环球医讯

本文采访了科罗拉多州立大学心脏科和心脏外科部门负责人布莱恩·斯坎森(Brian Scansen)博士，探讨了为何心脏杂音在临床实践中可能被遗漏及其后果，介绍了EKO Vet+ CANINEBEAT® AI这一新工具如何通过95%的敏感性和特异性提高心脏杂音检测率，分享了AI如何弥补全科兽医与专科医生之间的听诊差距，并讨论了技术如何帮助推动宠物家庭从"知晓有心脏杂音"到"采取行动"的转变，从而改善犬类患者的生活质量和生存期。

一项发表在《科学》杂志上的新研究显示，OpenAI开发的o1推理AI模型在急诊诊断测试中表现优于医生，正确诊断率在患者分诊阶段达67%（医生为50-55%），入院准备阶段达81%（医生为70-79%）。然而研究者强调AI不应取代医生，并警告结果可能被误用；同期研究发现ChatGPT在52%案例中低估病情严重性，甚至建议濒临危险的患者自行监测。专家呼吁在临床部署前需进行真实环境测试，以确保AI诊断技术在实际患者护理环境中安全有效。

哈佛医学院与贝斯以色列女执事医疗中心最新研究显示，AI系统在真实急诊场景的混乱临床记录测试中，分诊阶段诊断准确率达67.1%，显著超过医生早期判断水平，但研究同时警示AI可能引发过度检测风险，该成果发表于《科学》杂志，标志着医疗AI从理论考试迈向真实场景验证的关键转折点，亟需建立更严格的安全评估机制以平衡诊断准确性与患者安全风险，避免因系统推荐不必要的检查而造成医疗延误、额外费用及潜在身体伤害。

一项在欧洲心脏病学会急性心血管护理2026年会上公布的研究显示，基于人工智能(AI)的心电图解读方法在检测闭塞性心肌梗死方面表现优于传统方法，特别是在没有ST段抬高的患者中。该单中心前瞻性研究对1,490名疑似急性冠脉综合征患者进行了分析，结果显示AI方法在84%的病例中正确识别了阻塞性心肌梗死，敏感性为77%，特异性高达99%，阴性预测值达98%，而传统诊断路径的准确率仅为42%。研究者认为，这种简单易用的AI技术可作为现有决策工具的有力补充，有助于提高心脏病的早期识别和及时有效治疗，相关成果将在今年8月的欧洲心脏病学会年会上作为焦点主题进一步探讨。

最新研究显示，先进大型语言模型在急诊诊断、分诊及管理决策方面表现优于人类医生，尤其在信息有限的早期分诊阶段能更有效处理不确定性；然而研究人员强调AI不能取代医生，而是预示着医疗领域即将发生深刻变革，亟需建立更严格标准来评估和规范AI在医疗中的应用，确保其安全、公平和成本效益，并推动人机协作诊疗模式的发展，监管机构、医院和医疗提供者应共同努力测试这些工具，确保所有患者获得最佳医疗照护。

哈佛大学与波士顿贝斯以色列女执事医疗中心的研究人员成功测试了OpenAI首款"推理"型大型语言模型o1-preview在急诊分诊阶段的诊断能力，结果显示该AI在76个真实急诊病例中准确率达67.1%，远超两位人类专家医生55.3%和50.0%的准确率，研究同时强调AI不会取代医生而是作为协作工具，但需关注AI幻觉和安全性问题，研究人员指出这项技术将"重塑医学"，但仍需通过严格测试验证其实际改善患者治疗效果的能力，专家建议采取"信任但要验证"的原则对待AI诊断结果。

美国研究人员开发的AI模型REDMOD能在临床诊断前475天通过常规CT扫描检测胰腺癌，敏感度达73%，显著优于放射科医生的39%。该技术对胰腺癌早期发现具有重大意义（英国患者5年死亡率高达92%），但需在多样化人群中完成前瞻性验证。专家强调AI医疗应用必须建立严格验证流程，避免因仓促部署损害临床信任，同时指出监管框架滞后于技术发展，结构性障碍正成为比技术突破更关键的挑战，这为全球AI医疗落地提供了重要参考案例。

本文深入探讨了人工智能在专科医疗工作流程中应用的四个关键考量因素，分析了通用AI工具在康复治疗领域面临的挑战，提出了如何通过定制化AI解决方案减轻临床医生文档负担、提高工作效率的具体策略，强调了AI必须嵌入临床工作流程而非简单叠加的重要性，指出了AI应理解专业术语、支持而非替代临床判断、实现自然集成等原则，为医疗机构合理应用AI技术提供了专业指导，对改善医疗质量和减轻医护人员职业倦怠具有重要参考价值。

美国多佛市药剂师约翰·莫罗警告，人工智能和社交媒体网红正推动危险的膳食补充剂使用趋势。许多消费者盲目相信网红推荐和AI建议，自行购买黑胡桃、艾草等强效草药用于驱虫，而这些产品可能干扰肝脏代谢途径并与处方药物产生危险相互作用。他强调即使是看似安全的补充剂如姜黄和圣约翰草，也可能导致血清素综合征或降低避孕效果，建议公众在使用任何补充剂前必须咨询专业医疗人员，切勿依赖社交媒体或AI获取健康建议。

人工智能技术已能提前六年预测阿尔茨海默病，佛罗里达州有超过72万痴呆症患者，且65岁以上居民超过450万，但该州医疗系统面临神经科医生短缺19%的困境，亟需建立数据所有权标准和责任保护框架，将AI认知筛查整合到医疗体系中，以把握早期干预窗口期，避免系统在延迟诊断和危机决策下进一步崩溃，否则AI技术可能仅成为传递系统尚未准备好应对的消息的加速器而非解决方案。