只給概念性結論，沒有列出完整方法學與那 500 多份研究的清單，所以「近 50%／只有 5%」這兩個比例目前只能由史丹佛醫學院的新聞稿佐證，無法從公開頁面逐篇覆核。

ARISE, State of Clinical AI Report 2026 · Stanford Medicine, 2026-01-15

梅約診所（Rochester）的 Méabh M. Killalea、Jordan Borgeson、Jared G. Bird 等人在 npj Digital Medicine（2026-06-09，卷 9、文章 712）發表前瞻研究：995 名成人同時接受 AI 強化心電圖（AI-ECG）與 AI 導引聚焦式心臟超音波（AI-FoCUS），並以完整心臟超音波為對照。執行者是 9 名完全沒有超音波經驗的新手，使用 Philips Lumify 手持探頭搭配 UltraSight 的即時導引，影像由盲化專家判讀。結果：AI-FoCUS 偵測結構性心臟病（SHD）敏感度 90.1%、特異度 99.1%、PPV 95.4%、NPV 98.0%；AI-ECG 單獨使用敏感度 87.0%、特異度 60.7%、PPV 僅 30.6%。

這是本期唯一一則「AI 真的把技能下放給非專業人員」的證據，而且下放得很乾淨 —— 導引負責取像、專家負責判讀，責任切面清楚。但真正值得抄下來的是那個取捨：先用 AI-ECG 篩、再用 AI-FoCUS 確認的兩段式策略，把影像使用量壓到 47%、特異度拉到 99.4%、PPV 96.1%，代價是敏感度從 90.1% 掉到 77.0%。也就是省一半的檢查，要漏掉約四分之一的病人。這種「省多少換漏多少」的換算，才是給付單位真正會問的問題。

這是轉診族群（referral cohort），疾病盛行率遠高於社區篩檢，所以 PPV 95.4% 這個數字不能直接搬到一般人口；作者自己也只說「feasible and accurate for detecting selected SHD phenotypes」—— selected 這個字限定了可偵測的病型範圍。另外，取像是新手做的，但判讀是盲化專家做的，所以這份研究並沒有測試「沒有專家的場景」。

npj Digital Medicine, 2026-06-09

Queen of Hearts US Registry 收錄 UC Davis（Sacramento）、UT Health Houston、Beth Israel Deaconess（Boston）三個 primary PCI 網絡，2020 年 1 月至 2024 年 5 月共 1,032 次 STEMI 啟動。TCTMD 的報導（研究同步刊於 JACC: Cardiovascular Interventions）給出：AI 敏感度 92% 對標準判讀 71%、特異度 81% 對 29%、AUC 0.94；在生物標記陰性病人中的假陽性心導管啟動由 41.8% 降到 7.9%。該模型是 Powerful Medical 的 PMcardio「Queen of Hearts」，訓練目標是冠狀動脈阻塞型心肌梗塞（OMI）而非傳統 STEMI 判準。Timothy Henry 的話：「AI-EKG analysis has the potential to reduce false activation by up to fourfold.」

特異度 29% → 81% 這個跳幅在臨床 AI 文獻裡非常罕見，而且它指向一個被低估的事實：很多 AI 的價值不在抓出更多病人，而在停掉不必要的動作。假陽性心導管啟動每一次都是一組人半夜被叫起來、一間導管室被佔用、一個病人被推進侵入性流程 —— 這種成本從來不會出現在 AUC 裡。另一位研究者 Ivan Rokos 的話也值得記下來：「We as physicians are still ultimately responsible for the patient, but AI can certainly turbocharge and augment our abilities.」

這是回溯性登錄研究，不是前瞻比較，AI 是在已經被啟動的 1,032 個案例上回頭判讀，所以它沒有測到「AI 當第一線守門人會漏掉什麼」。報導與原始發表的時點是 2025 年 10 月（TCT 2025 大會），不是本週新聞；放進今天是為了對比上一則 AI-ECG 單獨使用 PPV 只有 30.6% 的結果 —— 同一個模態，用在不同決策點，數字可以差這麼多。此外 Powerful Medical 是該模型的商業開發者，登錄研究的資料來源與資助關係需回查原文。

TCTMD, 2025-10-31 · Powerful Medical

Kaiser Permanente 洛杉磯醫學中心的 Pouyan Golshani 等人在 Cureus（2026-07-13）盤點 1995–2025 年 FDA 的 AI／ML 醫材核准，AuntMinnie 的整理給出：總計 1,430 件，放射科 1,094 件（76.5%），加上心血管與神經科共佔 90.6%。而病理科只有 9 件、微生物 6 件、婦產科 4 件、精神與行為健康 0 件。速度也很懸殊：1995–2014 年平均每年 1.8 件，2023–2025 年平均每年 264 件，光 2025 一年就 331 件。廠商集中度上，740 家公司中有 502 家（67.8%）只拿到一件核准，而 13 家公司（1.8%）拿下 247 件（17.3%）。

這張分布圖解釋了為什麼本期的證據全長在影像與心臟上：法規通道三十年來只在「有像素、有訊號、有金標準」的科別鋪好了路。精神科 0 件不是因為沒人做，而是因為精神科缺一個能被 510(k) 接受的參照標準 —— 這也是為什麼心理健康 AI 大多以「非醫材」的消費品形式上市、繞過前市場審查。放射科 76.5% 同時意味著一件事：如果你是一家做非影像臨床 AI 的公司，你面對的不只是技術問題，而是一條還沒被走出來的路。

這是 7 月 13 日發表的文獻計量研究，不是本週新聞；而且「核准數」不是「臨床價值」的代理指標 —— 1,430 件裡絕大多數是 510(k) 實質等同，不需要前瞻臨床試驗。本日報只讀到 AuntMinnie 的二手整理，心血管與神經科各自的件數在該報導中未列出，故未引用。另有一份 Q3 季度回顧稱 FDA 已授權「超過 1,600 項」AI 醫材，與本則的 1,430 件統計窗口不同（後者僅計至 2025 年底），兩個數字不可混用。

AuntMinnie, 2026-07-16

美國醫學會（AMA）Center for Digital Health and AI 的 2026 Physician Survey on Augmented Intelligence，經 AuntMinnie（2026-03-12）整理：81% 的醫師已在執業中使用 AI（2023 年為 38%），超過 75% 認為 AI 改善了他們照顧病人的能力（2023 年 65%）。但問到病人端就翻轉：46% 表示「從不或很少」希望病人用 AI 解讀放射檢查結果，49% 對病理結果持同樣立場。另有 88% 擔心技能流失，86% 認為資料隱私是擴大採用的關鍵，88% 認為安全性與效能驗證是關鍵。

把 81% 和 46% 擺在一起，就看得到臨床 AI 下一階段的真正戰場不在模型，而在誰有權拿 AI 讀自己的片子。醫師接受 AI 當自己的副駕駛，但不接受 AI 當病人的副駕駛 —— 而病人端的 AI 判讀工具正在以消費品形式快速普及（前一則的精神科 0 件核准就是同一條路徑）。這個落差會在未來一兩年內變成門診裡的具體衝突，而不是學術爭論。88% 擔心技能退化這一項，則和今天 Prof. Valmed 那個「94 秒對 206 秒、準確率不變」的結果對得上：加速不等於增能。

這是 3 月 12 日的調查報導，不是本週新聞。更要緊的是：AuntMinnie 的報導未揭露樣本數與抽樣方法，AMA 的會員調查亦有自我選擇偏誤，因此「81%」這類數字應視為受訪醫師的自述比例，不是全美執業醫師的母體估計。「使用 AI」的定義範圍（是否含語音病歷、排程、計費）在該報導中也未界定。

AuntMinnie, 2026-03-12