临床决策支持系统能真正改善卒中预后吗？天坛医院GOLDEN BRIDGE II整群随机试验：2.1万患者3个月新发血管事件降低26%
AI辅助诊疗真的能改变患者结局吗？北京天坛医院团队在《英国医学杂志》发表的GOLDEN BRIDGE II整群随机试验给出肯定答案：一套嵌入诊疗全流程的卒中临床决策支持系统（CDSS），让2.1万名急性缺血性卒中患者的3个月新发血管事件风险降低26%。
研究背景：卒中AI为什么「会读片」却难「改结局」？
卒中是中国居民第一大死亡原因，高发病率、高致残率、高复发率，是沉重的公共卫生负担。
规范的循证诊疗——抗栓、房颤抗凝、吞咽困难筛查、深静脉血栓预防——是降低复发风险的核心手段。但现实是，不同医院的诊疗水平差异很大，尤其在基层和二级医院，指南要求常常落不了地。
市面上的 AI 读片工具已经很多，但「会看图」和「真正改善患者结局」是两回事。长期以来，很少有 AI 医疗应用经过严格的随机对照试验（RCT）去验证它对患者预后的实际作用。这正是《英国医学杂志》（The BMJ）这项 GOLDEN BRIDGE II（金桥工程Ⅱ）研究要回答的问题。
创新点：一套嵌入诊疗全流程的临床决策支持系统
研究的主角不是「只会读片的 AI」，而是一套卒中临床决策支持系统（CDSS），由首都医科大学附属北京天坛医院李子孝、王拥军教授团队牵头。
它把三件事串在了同一条诊疗链上：
- AI 辅助影像分析——自动识别梗死灶的类型与部位；
- 卒中病因自动分型——判断是大动脉粥样硬化、心源性栓塞，还是其他病因；
- 循证治疗推荐——结合指南，提示该用什么药、该做哪些关键检查。
更关键的是，它能直接对接医院的 HIS、电子病历与影像系统，在医生诊疗的当下实时给出证据化建议。你可以把它理解为一种「临床决策智能体」的成熟形态——它不替代医生下判断，而是把指南要求变成诊疗过程中的一个个具体提醒。
技术原理：一条「读片—分型—推荐」的诊疗链
把它想成一个随叫随到的「医院AI助手」：
医生收治一名急性缺血性卒中患者后，系统先自动读影像、识别梗死灶；再据此判断卒中病因；最后对照循证指南，提示「该启动双联抗血小板」「该评估房颤抗凝」「别忘了做吞咽筛查」等关键动作。
这些提示大多落在基线依从性偏低的环节上——正是临床最容易漏掉、也最影响预后的地方。系统的价值不在于「做医生已经做到位的事」，而在于「把容易漏的关键动作补上」。
数据说话：3个月新发血管事件风险降低26%
这是全篇最硬的结果。这是一项多中心、整群随机对照试验，覆盖中国 77 家医院（38 家干预、39 家对照），纳入 21,603 例发病 7 天内的急性缺血性卒中患者。
主要结局是 3 个月内新发血管事件（缺血性卒中、出血性卒中、心肌梗死、血管性死亡的复合终点）：
| 指标 | CDSS 干预组 | 常规诊疗组 | 结论 |
|---|---|---|---|
| 3 个月新发血管事件 | 2.9% | 3.9% | aHR 0.74（95%CI 0.58–0.93，P=0.01），风险降 26% |
| 12 个月新发血管事件 | 4.0% | 5.5% | aHR 0.73（95%CI 0.56–0.95，P=0.02） |
| 复合诊疗质量指标 | 91.4% | 89.8% | P<0.001，显著提升 |
| 房颤抗凝执行率 | 77.0% | 69.3% | 显著提升 |
| 双联抗血小板执行率 | 76.2% | 69.6% | 显著提升 |
| 吞咽困难筛查率 | 98.5% | 91.2% | 显著提升 |
几个关键点：
- 获益看得见、也守得住：3 个月风险相对降低 26%，且这种获益一直延续到 12 个月（4.0% vs 5.5%），说明不是「短期好看、长期打回原形」；
- 补短板最明显：改善最大的，正是房颤抗凝、双联抗血小板、吞咽筛查这些基线依从性偏低的关键措施；而那些本来已经做到 90% 以上的环节，提升空间有限；
- 安全：两组在中重度出血、全因死亡、残疾率上无显著差异，没有出现「为了降复发、反而添风险」的问题。
应用前景与局限
这项研究最值得关注的一点是：超过 62% 的参与医院是二级医院——正是最缺乏神经专科力量、也最需要「把专家级诊疗带下去」的地方。AI 的价值，恰恰在于让基层也能给出接近指南标准的诊疗。
但也要把局限讲透：
- 入组患者中位 NIHSS 评分为 3 分，多为轻症，对重症卒中患者的结论需谨慎外推；
- 系统未覆盖血管内取栓（EVT）的决策，这是重症卒中治疗的关键环节；
- 未做成本效益分析，长期推广的经济账还没算清；
- 采用整群随机（随机化的是医院而非单个患者），院间差异可能对结果有一定影响。
结论
GOLDEN BRIDGE II 的价值，不在于「又一个 AI 打败了医生」，而在于它用最高等级的循证证据证明了一件事：当 AI 不只是「会看图」，而是深度嵌入临床流程、推动关键诊疗措施真正落实时，它就能切实改善患者的临床结局。
这给医疗 AI 落地指了一条更务实的路——不必追求炫技的模型，先把「把该做的治疗做到位」这件基本功做扎实。对资源有限、卒中负担沉重的地区而言，这套可规模化的「医院AI助手」尤其值得期待。
| 论文标题 | Effect of a clinical decision support system on stroke care quality and outcomes in patients with acute ischaemic stroke (GOLDEN BRIDGE II): cluster randomised clinical trial（临床决策支持系统对急性缺血性卒中诊疗质量与结局的影响——金桥工程Ⅱ：整群随机临床试验） |
| 作者 | Xinmiao Zhang、Lingling Ding、Jing Jing（共同第一作者）等国内外多中心研究者，通讯作者 Zixiao Li（李子孝）；资深作者王拥军（Yongjun Wang）、赵性泉（Xingquan Zhao） |
| 机构 | 首都医科大学附属北京天坛医院神经内科、国家神经系统疾病临床医学研究中心（中国北京） |
| 期刊 | The BMJ（《英国医学杂志》，四大顶级医学期刊之一） |
| 发表时间 | 2026 年 3 月 20 日 |
| DOI | 10.1136/bmj-2025-085810 |
| PubMed | PMID: 41862204 |
论文原文信息地址：https://www.simoagent.com/blog/2026-10-28-golden-bridge-ii-stroke-cdss-rct/
参考文献
- Zhang X, Ding L, Jing J, Wang C, Gu H, Jiang Y, et al. Effect of a clinical decision support system on stroke care quality and outcomes in patients with acute ischaemic stroke (GOLDEN BRIDGE II): cluster randomised clinical trial. The BMJ, 2026;392:e085810. DOI: 10.1136/bmj-2025-085810
相关问题
什么是临床决策智能体？
临床决策智能体（clinical decision agent）是一种嵌入真实临床工作流的医疗 AI——它不只「会看」某一种信息，还会把「读影像、做判断、给建议」串成一条诊疗链，在医生诊疗过程中实时给出证据化建议，并把最终决定权留给医生。本文的卒中临床决策支持系统（CDSS）就是一种成熟形态的临床决策智能体：它自动读片、判定卒中病因、再对照循证指南给出治疗推荐，直接对接医院的电子病历与影像系统，让关键诊疗措施更容易落实。
AI 读片工具和这篇研究的临床决策支持系统（CDSS）有什么区别？
两者解决的是不同层面的问题。AI 读片工具通常只负责「看影像」这一步，输出的是病灶的识别结果；而临床决策支持系统（CDSS）把「影像分析—病因分型—治疗推荐」串成一条完整诊疗链，并嵌入电子病历与诊疗流程，在医生下医嘱的当下提示「该用什么药、该做哪些关键检查」。GOLDEN BRIDGE II 证明的正是后者的价值——把「会读片」升级为「把该做的治疗做到位」，从而真正改善患者结局。
这项研究的结论能推广到所有卒中患者吗？
需要谨慎。这项研究入组的多为轻症患者（中位 NIHSS 评分 3 分），且系统未覆盖血管内取栓（EVT）的决策，因此对重症卒中患者的适用性尚待验证；同时研究未做成本效益分析，长期推广的经济性还不明确。但它的价值方向很清晰：在超过 62% 参与医院为二级医院、最缺乏神经专科力量的环境下，这套系统显著降低了新发血管事件风险，对资源有限的地区尤其有借鉴意义。