npj Digital Medicine：深度学习在耳鼻喉头颈外科的应用现状及“人工智能鸿沟”的启示

人工智能(AI)，特别是深度学习技术，因其在医学影像、生理信号、基因组学等复杂数据处理中的优势，已被视为提升耳鼻喉头颈外科医疗质量的重要手段。OHNS临床实践丰富的半结构化数据（影像、音频、视频等）为AI应用提供了良好基础。近年来，深度学习在OHNS的探索迅速增加，尤其在耳科和神经耳科等方向表现突出。

然而，临床AI应用推广远落后于概念验证研究，实际可用的OHNS专属FDA批准AI设备极少（仅2例）。这反映出AI从理论走向临床实践的过程中存在显著“人工智能鸿沟”，即技术开发与临床落地之间的巨大隔阂。临床验证阶段作为AI转化的关键环节，验证模型的准确性、安全性及实用性，现阶段对此的研究明显不足，对OHNS人工智能的临床应用形成制约。

发表在npj Digital Medicine上，由美国斯坦福大学和约翰霍普金斯大学等单位的Liu等学者共同完成。这是一项涵盖1996至2023年间，在MEDLINE、EMBASE及Web of Science三大数据库中检索共计3236篇文献，通过严格筛选纳入444篇涉及OHNS深度学习的研究的范围性回顾。研究系统梳理了深度学习模型在OHNS各亚专业的应用，分析了研究的地理分布、数据类型、模型结构及验证阶段等，并特别关注模型验证的成熟度和临床转化的进程，阐述了当前研究存在的“人工智能鸿沟”问题及应对策略。

图 1：PRISMA流程图，展示文献筛选过程和结果。

本研究遵循PRISMA-ScR指南，设计透明、严谨的文献搜索策略，涵盖“深度学习”及“耳鼻喉头颈外科”相关关键词，检索三大数据库。排除无深度学习方法、非OHNS专用、未公开全文、非原创研究及非英语文献，共筛选纳入444篇符合条件的研究文章。数据提取涵盖发表时间、作者国别、子专业领域、应用目的、数据类型、深度学习模型类别、验证方法及研究阶段，力求客观全面呈现该领域研究动态。

研究结果

发表时序与地域分布

从2012年起，深度学习在OHNS的研究数量呈指数增长，2022年达到最高峰，年发表数量105篇（图 2a）。研究涉及48个国家，集中于美国（139篇）、中国（95篇）及韩国（38篇）（图 2b），表明深度学习在OHNS应用的全球性发展态势。

图 2：OHNS深度学习论文的发表年度趋势及地域分布示意图。

研究领域与应用类别

深度学习涉及OHNS所有子专业，其中耳科与神经耳科（包含听力学）占比最高（28%）（图 3a）。绝大多数应用旨在扩展医疗人员能力（56%）和疾病筛查（30%）（图 3b）。输入数据以图像为主，占比55%（其中非放射学图像36%、放射学图像19%），包括耳镜、喉镜、临床照片、组织学图像等。模型以卷积神经网络（CNN）使用最广，占比63%（图 3c），适合图像与序列数据处理。

图 3：研究领域（子专业）、应用目标及输入数据类型分布。

AI模型开发阶段与验证状况

绝大部分研究（99.3%）停留在in silico阶段，即纯数据驱动的计算机模拟验证，只有3篇（0.7%）进行了离线验证（offline validation）——包括语音降噪与视觉语音识别的实验室环境验证。无一研究实现了临床环境验证（0%）（图 4a），突出地反映出OHNS领域深度学习临床转化的断层。

图 4：AI研究的开发阶段、采用报告指南及验证方法情况。

报告规范的采纳情况

仅24篇论文（5.4%）采用了任何形式的报告指南，主要涵盖STARD（2.9%）、TRIPOD（1.3%）和CONSORT-AI（0.2%）等，显示AI研究普遍缺乏规范的报告与透明度（图 4b）。

验证设计和数据方法

验证多为单中心回顾性研究，少数采用前瞻性设计（1.8%单中心，0.5%多中心），部分研究未明确验证方法或未实施独立测试或交叉验证（16%）（图 4c）。仅9.2%的研究尝试解释模型（如Grad-CAM、CAM等），模型解释性不足可能影响临床接受度。

总之，本研究首次系统勾勒出深度学习在耳鼻喉头颈外科领域的发展图谱，揭示该领域“人工智能鸿沟”尤为明显——尽管研究数量激增，但在临床验证环节形同空白，严重制约AI技术的实际应用和患者获益。

这一情况与医疗AI领域普遍难以跨越的转化瓶颈相契合。临床验证是AI产品安全性、有效性及可用性的关键保障，缺失临床验证将带来潜在风险和不确定性。研究提出，推动早期从低复杂度、低风险的非诊断任务入手，如自动化临床流程、辅助决策等，可快速实现落地价值。此外，采用和推动AI研究报告标准化、强化严谨的验证方法、重视数据多样性与标注质量，也至关重要。它们不仅提升研究质量，也有助于吸引资金投入与监管批准。未来应鼓励分阶段、迭代式的临床验证试点，从单中心局部验证做起，逐步拓展至多中心大规模应用，结合联邦学习等新型数据共享模式，突破隐私与数据壁垒。

此外，研究提醒临床标注的准确性对AI模型性能影响巨大，需避免粗糙或超纲诊断标签对模型训练产生干扰。最后，尽管AI模型的可解释性备受关注，但当前尚无统一要求，安全有效才是核心指标。

原始出处：

Liu GS, Fereydooni S, Lee MC, et al. Scoping review of deep learning research illuminates artificial intelligence chasm in otolaryngology-head and neck surgery. npj Digital Medicine. 2025;8:265. doi:10.1038/s41746-025-01693-0