编辑推荐 | 《柳叶刀-全球健康》编辑精选人工智能相关论文合集

发布时间：2026-09-11来源：柳叶刀TheLancet

近日，《柳叶刀-数字医疗》(The Lancet Digital Health)与《柳叶刀-全球健康》(The Lancet Global Health) 的编辑及特邀专家在网络研讨会中，围绕“人工智能与全球健康”展开了深入讨论，探讨了人工智能在医疗健康领域的发展与应用。

研讨会后，两本期刊的编辑为我们特别推荐了人工智能话题相关论文，与读者分享。本期我们整理出《柳叶刀-全球健康》主编 Zoë Mullan 和高级编辑金平阅的精心推荐，与大家共同研读。识别或扫描对应文章图中二维码，即可阅读原文。

《柳叶刀-全球健康》编辑推荐

在“数据科学与人工智能—全球健康”交叉领域建立共识框架

数据科学和人工智能（AI）正深刻改变全球健康实践。从传染病监测、辅助临床诊断，到卫生资源配置与公共卫生干预设计，相关技术的应用场景持续拓展，尤其为资源紧张的中低收入国家带来了缩小卫生服务差距的新可能。然而，全球范围内的相关研究与实践仍较为分散，地区间能力差距明显。中低收入国家普遍面临数字基础设施薄弱、AI治理能力不足、技术人才紧缺等现实瓶颈，围绕算法偏见与数据主权的争议又进一步加大了AI公平、可持续部署的难度。一个根本性问题亟待回答：在数据科学、AI与全球健康的交叉领域，哪些研究方向最为紧迫？有限的科研资源应优先投向哪些议题？对此，国际社会尚缺乏一套系统且可操作的共识框架。

研究采用“儿童健康与营养研究倡议（CHNRI）”方法，对全球健康领域数据科学与AI相关研究议题进行系统整理与评价。研究共纳入155项候选议题，并从五个维度进行评价：可行性与可回答性、对疾病负担的潜在影响、范式变革潜力、转化与实施可能性，以及对健康公平的影响，最终形成了首份基于广泛国际专家共识的“数据科学与AI全球健康研究优先议题清单”。此外，研究将专家共识结果与多种大语言模型的输出进行了系统比较，为理解AI工具在科研议题设定中的潜在作用提供了参考。

研究发现，国际专家普遍认可的优先议题集中在传染病监测、诊断准确性提升与卫生系统效能优化三大方向，具体包括：开发面向疫情暴发的AI预测模型；提升中低收入国家在结核病、疟疾和新冠肺炎等疾病诊断中的速度与准确性；改进疫情早期数据的实时分析方法，强化早期预警能力。

研究同时揭示了不同收入水平国家在议题侧重上的结构性差异。高收入国家的专家更关注系统与政策层面的优化，如成本效益建模、气候与健康数据整合、数据基础设施建设等；中低收入国家的专家则更强调对基础医疗服务与疾病防控的直接支持，如疫情预测、基础诊断能力提升、免疫接种普及和儿童健康等。这一分化表明，全球卫生研究议程的制定不宜简单套用统一排序，而应结合各地资源条件与健康需求进行本地化适配。

在专家共识与大语言模型的比较中，两者在疫情准备、卫生系统优化等传统领域表现出较高一致性。但大语言模型提出的议题覆盖面更广，延伸至母婴健康、心理健康与伦理治理等跨领域主题，体现出其在知识整合与趋势识别方面的优势。相较之下，人类专家的评估更注重现实可行性、系统约束与政策可落地性，经验判断与情境理解仍不可替代。

本研究是全球范围内首次在“数据科学与AI—全球健康”交叉领域建立的多国专家共识框架，为科研资助机构识别重点方向、优化资源配置提供了战略依据，也为政策制定者推动数字健康技术的安全应用与伦理治理提供了实证参考。研究团队强调，中低收入国家不应仅作为数字医疗技术的被动接受者，更应成为全球议程的共建者与引领者。

https://doi.org/10.1016/S2214-109X(25)00473-5

数字医疗与人工智能在提升非洲艾滋病病毒（HIV）预防覆盖范围和有效性方面的作用

随着全球艾滋病病毒（HIV）预防工作面临日益加剧的财政压力以及持续存在的服务覆盖缺口，包括人工智能在内的数字医疗干预措施（DHIs），有望提升有效性、公平性和覆盖范围。在撒哈拉以南非洲多个国家，包括移动应用程序、卫生信息系统在内的数字医疗工具正在扩大服务提供范围、优化资源配置、提升用户参与度，并加强HIV预防服务提供。人工智能的应用则进一步增强了数据分析、疫情建模、热点预测以及增强HIV防治项目中差异化服务提供模式。

然而，影响数字医疗有效性的关键挑战依然存在，包括系统间互操作性不足、数字素养水平较低、数据利用和解读能力有限、网络连接不足、隐私保护问题以及治理体系碎片化等。为了确保这些工具能够持续提升HIV照护及其他卫生服务的覆盖范围、质量和公平性，必须有意识地将数字医疗干预纳入国家卫生战略之中，并辅以健全的数据保护框架、符合当地文化背景的设计、对卫生人才能力建设的投入以及可持续的融资机制。如果能够获得充分的资源支持、有效治理并深度融入卫生系统，在人工智能的助力下，数字医疗干预有望帮助各国提供更加智能、高效和公平的HIV预防服务，同时促进更广泛的卫生系统强化。

https://doi.org/10.1016/S2214-109X(25)00447-4

基于人工智能的宫颈癌前病变筛查工具在非洲五国中的表现：一项前瞻性、观察性诊断准确性研究

背景

宫颈癌每年导致约30万名女性死亡，且几乎全部发生在中低收入国家。使用醋酸进行宫颈视觉检查（visual inspection with acetic acid，VIA）仍然是一种常见的筛查方法，但其准确性并不理想。自动视觉评估（automated visual evaluation，AVE）是一种已经完成内部验证的人工智能（AI）辅助工具，旨在帮助卫生工作者提升VIA筛查效果并提高诊断准确性。我们旨在评估AVE在真实世界临床环境中检测经组织病理学确诊的宫颈上皮内瘤变2级及以上病变（CIN2+）的敏感性和特异性，并将其表现与肉眼VIA进行比较。

方法

这项前瞻性诊断准确性研究于2022年3月17日至2023年1月13日期间在马拉维、卢旺达、塞内加尔、赞比亚和津巴布韦采用便利抽样选取的政府卫生机构中开展。符合条件的参与者为接受常规宫颈筛查的女性。妊娠期女性、产后不足6周者、既往接受子宫切除术或宫颈切除术者、曾接受宫颈癌前病变或宫颈癌治疗者，以及因急性感染相关炎症变化导致宫颈无法清晰观察者均被排除在外。所有参与者按连续入组方式纳入研究。指数检测方法为此前已验证的基于人工智能的AVE系统。参考标准为宫颈组织样本的组织病理学检查结果。

结果

在24,447名符合条件的女性中，9,559人（39.1%）为HIV感染者，11,635人（47.6%）在至少一种检测中呈阳性结果。其中，7,695人（31.5%）HPV检测阳性，5,610人（22.9%）AVE检测阳性，2,314人（9.6%）VIA检测阳性。在18,086名最终病理状态得到确认的女性中，526人（2.9%）被诊断为CIN2+。AVE检测CIN2+的敏感性为60.1%（95% CI 55.5–64.5），对于低于CIN2病变的特异性为81.9%（95% CI 81.3–82.5）。VIA的敏感性为36.6%（95% CI 32.2–41.1），特异性为94.2%（95% CI 93.8–94.5）。AVE相较于VIA在敏感性上的提升具有统计学意义（p<0.0001）。在AVE辅助VIA模式下，即当AVE或VIA任一结果为阳性时判定为阳性，其敏感性达到71.8%（95% CI 67.6–75.8），特异性为79.0%（95% CI 78.3–79.6）。HPV检测的敏感性为90.4%（95% CI 87.4–92.9），特异性为80.1%（95% CI 79.5–80.7）。

解释

与VIA相比，AVE表现出更高的敏感性，但特异性出现中等程度下降。这种方法有望提高宫颈癌前病变的检出率。受参与者中高HIV感染率影响，研究中HPV和CIN2+阳性率较高，这进一步凸显了在资源有限地区扩大基于人群的筛查项目的重要性，以支持实现消除宫颈癌的目标。

https://doi.org/10.1016/S2214-109X(25)00352-3

中文翻译仅供参考，一切内容以英文原文为准。

The Lancet Webinar“全球健康中的人工智能”（AI in global health）于2026年8月25日线上直播，现已开放录播回放，欢迎您注册后观看研讨会录播。点击卡片或文末“阅读原文”，即可观看精彩录播。

关注柳叶刀服务号，探索更多科研服务！

#柳叶刀全球健康 #人工智能模型

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。