大家好，今天我想给你们讲讲一个挺有意思的研究。2026年，华盛顿大学（WashU）的外科医生和计算机科学家们搞了个新动作，就是用人工智能来预测颈椎骨关节性脊髓病（CSM）。CSM就是颈部关节炎压迫脊髓，是老年人脊髓功能障碍的一个大头问题。这种病发展挺慢的，常常得拖上好几年才被发现，到时候就很难治了。 WashU的Salim Yakdan医师和Ben Warner博士生他们俩，就联合起了一帮人，想用AI把这事儿提前解决。他们给大数据集套上了七种不同的AI模型，翻遍了超过200万人的电子病历（EHR），专门盯着那些和确诊患者病史相似的记录看。结果发现，在这之前就能把CSM筛查出来，给治疗争取时间。 不过这事儿也挺难的。Jacob Greenberg医师是神经外科专家，他就觉得很难预判。他说想知道能不能在早期还能干预的时候，利用病历信息把这些人给揪出来。 Warner是在Chenyang Lu实验室工作的。Lu是McKelvey工程学院的Fullgraf教授，还是AI for Health Institute的所长。他们俩就用了两个数据源来训练模型：一个是本地医院的小数据集，另一个是Merative的外部大系统数据。团队比较了两类模型：一种是大型基础模型（“开箱即用”系统），已经在大量临床数据上预训练过；另一种是小型专业化模型，是从零开始训练的。 Yakdan发现基础模型在大型异质数据集上表现挺好；但在外部系统验证时，那个从小数据集开始训练的小模型反而更可靠、更一致。中等规模的模型在各个时间窗口都表现一般。 Greenberg还提到了大模型的一个问题：“AI在医学上确实有新机遇，但我们常盯着纯数据驱动的方向。”Lu也说临床知识很重要。他觉得一个模型在某家医院表现好，但换个地方可能就不灵了。所以他们这次发现训练数百万患者的大模型不如那些结合了临床知识的小模型那么稳健。Lu强调了把临床洞察嵌入AI解决方案的重要性：“这还是得靠临床知识来构建可信的工具。” 这篇文章是慧编译自《npj Digital Medicine》上的论文“Clinically-guided models or foundation models? predicting cervical spondylotic myelopathy from electronic health records”。