多模态临床AI究竟有哪些前瞻性证据？
前瞻性证据在两大狭窄领域最为有力：X光骨折检测与心脏MRI规划。一项2023年针对1163例检查的前瞻性研究中，AI骨折检测工具（Gleamer BoneView）帮助放射科住院医师发现了最初遗漏的25处额外骨折，将敏感性从84.7%提升至91.3%，同时特异性保持在97%以上[2]。这是真实临床工作流程中可测量的改进。在心脏MRI方面，两项前瞻性试验（10名健康受试者用于规划，20名受试者（含患者）用于匀场）发现，基于AI的切片规划使总扫描时间缩短超过2分钟（提速13%），而基于AI的磁场匀场将图像信噪比提升了12.5%，并改善了图像清晰度[3]。这些是在常规临床任务中具体且具有统计学意义的进步。
在这两个领域之外，前瞻性研究数据十分有限。2025年一项关于肝脏手术边缘AI导航系统的研究，在回顾性视频数据上达到了99.5%的精度，但作者明确指出“需要开展前瞻性临床试验以验证其临床实用性”[1]。同样，一项结合MRI结果与临床数据（PSA、年龄、前列腺体积）的多模态AI前列腺癌检测研究，其表现优于单一数据源（AUC 0.77 vs 0.70），但这仅是对932例检查的回顾性分析[6]。模式显而易见：回顾性结果令人振奋，但极少有研究在实时临床决策中得到验证。
为何多数多模态AI仍缺乏前瞻性验证？
主要原因在于，构建并测试一个真正融合多模态的系统——例如整合医学影像、化验结果与基因数据——远比测试单一模态的人工智能困难得多。2025年一项涵盖432篇多模态AI论文的综述研究发现，尽管这些模型在AUC指标上平均比单模态模型高出6.2个百分点，但绝大多数研究属于回顾性分析，且使用了经过整理、完整的数据集[10]。真实的临床数据往往杂乱无章：存在数据缺失、不同医院格式各异，以及跨部门协调的需求，这使得前瞻性试验在操作层面困难重重[8][10][11]。该综述同时指出，“跨部门协调、数据特征异质化以及数据集不完整等若干挑战依然存在”[10]。
另一个障碍是，许多多模态人工智能系统仍处于概念验证阶段。例如，GPT-4V在同时处理《新英格兰医学杂志》挑战病例中的文本和图像时，诊断准确率达到80.6%，但该研究仅基于一周内对精选公开数据的分析，并未在医院环境中进行[5]。研究者本人也呼吁需要“真实临床数据”进行验证。同样，结合临床数据与PET扫描的多模态痴呆症诊断AI框架，在试验中显示出对患者分层的前景，但现有证据均来自回顾性试验数据，而非前瞻性临床应用[7][9]。在干净数据集中有效的方法与繁忙临床环境中可行的方法之间，仍存在巨大差距。
这些研究在哪些方面达成一致，又在哪些方面存在分歧？
所有研究均一致认为，融合多种数据类型的多模态人工智能表现优于单模态人工智能。一项涵盖432篇论文的系统性综述发现，其AUC值平均提升6.2个百分点[10]；前列腺癌研究显示AUC值提高7个百分点（0.77对比0.70）[6]；而GPT-4V的准确率从仅使用图像时的45.2%跃升至同时使用文本与图像时的80.6%[5]。这种跨越不同任务与架构的趋同现象极具说服力：整合更多相关数据源总能带来持续助益。
然而，人们对多模态人工智能潜力的热情与前瞻性证据的匮乏之间存在着明显的矛盾。2022年和2025年的综述文章描绘了人工智能重塑医学的乐观前景[4][12]，但实际的前瞻性研究仅局限于骨折检测[2]和心脏磁共振成像[3]。肝脏手术导航系统[1]和痴呆分层工具[7][9]仍在等待前瞻性试验的验证。这并非矛盾——而是一个研究进展迅速、但部署尚未落地的领域。诚实的结论是：前瞻性证据仅存在于少数特定且定义明确的任务中，而对于多模态人工智能在医学领域的更广阔愿景，其在真实临床环境中仍基本未经证实。
关于这些来源
该回答基于12篇经同行评审的研究——发表于2022年至2026年间，其中7篇来自2024年及以后，9篇发表于Q1期刊，累计被引用3273次——这些研究是从13篇通过质量筛选的文献中选出的最具相关性的成果，而后者又源自从超过5亿篇论文的数据库中检索到的51篇文献。
本文引用的文献
基于边缘人工智能与多模态人工智能的肝切除术术中导航系统
一项2025年针对肝脏手术边缘AI导航系统的研究，在回顾性视频数据上实现了99.5%的平均精度，但作者指出仍需开展前瞻性临床试验以验证其临床实用性。
将AI骨折检测软件集成到放射影像临床工作流程的前瞻性方法
在一项针对1163次检查的前瞻性研究中，AI辅助骨折检测将住院医师的灵敏度从84.7%提升至91.3%，且特异性未受影响（97.4%）。
基于人工智能的心脏MRI规划与匀场技术的实施及前瞻性临床验证。
两项前瞻性试验（10名健康受试者用于规划，20名受试者含患者用于匀场）表明，基于AI的心脏MRI规划将扫描时间缩短了13%，而AI匀场将信噪比提升了12.5%。
人工智能在健康与医疗领域的应用
一篇2022年的综述文章探讨了人工智能在医学领域的潜力，指出前瞻性研究正在缩小研究与实际应用之间的差距。
评估生成式人工智能在复杂临床诊断中的多模态能力
GPT-4V在93例《新英格兰医学杂志》挑战病例中，同时提供文本和图像时达到了80.6%的诊断准确率，而仅提供图像时准确率为45.2%。但该研究使用的是经过整理的公开数据，而非真实的临床工作流程。
结合临床与影像输入的多模态AI提升了前列腺癌的检测效果。
在一项针对932例前列腺MRI检查的回顾性分析中，结合MRI影像结果与临床数据（PSA、年龄、前列腺体积）的多模态人工智能模型达到了0.77的AUC，优于仅基于MRI的人工智能模型（AUC 0.70）。
用多模态AI解决痴呆症临床试验中的“金发姑娘问题”
一篇观点文章认为，多模态人工智能可改善痴呆症临床试验中的患者分层，但所引用的证据来自回顾性试验数据，而非前瞻性应用。
医学中的多模态人工智能：面向临床转化的任务导向型框架
2026年的一项综述指出，多模态AI相比单模态模型能提升诊断准确性，但也面临数据异质性及对稳健融合策略的需求等挑战。
用于痴呆症生物标志物与病因学评估的多模态人工智能
一篇2025年的报告描述了用于痴呆症诊断的多模态AI框架，该框架融合多种数据以评估淀粉样蛋白/PET状态，但未报告前瞻性临床验证结果。
多模态人工智能在医学领域的应用探索：技术挑战与临床应用的系统综述
一项涵盖432篇多模态AI论文（2018-2024年）的范围综述发现，相较于单模态模型，多模态模型的AUC平均提升了6.2个百分点，但研究指出，大多数研究为回顾性研究，且面临数据异质性的挑战。
基于图像的临床生物医学中的多模态机器学习：综述与展望
一篇关于生物医学领域多模态机器学习的综述探讨了数据偏差和大数据稀缺等挑战，并呼吁进行原则性评估与实际应用。
多模态生物医学人工智能
2022年的一篇综述概述了多模态人工智能在个性化医疗和数字试验中的关键应用，但并未提供新的前瞻性证据。