AI在感染性疾病决策中的应用：从床旁咨询到复杂护理

一句话总结: AI在感染性疾病决策中呈现三类应用——知识检索、风险分层、治疗选择，但临床落地仍需外部验证与标准化工作流整合。

研究背景

感染性疾病具有病程变化快、病原体复杂、治疗窗口期短等特点，对临床决策支持需求极高。本文系统综述了AI技术在感染性疾病全流程决策中的应用现状与挑战。

方法

综述范围

• 大语言模型（LLM）在感染病知识检索中的应用
• 机器学习（ML）在风险分层中的研究
• AI辅助治疗选择（抗生素方案、剂量优化）

文献标准

纳入2020-2026年发表的英文文献，重点关注临床验证研究。

主要结果

三类核心应用场景

应用类型	技术路径	典型场景	成熟度
知识检索	LLM	抗生素使用指南查询、用药相互作用检索	初步应用
风险分层	ML	识别临床恶化风险、耐药风险预测	中等
治疗选择	AI	抗生素方案推荐、剂量个体化优化	探索阶段

关键发现

1. LLM辅助知识检索：可快速整合多源指南与文献，但存在"幻觉"风险，需人工审核
2. ML风险分层模型：在脓毒症恶化预警、耐药菌感染风险预测方面表现较好，但泛化能力待验证
3. AI辅助治疗选择：抗生素方案推荐系统已取得初步成果，但个体化剂量优化仍处研究阶段

落地障碍

• 外部验证不足：多数模型缺乏多中心、多人群验证
• 工作流整合困难：与HIS/EMR系统对接成本高
• 监管路径不明确：AI辅助决策软件的审批标准尚不清晰

临床意义

• 为感染科医生提供AI工具选择参考
• 提示临床部署需优先解决验证与整合问题
• 推动标准化报告框架（CINEX指南）的落地

局限性

• 综述范围限于感染性疾病，结论外推需谨慎
• 部分新兴应用缺乏长期临床结局数据
• 对经济性与卫生经济学评估讨论不足

引用格式

作者. From Bedside Queries to Complex Care: AI for Decision-Making in Infectious Diseases. 
Clinical Microbiology and Infection, 2026. PMID: 42570802

原文链接

• PubMed: https://pubmed.ncbi.nlm.nih.gov/42570802/

---

整理: 2026-08-09 标签: #医疗AI #科研 #论文 #感染性疾病 #抗生素 #综述