环球医讯

格拉德斯通研究所与英伟达合作开发了一种名为MaxToki的新型人工智能模型，该模型能够追踪全身细胞随时间变化的分子细节，预测与衰老相关的基因。研究团队使用来自出生至90岁以上健康人类的近1.7亿个细胞数据训练该模型，使其能识别加速或减缓正常衰老的基因。实验表明，该模型成功预测了心室心肌细胞中与衰老相关的基因变化，激活这些基因会导致细胞显示出衰老标志。这一突破有望帮助科学家更快地识别抗衰老靶点，开发减缓或预防痴呆症和心脏病等与年龄相关疾病的新方法，为抗衰老研究开辟了新途径。

哈佛医学院研究人员在《科学》杂志发表的突破性研究表明，一种新型大语言模型在六项临床推理与诊断实验中表现超过数百名专家医生，尤其在急诊科早期分诊中准确率达67.1%，显著高于两位医生55.3%和50%的准确率。研究强调人工智能不会取代医生，但必须通过严格的随机对照试验评估其临床应用价值，以确保在真实医疗环境中的安全性和有效性，避免技术部署速度超过评估能力的风险。

隆德大学研究人员开发出突破性AI模型，该模型基于全球最大神经退行性疾病蛋白质组学数据库，通过分析单次血样中的蛋白质特征，可同时精准诊断阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆及既往中风五种脑部疾病。该技术采用深度联合学习方法识别疾病特异性蛋白模式，其诊断准确率超越传统模型，并揭示临床诊断相同的患者可能存在不同生物学亚型，为神经退行性疾病的早期精准诊断与病理机制研究开辟新路径，有望未来实现无需辅助临床设备的血液诊断体系。

英国心脏基金会资助的一项研究在《美国心脏病学会杂志》发表，表明牛津大学研究人员开发的新型人工智能工具能够通过分析常规心脏CT扫描，提前至少五年预测患者发生心力衰竭的风险。该系统通过检测心脏周围脂肪组织的细微纹理变化识别早期心肌炎症，预测准确率达86%，使最高风险人群的识别效率提高20倍。这一突破将帮助医生实施早期干预措施，有效防止心力衰竭发展，减轻医疗系统负担，并显著提高患者生存质量和预期寿命，标志着人工智能在心血管疾病预防领域取得重大进展。

牛津大学研究人员开发的新型人工智能工具能够通过分析常规心脏CT扫描识别肉眼不可见的心脏周围脂肪纹理变化，从而提前五年预测心力衰竭风险，准确率达86%。该技术已在英格兰九个NHS信托机构的72,000名患者中进行测试，研究发现高风险患者五年内发展为心力衰竭的几率高达25%，是低风险组的20倍。英国心脏基金会表示这是首次能够准确预测心力衰竭的发展，有望在全国推广后帮助医生早期干预，防止心肌严重损伤，挽救数千生命并减轻医院压力。

牛津大学研究人员开发了一种创新的AI工具，该工具通过分析常规心脏CT扫描，能够在心脏衰竭症状出现前五年检测到这种被称为"沉默杀手"的心血管疾病，该技术已在英格兰九个NHS信托机构的72,000名患者身上得到验证，准确率达到86%，有望显著提高早期诊断率并改善患者预后，为心血管疾病的预防和管理带来革命性突破。

马里兰大学、特拉华大学和弗吉尼亚大学的研究团队成功开发出一种名为"芯片子宫颈"的创新设备，该设备首次实现了人类子宫颈环境的微型化模拟并包含功能性免疫系统，使科学家能够实时观察微生物组、免疫细胞与性传播病原体的相互作用，有望彻底改变性传播感染研究方法，解决传统动物模型的局限性，该突破性研究成果已于2026年4月3日发表在《科学进展》杂志上，对于每年造成全球近100万例新感染的性传播疾病防治工作具有重大意义，同时为开发更有效的治疗方法提供了新途径。

美国国立卫生研究院下属的国家药物滥用研究所研发出一种名为DFNZ的新型阿片类药物代谢物，在早期动物实验中显示出强效止痛效果，且未表现出典型阿片类药物的成瘾风险和呼吸抑制等严重副作用。研究显示，DFNZ能在大脑中停留5-10分钟后提供至少两小时的止痛效果，同时增加大脑氧气流动而非减少。尽管这项研究前景广阔，但研究人员强调需要进行更多临床前研究和人体临床试验以确认其安全性和有效性，且必须谨慎对待剂量控制，避免潜在的依赖风险。

诺和诺德公司宣布将推出"奥司美格鲁肽片"，这是其司美格鲁肽药物Rybelsus的重新品牌化和重新配方版本，将于5月4日起在美国上市。该药物已获FDA批准用于2型糖尿病患者，旨在降低心血管事件风险。虽然奥司美格鲁肽本身未获批准用于减肥，但GLP-1类药物已成为减肥市场的热门选择，礼来公司最新获批的Foundayo和亚马逊、沃尔玛等零售商推出的GLP-1服务项目进一步扩大了这一市场，反映了GLP-1药物在医疗领域的重要地位和广泛影响。

一项开创性项目以前所未有的精度揭示了人体从完整器官到细胞结构的隐藏细节，精确度达到单微米级别——约为人发直径的1/50。欧洲同步辐射装置和伦敦大学学院主导的"人类器官图谱"(HOA)项目利用层级相位对比断层扫描技术，提供了医学成像的"新黄金标准"，其成像工具比普通医院X射线亮达100万亿倍。该图谱目前已包含87个器官和363个三维数据集，不仅有助于研究从骨关节炎到心脏病等多种疾病，还可用于训练AI模型以提高疾病检测和治疗策略，有望彻底改变解剖学研究和医学教育方式，使大量科学数据民主化并促进公众科学参与。