梅奥诊所研发医疗 AI：看患者上传的照片就能揪出术后伤口感染

手术做完刚回家，伤口周围有点发红，你很难判断这到底是正常的愈合反应，还是伤口悄悄发炎了。过去唯一的办法，是拍张照片通过医院的线上系统发过去，等着医生在成堆的留言里抽空肉眼看一眼。

梅奥诊所（Mayo Clinic）最近把这项耗费人力的筛查工作交给了 AI。他们的研究团队开发了一套基于视觉 Transformer 的深度学习系统，直接从患者上传的照片里揪出手术部位感染，相关研究已经发表在《外科学年鉴》（Annals of Surgery）上。

先认切口，再看感染

这套系统并不是单纯给人脸识别模型换个皮。患者在家里拍的照片往往光线杂乱、角度千奇百怪，甚至经常拍糊。AI 介入的第一步，是先判断照片质量合格不合格，再从整个画面里精确找到手术切口的位置。

研究团队使用了来自梅奥诊所 9 家医院、6000 多名患者的 20000 多张真实照片来训练模型。测试结果显示，系统定位手术切口的准确率达到了 94%，而在判断是否发生感染方面，ROC 曲线下面积（AUC）达到了 81%。

论文共同资深作者 Cornelius Thiels 解释，深度学习的多层神经元可以提取肉眼难以察觉的边缘和纹理特征。除了切口本身，未来类似架构还能用来识别术后引流管和造口的情况，把院后随访自动化推进得更深。

避开肤色偏见的坑

医疗影像 AI 最怕的就是偏见。很多模型因为训练集多为浅肤色人群，一旦换到深肤色患者身上，准确率就会断崖式下跌。面部和皮肤识别模型里也普遍存在性别差异。

梅奥团队在设计初期就把偏见检测列为了核心环节。根据论文公布的数据，团队进行了按种族分层的敏感性分析，结果显示不同种族之间的表现相当，模型展现出了较强的泛化能力。Cornelius Thiels 表示，他们目前正在按照具体的皮肤色调做更细致的分析，确保算法不会对特定人群漏诊。

根据美国疾控中心（CDC）此前的数据，手术部位感染占到了医疗相关感染的两成，全美每年为此要多花大约 33 亿美元。一旦发生感染，患者平均要多住 9.7 天医院，每次住院费用暴增两万多美元。把感染扼杀在初期，不仅能让患者少遭罪，也是在给医保省大钱。

为什么重要

对刚做完手术在家的患者来说，这套工具最大的价值在于买一份及时的安心。只要拿手机拍张照上传，就能先过一道初步筛查，不用因为一点疑似红肿就在急诊和门诊之间折腾，真正有危险的情况也能第一时间被截获。

我们认为，梅奥诊所最聪明的选择，是把 AI 放在了「分诊助手」的位置上，而不是让它越权开处方。随着日间手术和远程监护普及，临床医生每天要看海量患者照片，负担早已不堪重负。AI 自动踢掉拍糊的废片、把高风险伤口顶到待办列表最上方，这种工作流整合才是它能落地的关键。

不过 81% 的感染检测 AUC 意味着它依然存在漏检和误报空间，绝不能当成最终诊断。家庭环境中的光照条件、床单背景色和患者持机角度，依然是真实落地时的变量。它什么时候能走出梅奥自家的门户系统、接入更多基层医疗机构，将直接决定这项技术的普惠天花板。