EpiScreen：大模型读临床笔记早期筛查癫痫，辅助医生诊断准确率最高提升14.3%

核心要点

• 问题：癫痫与心因性非癫痫性发作（PNES）症状相似却需截然不同的处理，误诊常导致诊断延误和不必要的治疗。
• 方法：研究团队在标注临床笔记上微调多个大语言模型，构建低成本早期筛查工具 EpiScreen，并在公开 MIMIC-IV 与明尼苏达大学私有队列中验证，再开展临床医生与 AI 协作评估。
• 结果：EpiScreen 在 MIMIC-IV 上 AUC 最高 0.875，在明尼苏达队列达 0.980；辅助下神经科医生诊断准确率较独立阅片最高提升 14.3%。
• 意义：用常规临床笔记即可早期识别癫痫，有望缩短 8–12 周诊断等待、减少不必要的视频脑电图监测与抗癫痫药物暴露。
• 原文：Early epilepsy detection from electronic health records with large language models，npj Digital Medicine，2026-10-08

1. 癫痫与心因性发作的临床挑战

癫痫（epilepsy）是全球最常见的神经系统疾病之一，约有 5000 万患者。临床上有一种难辨别的“双胞胎”——心因性非癫痫性发作（psychogenic non-epileptic seizures，PNES），也称功能性发作或分离性发作。它发作时看起来和癫痫几乎一样，但病因、治疗和预后完全不同。

问题在于，两者的区分并不容易。转诊到三级癫痫中心、被当作“药物难治性癫痫”的患者中，约有 20%–30% 最终被确诊为 PNES。发作时长、是否闭眼、是否咬舌等临床特征都缺乏特异性，患者和家属对发作过程的描述又常常含糊，规则类或特征类模型因此表现很差。

鉴别诊断的“金标准”是长时间视频脑电图（video-electroencephalography，vEEG），它能把临床事件与脑电活动实时对应起来。但 vEEG 代价高昂：单次住院监测费用常超过 1.5 万美元，等待时间长达 8–12 周。在此期间，患者可能被误用抗癫痫药物，也可能错失针对 PNES 的心理干预。因此，急需一种能用现成数据、低成本完成早期分流的工具。

2. EpiScreen 的核心创新

EpiScreen 的核心思路，是把大语言模型（large language models，LLM）变成一位“临床笔记阅读器”。

第一，用现成的临床笔记做输入。 过去癫痫分诊依赖手工构造的表型特征或规则，面对“意识丧失”“反应迟钝”这类在两种疾病里都会出现的描述时表现很差。EpiScreen 直接使用神经科转诊过程中产生的常规临床笔记，捕捉医生文字里的隐含信号，无需额外采集结构化数据。

第二，用微调而不是提示工程。 团队在标注笔记上微调了 Qwen-2.5-32B、DeepSeek-R1-32B、Llama-3.3-70B、Med42-70B 等多个开源模型。相比直接使用现成大模型，微调带来的平均 AUC 提升在 MIMIC-IV 上为 13.2%、在明尼苏达队列上为 11.6%，说明领域微调比单纯的提示技巧更关键。

第三，输出带句子级归因。 EpiScreen 不只给出“癫痫还是 PNES”的判断，还标出支持判断的具体句子，让医生能核对推理依据，这是它能真正被临床接受的基础。

3. 技术原理：让大模型读懂病历文字

EpiScreen 的工作流程可以概括为“输入—判断—解释”三步。输入是患者转诊前后的临床笔记；模型把这些非结构化文字编码后，输出“癫痫样事件是癫痫还是 PNES”的概率；同时给出句子级归因，指出哪些描述支撑了结论。

这里要分清“基础模型能力”和“研究原型”的区别：EpiScreen 是经过专科数据微调的研究原型，它的能力来自对特定临床任务（癫痫 vs PNES）的针对性训练，不是通用聊天模型的即插即用。它也不替代 vEEG 的确诊，而是在 vEEG 之前提供一个快速分流信号。此前已有 MIRA 这类在电子健康记录（EHR）内自主完成诊疗流程的 AI 智能体，EpiScreen 则把焦点收窄到“癫痫 vs PNES”这一个明确的分诊任务上。

4. 数据说话：关键结果

作为参照，基于表型特征的 FSLS 方法在 MIMIC-IV 上 AUC 为 0.695，ClinicalBERT 为 0.769，在明尼苏达队列上分别达 0.944 和 0.960。EpiScreen 的多个微调版本均显著高于这些基线，且在不同开源底座上表现稳定。

在临床医生协作评估中，团队从 MIMIC-IV 测试集分层随机抽取 300 个病例，请 8 名医生——三组各 2 名约 4 年资历的神经科住院医师，加 2 名超过 10 年经验的资深神经科医生——在有无 AI 辅助两种条件下判断。独立阅片时三组住院医师准确率分别为 0.793、0.763、0.767，资深医生 0.817；接入 EpiScreen 后分别提升到 0.880、0.890、0.877 和 0.893。更重要的是错误类型互补：辅助使住院医师的漏诊（假阴性）从 36 例降到 14 例，资深医生的误诊（假阳性）从 37 例降到 19 例。

5. 从实验室到临床：应用前景与局限

在应用层面，EpiScreen 可能用于三级转诊前的专科分流：对疑似耐药性癫痫的患者，先用临床笔记做初筛，帮助决定是否需要、以及多紧急地安排 vEEG，也可能减少对很可能实为 PNES 患者的抗癫痫药物暴露。研究团队估计，这一流程有望把诊断等待缩短 8–12 周，对缺乏 vEEG 资源的地区尤其有价值。

但必须指出几处局限。第一，训练与测试数据来自同一医疗系统（MIMIC-IV 与明尼苏达大学均为美国机构），跨地区、跨语言、跨病历书写习惯的泛化能力尚未验证。第二，临床医生协作评估是回顾性的病例判断，并非真实诊疗环境的前瞻性试验，尚未证明能改善患者结局。第三，研究未报告统计学 P 值与置信区间，准确率的提升幅度需谨慎解读。EpiScreen 目前仍是研究原型，距离临床应用还需前瞻性验证。

6. 结论与产业启示

EpiScreen 最有价值的信号是：用常规临床笔记加上领域微调的大模型，就能在癫痫这一常见误诊场景中给出有价值的早期分流，并让医生与 AI 形成互补——医生补上了模型缺少的临床常识，模型则帮医生拾起被文字淹没的线索。

对医疗 AI 产业有三点启示。其一，数据就在病历里：非结构化临床笔记是被低估的富矿，微调比堆算力更能释放其价值。其二，人机协作优于各自为战，评估 AI 要看“医生+AI”的净增益，而非孤立比较准确率——这也印证了 大模型辅助医生决策的跨国随机试验 中“辅助而非替代”的结论。其三，从专科分流这类明确、低风险的环节切入，比一步到位做自动诊断更现实。这类把大模型用于临床决策支持系统（CDSS）的探索，正在为“AI 如何真正嵌入诊疗流程”提供可复制的路径。

相关问题

问：EpiScreen 现在能直接用于临床诊断吗？ 答：不能。它目前是研究原型，训练和验证都来自美国同一医疗系统，且临床评估是回顾性病例判断而非前瞻性试验，尚未证明能改善患者结局。它定位为 vEEG 确诊前的早期分流辅助，不替代确诊检查。

问：AI 会不会取代神经科医生？ 答：不会。研究恰恰显示“医生+AI”优于医生或模型各自单独工作，AI 帮医生拾起文字中的线索、医生补上模型的临床常识，是协作而非替代。vEEG 解读和最终诊疗决策仍由医生主导。

问：这套方法能否照搬到中国的医疗环境？ 答：尚未验证。它依赖英文病历和美国的转诊流程，中文病历书写习惯、术语和数据分布不同，直接迁移效果未知，需要本地化数据做微调与前瞻性验证。

参考文献

1. Zhou S, Yu K, Zhan Z, et al. Early epilepsy detection from electronic health records with large language models. npj Digital Medicine, 2026. https://doi.org/10.1038/s41746-026-03346-2
2. Alsentzer E, Murphy JR, Boag W, et al. Publicly available clinical BERT embeddings. Proceedings of the 2nd Clinical Natural Language Processing Workshop, 2019. https://doi.org/10.18653/v1/W19-1909
3. Johnson AEW, Bulgarelli L, Shen L, et al. MIMIC-IV, a freely accessible electronic health record dataset. Scientific Data, 2023. https://doi.org/10.1038/s41597-022-01899-x

本文基于该论文的独立解读，仅供学术交流，不构成临床建议。