JAMA Network 宣布推出专注 AI 与数字健康的新刊 JAMA AI

医学人工智能的研究产出在过去几年间迅速膨胀，但学界对其基本格局的判断一直是“演示多、落地少”：方法学指南早已提醒，诊断与预测模型不能只看区分度，患病率会左右预测值，未经充分的外部队列验证极易高估临床性能^[4]；美国心脏协会的科学声明同样承认，鲜有 AI 工具被证明足以改善心血管与卒中诊疗而获得广泛采用^[5]；数据共享与隐私、算法透明度、标准化与互操作、患者安全等落地障碍被反复清点^[1]，监管路径的模糊也被视为瓶颈之一^[2]。领域缺的不是算法，而是检验算法临床实效的阵地。

这正是 JAMA Network 这期播客的背景。它宣布推出旗下第 14 本出版物 JAMA AI，专注 AI 与广义数字健康，主编 Roy Perlis、主持人 Yulin Hswen，并与既有的 JAMA+ AI 相区分——后者聚合 13 本期刊的 AI 内容并配解说、视频与播客，2024 年由 Perlis 撰文介绍，定位为纵览全网 AI 内容的“窗口”^[6]。创刊逻辑有二：PubMed 上 AI 相关论文近年增速“惊人”，JAMA 稿源中 AI 占比激增；更关键的判断是，AI 已从“跨领域应用的方法”演变为“自成一门学科”，研究问题正从“AI 能否做 X”转向真实世界表现与是否改善诊疗。两个例子可见一斑：JAMA Neurology 一项研究纳入 966 名老年人，以医患对话声学特征识别认知障碍，最佳模型 AUROC 约 0.73，但 PPV 仅约 30%、灵敏度约 68%、特异度约 64%，价值在风险分层而非替代诊断；JAMA 的研究则把 AI-OCT 纳入糖尿病性黄斑水肿的实际筛查路径，假阳性转诊率约 24%（对照组 69%），转诊灵敏度维持 100%。

往前看一步，新刊重视“有健康影响”工作的征稿取向，几乎逐条对应上述卡点：前瞻性与真实世界证据、临床试验、实施科学、人机交互配置、安全与公平，也接受探讨技术对患者体验与医患关系影响的非技术性论述。例 2 所体现的“进入临床后会发生什么”的提问方式，正是从性能指标转向实效证据；例 1 中 AUROC 尚可而 PPV 受限，则再次印证了患病率与预测值关系的告诫^[4]。而以医患对话为数据源，也延续了“对话是医学核心”的传统认知^[3]。

当然，播客仅称投稿“即将”开放，未给出创刊号内容与评审细则；AMA 保留文本与数据挖掘及 AI 训练权利的版权声明对作者的影响也有待观察。更根本的是，新阵地不等于新证据——低 PPV 的声学筛查提醒我们，“AI 能否改善结局”仍需逐项回答，而“医学仍深刻人性化”这句口号如何落成评审操作，才是这本新刊真正的考题。