缩小儿科差距：成人训练的AI可稳健泛化用于儿童乳糜泻诊断

事件概述

相关报道显示，研究使用来自5个中心的9,958张成人十二指肠活检全切片图像训练AI模型，并在未参与训练的2个中心708例连续儿童患者数据上测试，儿童测试集表现为AUC 98.8%、敏感度80.2%、特异度98.4%、阴性预测值97.3%，模型校准误差为0.03。将预测概率分层并排除中间概率范围后（<10%或≥65%），敏感度提升至100%、特异度98.7%，高置信度范围（<2%或≥85%）未见误分类，且同时纳入十二指肠球部与降部活检可进一步提升表现。

这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。

产业观察

前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。

文章来源

https://www.medrxiv.org/content/10.64898/2026.06.04.26354889v1