---
title: "临床人工智能 (Clinical AI)"
created: 2026-06-10
updated: 2026-06-10
type: concept
tags: ["healthcare", "machine-learning", "medical-ai"]
sources: ["[[principled-uncertainty-clinical-ai]]"]
---

# 临床人工智能 (Clinical AI)

**临床人工智能**是将机器学习系统部署于医疗环境中的交叉领域，涵盖诊断影像、风险分层、治疗规划和患者分诊等应用。

## 核心挑战

1. **确定性输出的局限**：绝大多数临床 AI 系统输出点估计（如"73% 风险概率"），不提供置信度，无法区分高置信场景与分布外输入

2. **校准问题**：现代深度神经网络普遍校准不良（见 [[expected-calibration-error|ECE]]）

3. **公平性盲点**：标准准确率指标无法检测系统性偏见

## 不确定性在临床 AI 中的双重角色

[[principled-uncertainty-clinical-ai|Principled Uncertainty in Clinical AI]] 提出：

| 传统观点 | 新观点 |
|---------|-------|
| 不确定性 = 模型局限 | 不确定性 = **公平性资源** |
| 目标：最小化不确定性 | 目标：度量、报告、根据不确定性采取行动 |

高 [[epistemic-uncertainty|认知不确定性]] → 模型"知道自己不知道" → 触发人工升级 → 系统性保护弱势患者

## 关键技术栈
- [[bayesian-deep-learning|贝叶斯深度学习]] — 概率建模
- [[uncertainty-quantification|不确定性量化]] — UQ 方法
- [[precision-weighted-fusion|多模态融合]] — 处理异构临床数据
- [[algorithmic-equity|算法公平性]] — 公平性审计

## 参考
- [[principled-uncertainty-clinical-ai|Principled Uncertainty in Clinical AI]]
- [[algorithmic-equity|算法公平性]]
- [[uncertainty-quantification|不确定性量化]]