梅奧診所研發醫療 AI：看患者上傳的照片就能揪出術後傷口感染

手術做完剛回家，傷口周圍有點發紅，你很難判斷這到底是正常的癒合反應，還是傷口悄悄發炎了。過去唯一的辦法，是拍張照片通過醫院的線上系統發過去，等著醫生在成堆的留言裡抽空肉眼看一眼。

梅奧診所（Mayo Clinic）最近把這項耗費人力的篩查工作交給了 AI。他們的研究團隊開發了一套基於視覺 Transformer 的深度學習系統，直接從患者上傳的照片裡揪出手術部位感染，相關研究已經發表在《外科學年鑑》（Annals of Surgery）上。

先認切口，再看感染

這套系統並不是單純給人臉識別模型換個皮。患者在家裡拍的照片往往光線雜亂、角度千奇百怪，甚至經常拍糊。AI 介入的第一步，是先判斷照片質量合格不合格，再從整個畫面裡精確找到手術切口的位置。

研究團隊使用了來自梅奧診所 9 家醫院、6000 多名患者的 20000 多張真實照片來訓練模型。測試結果顯示，系統定位手術切口的準確率達到了 94%，而在判斷是否發生感染方面，ROC 曲線下面積（AUC）達到了 81%。

論文共同資深作者 Cornelius Thiels 解釋，深度學習的多層神經元可以提取肉眼難以察覺的邊緣和紋理特徵。除了切口本身，未來類似架構還能用來識別術後引流管和造口的情況，把院後隨訪自動化推進得更深。

避開膚色偏見的坑

醫療影像 AI 最怕的就是偏見。很多模型因為訓練集多為淺膚色人群，一旦換到深膚色患者身上，準確率就會斷崖式下跌。面部和皮膚識別模型裡也普遍存在性別差異。

梅奧團隊在設計初期就把偏見檢測列為了核心環節。根據論文公佈的資料，團隊進行了按種族分層的敏感性分析，結果顯示不同種族之間的表現相當，模型展現出了較強的泛化能力。Cornelius Thiels 表示，他們目前正在按照具體的皮膚色調做更細緻的分析，確保演算法不會對特定人群漏診。

根據美國疾控中心（CDC）此前的資料，手術部位感染佔到了醫療相關感染的兩成，全美每年為此要多花大約 33 億美元。一旦發生感染，患者平均要多住 9.7 天醫院，每次住院費用暴增兩萬多美元。把感染扼殺在初期，不僅能讓患者少遭罪，也是在給醫保省大錢。

為什麼重要

對剛做完手術在家的患者來說，這套工具最大的價值在於買一份及時的安心。只要拿手機拍張照上傳，就能先過一道初步篩查，不用因為一點疑似紅腫就在急診和門診之間折騰，真正有危險的情況也能第一時間被截獲。

我們認為，梅奧診所最聰明的選擇，是把 AI 放在了「分診助手」的位置上，而不是讓它越權開處方。隨著日間手術和遠端監護普及，臨床醫生每天要看海量患者照片，負擔早已不堪重負。AI 自動踢掉拍糊的廢片、把高風險傷口頂到待辦列表最上方，這種工作流整合才是它能落地的關鍵。

不過 81% 的感染檢測 AUC 意味著它依然存在漏檢和誤報空間，絕不能當成最終診斷。家庭環境中的光照條件、床單背景色和患者持機角度，依然是真實落地時的變數。它什麼時候能走出梅奧自家的門戶系統、接入更多基層醫療機構，將直接決定這項技術的普惠天花板。