📄 本集選讀論文
文章標題: Evaluating predictive performance and generalizability of traditional and artificial intelligence models in predicting surgical site infections postspinal surgery: a systematic review
原文出處：
The Spine Journal, 26 (2026) 280-291. doi:10.1016/j.spinee.2025.07.032
原文連結:
💡 快速摘要
* **預測能力對比：** 系統性綜述顯示，在預測脊椎手術部位感染（SSI）上，55.5% 的 AI 模型展現出極高的預測力（AUC > 0.9），遠優於傳統模型的 4.8%。
* **外部驗證瓶頸：** AI 模型存在嚴重的「過度擬合」現象，一旦換到大型資料庫進行驗證，準確度會從高點跌落至約 0.62，顯示目前其泛用性與穩定性仍不如傳統模型。
* **感染成本高昂：** 脊椎手術感染將顯著增加後續醫療成本（約 3.7 萬美元），對於放置內固定裝置的患者而言，後續處理極為棘手。
* **臨床實務建議：** 相較於依賴 AI 預測，術前控管肥胖（BMI）、糖尿病、抽菸及縮短手術時間，是降低免疫衰老風險、守護傷口癒合的實質關鍵。
歡迎收聽：陪你走健康路一段。
我是神外 614，
這是個讓你方便用耳朵聽取神經肌肉與手術相關的論文選讀。
如果您對內容有興趣的話，也可以在上方節目欄裏找到本集內容的原始文章連結！
