《中国器官移植人工智能辅助临床决策专家共识（2026 版）》解读

制定单位：中国肝移植注册中心、国家肝脏移植质控中心、国家人体捐献器官获取质控中心等；发表于《中华消化外科杂志》《器官移植》2026 年 3 月。 核心定位：AI 仅做辅助决策，不能替代临床医师最终判断，覆盖器官捐献‑获取‑匹配‑保存‑手术‑术后全流程；明确数据标准、模型准入、临床应用边界、伦理与责任划分。 ⚠️本为学习解读，不能替代原始文献，不作为直接临床诊疗依据。

一、总原则

1. 定位：AI‑ODT（人工智能辅助器官捐献与移植）属于决策支持工具，医师拥有最终临床决策权，禁止 AI 自动输出器官取舍、移植与否的最终结论器官移植。
2. 数据基础：依托全国移植注册、OPO、电子病历、影像、检验、病理多源数据；强调数据合规、隐私保护，符合《人体器官捐献和移植条例》及人工智能相关法规器官移植。
3. 模型要求：国内临床落地模型需要经过国内多中心外部验证，不能直接照搬国外模型；优先可解释 AI，“黑盒模型” 临床应用严格受限器官移植。
4. 人机协同：AI 输出风险预测、概率、辅助建议；医师结合患者个体情况、伦理、等待死亡风险综合判定。

二、分临床场景 AI 辅助应用建议

场景 1：供者评估、器官质量评估、边缘供器官筛选

1. 可辅助：供者器官风险分层；DCD/DBD 供肝、供肾、供胰、供肺质量预测；结合实验室、影像、病理（供胰活检、供肝病理）、热 / 冷缺血参数预测移植物早期功能障碍风险，辅助识别潜在可利用边缘供器官中华消化外...。
2. 不允许：AI 直接输出 “该供器官直接弃用 / 直接可用” 的终局判断；供器官取舍必须由 OPO、移植外科多学科人工复核。
3. 影像 AI：供器官 CT/MRI 影像辅助阅片，辅助识别脂肪变性、纤维化、血管病变，不能替代病理金标准。

场景 2：供‑受者匹配与等待名单管理

1. 辅助功能：供‑受者综合风险匹配（除 HLA 配型之外，叠加年龄、BMI、合并症、等待死亡风险、预期移植物生存）；等待受者风险分层，预警等待期间死亡 / 病情进展风险；辅助分配决策参考。
2. 红线：AI 不能替代国家人体器官分配与共享计算机系统（COTRS）法定分配逻辑，仅作为医师的补充参考工具，不干预法定分配优先级。

场景 3：器官保存、转运、离体器官机器灌注

1. AI 可辅助：机器灌注（肝 / 肾 / 肺）多参数实时监测，预警灌注异常；预测离体器官保存耐受时长；结合灌注指标预判移植物功能障碍风险。
2. 提醒：不能仅凭 AI 预测改变冷 / 热缺血安全时间阈值。

场景 4：移植围手术期（手术、麻醉、术中风险预警）

1. 辅助：受者术前手术风险分层；术中生命体征实时预警；术后早期原发性移植物功能障碍（PGD、PNF）的早期预警。
2. 手术规划 AI：三维影像重建辅助外科方案设计，仅作手术参考，不替代术者术中判断。

场景 5：术后长期受者管理（重点）

1. 免疫抑制：辅助他克莫司、MPA 等药代动力学风险预测、剂量辅助建议；但不能自动输出最终调药方案，必须医师确认。
2. 并发症预警：预警急性排斥、AMR、感染、BK 病毒、CMV；利用检验、dd‑cfDNA、影像多模态做风险分层；提示需要进一步做活检 / DSA 检测的高危人群。
3. 慢性移植物失功（CLAD、CAN 等）：辅助早期识别高危进展人群。
4. 肿瘤相关：肝癌肝移植等待期风险分层、复发风险预测；仅辅助，不替代 mRECIST/LI‑RADS 影像评估与 MDT。
5. 依从性管理：基于多源数据识别服药依从性高危受者，做分层干预提醒。

三、AI 模型准入、质量与验证要求（共识硬性要求）

1. 数据集：训练数据集需要覆盖我国 DBD、DCD 真实人群，不能仅用国外数据。
2. 验证：必须完成内部交叉验证 + 独立多中心外部验证；报告 AUC、校准度、阳性 / 阴性预测值；模型需要定期迭代更新。
3. 可解释性优先：临床决策类模型尽量采用可解释机器学习；深度黑盒模型仅可用于筛查预警，禁止用于关键器官取舍、调药、移植准入等核心临床决策。
4. 版本管理：上线后模型版本可追溯，记录输入输出，便于不良事件回溯。

四、伦理、隐私与责任边界（共识重点）

1. 隐私：严格落实数据脱敏，遵循医疗数据安全法规；禁止将移植敏感数据用于非医疗商业用途。
2. 责任划分：
   • AI 工具：提供概率预测、辅助建议；
   • 医疗机构与临床医师：对最终临床决策承担全部医疗责任，不能把责任推给 AI 模型。
3. 公平性：模型需要评估不同年龄、性别、地域、DCD/DBD 亚组的偏差，避免算法偏见造成部分患者移植机会被不合理剥夺。
4. 知情：向患者说明 AI 工具仅为辅助，最终方案由临床团队确定。

五、明确不推荐 / 禁止的 AI 应用行为

1. ❌禁止 AI 独立自动判定：供器官可用 / 弃用、患者是否具备移植入组资格、自动输出免疫抑制剂最终剂量。
2. ❌禁止直接使用未经过中国人群外部验证的海外模型直接用于国内临床决策。
3. ❌黑盒深度学习模型直接用于器官取舍、移植准入、关键调药等高危临床决策。
4. ❌AI 输出结果绕过医师直接作为器官分配的决定性依据。

六、共识提出的研究缺口

1. 构建全国标准化多模态移植数据库，统一供‑受者、病理、灌注、结局数据集标准。
2. 边缘供器官 AI 预测模型的前瞻性真实世界验证。
3. dd‑cfDNA、病理组学、影像组学多模态融合模型开发。
4. 移植大语言模型的幻觉风险管控、临床落地规范。
5. 建立国内移植 AI 工具的行业评价与准入规范。

七、核心推荐汇总

✅推荐

1. AI 在器官移植全流程定位为临床辅助决策工具，医师保留全部最终决策权。
2. 用于临床的移植 AI 模型必须经过国内多中心外部验证，优先选择可解释模型；黑盒模型仅限筛查预警。
3. AI 可辅助供器官质量风险分层、等待名单风险预警、机器灌注监测、围术期及术后并发症风险预警、免疫抑制辅助参考，但不能输出终局临床结论。
4. AI 不得干预 COTRS 法定器官分配逻辑，仅作为医师补充参考。
5. 明确医疗责任主体为医疗机构及临床医师；做好数据隐私保护，防范算法偏见。

⚠️谨慎

1. AI 给出的只是概率风险，不能直接等同于临床确诊；高危提示仍要回归传统金标准（病理、DSA、活检、影像）。
2. DCD 边缘供器官 AI 预测结果不能替代 OPO 和移植团队的多学科人工综合评估。

❌不推荐

1. AI 自动决定器官取舍、移植准入、免疫抑制剂最终剂量。
2. 直接使用未在中国人群验证的国外模型用于国内移植临床决策。
3. 将 AI 输出作为器官分配决定性依据。