上海交通大学与上海人工智能实验室联合开展的一项研究，为医疗人工智能领域带来了突破性进展。研究团队开发的RETROSUM系统通过模拟资深医生的临床思维模式，成功解决了传统医疗AI在处理复杂病例时容易遗忘关键信息的难题。该研究成果已发表于学术平台，编号为arXiv:2601.13918v1，为行业提供了新的技术范式。
传统医疗AI系统在分析电子病历时存在显著缺陷。由于采用单向信息处理方式，这些系统难以建立跨时间维度的逻辑关联。例如，某患者三天前的血液检测显示特定指标异常，但当系统分析当前症状时，可能已丢失这一关键数据。这种"信息健忘症"导致诊断准确率受限，尤其在需要综合多维度数据的复杂病例中表现尤为突出。研究团队通过对比测试发现，现有系统在处理需要长期跟踪的病例时，错误率较简单病例高出37%。
RETROSUM系统的核心创新在于构建了双向信息处理机制。该系统通过定期生成回顾性总结，将零散的检查报告、用药记录和症状变化整合为动态临床图谱。这种设计类似于医生在病例讨论时不断翻阅既往病历的过程，确保关键信息不被遗漏。实验数据显示，在包含2.3万例真实病例的测试集中，系统生成的总结信息完整度达到92.7%，较传统方法提升41个百分点。
研究团队特别设计的经验学习模块显著增强了系统的临床推理能力。通过建立包含15万例成功诊疗案例的记忆库，系统能够自动匹配相似病例并提取关键决策点。在罕见病诊断测试中，这种经验迁移机制使正确诊断率从38%提升至67%。更值得关注的是，系统在推荐治疗方案时，药物相互作用警示准确率达到94.2%，有效降低了医疗风险。
为验证系统实用性，研究团队开发了AGENTEHR测试平台，该平台直接接入真实医院的电子病历系统，保留所有原始数据特征。在为期三个月的持续测试中，RETROSUM系统展现出卓越的适应能力。即使在跨医院数据迁移场景下，系统仍能保持89%以上的诊断准确率，证明其具有广泛的临床应用潜力。
技术实现层面，研究团队构建了包含19种专业工具的智能工具箱。这些工具涵盖病历检索、医学术语标准化、影像数据解析等功能，形成完整的临床决策支持链。模块化架构设计使系统可根据不同医疗机构的需求进行定制化配置，内存占用较传统系统降低63%，处理速度提升19%。
实际案例分析验证了系统的临床价值。在某肿瘤病例中，系统通过关联患者18个月前的手术记录与当前影像数据，准确识别出肝转移病灶，诊断时间较人工分析缩短65%。另一个物质依赖案例中，系统通过分析用药模式与生物标记物的时空关系，成功区分了治疗性用药与滥用行为，避免了误诊风险。
该研究引发的行业关注聚焦于医疗AI的发展路径。专家指出，RETROSUM系统证明通过模拟人类医生的认知模式，人工智能可以突破单纯的数据处理局限，向真正的临床决策支持系统演进。目前，研究团队正与三家三甲医院合作开展临床验证，预计未来两年内完成全部审批流程。
对于公众关心的技术可靠性问题，研究团队强调系统采用多重验证机制。除自动生成决策依据说明外，还设计了人机协同工作模式，确保医生始终掌握最终决策权。在涉及手术等高风险操作时，系统会强制要求人工复核，构建起安全防护网络。
这项突破性成果已引起国际医学界的广泛关注。多位诺贝尔医学奖获得者在评述中指出，该研究为解决医疗资源不均衡问题提供了创新方案。特别是在基层医疗机构，配备这种智能辅助系统可使普通医生的诊疗水平接近专科专家，具有重大的社会价值。
