深度解析医学证据，lxfs.net为你支撑决策 尿液药物检测是急诊诊疗、慢性疼痛管理与成瘾医学中的核心工具，可为物质使用障碍患者的用药依从性监测、治疗方案调整提供客观依据。然而，复杂的药物代谢通路、检测交叉反应与特殊药代动力学案例，往往需要临床毒理专家介入解读，不仅拉长了报告周转时间，也推高了实验室运营成本。近年大语言模型技术的快速发展为临床流程优化提供了新思路，但生成式模型存在的幻觉风险与输出不稳定性，使其难以直接落地临床场景。近日，发表于JAMA Network Open杂志的一项研究，通过 “非生成式 AI + 人在回路” 的技术路径，成功开发并部署了尿液药物检测 AI 签发系统，在保障解读准确性的前提下实现了显著的效率提升。 该研究为单中心预后研究，纳入了华盛顿大学医学中心 2014 年 1 月至 2024 年 2 月间的 83553 份尿液检测样本，覆盖 26459 名患者，其中男性占 46.9%，患者首次检测的平均年龄为 47.5 岁。研究遵循 TRIPOD+AI 报告规范，采用分阶段技术方案：首先通过微调的大语言模型从历史签发报告中提取结构化的物质使用标签，将非结

小提示：本篇资讯仅在梅斯医学APP中开放阅读，请扫描二维码直接下载APP