环球医讯

伦敦马拉松中，视障跑者借助AI智能眼镜实现独立参赛突破。斯塔加特病患者蒂莉·道勒视力仅剩10%，通过欧克利Meta Vanguard智能眼镜获取实时环境提示和跑步数据；沙·汗等用户依赖其免提操作与导盲犬协同训练。技术分析师指出，AI眼镜虽能分析环境提供音频反馈，但马拉松等大型活动的人群网络拥堵可能影响可靠性。英国导盲犬协会强调技术应作为辅助工具，不可替代基础支持系统。随着人工智能进步，主流设备正显著改善视障人士生活无障碍水平，此次超5.9万名跑者参与的伦敦马拉松成为重要实践场景。

比利时研究人员利用人工智能技术对帕金森病进行了突破性研究，发现这种神经退行性疾病并非单一病症，而是包含两种主要类型和五个亚组。这一发现解释了为何不同患者对同一治疗方法反应各异，为个性化医疗提供了科学基础。研究团队通过分析24个与帕金森病相关基因的果蝇模型，运用机器学习算法识别出不同生物学亚型，证实了针对特定亚型的治疗方案可能更有效。该成果发表在《自然·通讯》杂志，有望推动帕金森病精准医疗发展，改善全球数百万患者的治疗效果和生活质量。

一项最新研究表明，人工智能能够通过分析常规冠状动脉钙化扫描自动测量心脏周围脂肪含量，从而显著提升心血管疾病风险预测准确性。研究发现心包脂肪水平与心血管疾病风险存在独立关联，即使在考虑年龄、血压、胆固醇和糖尿病等传统风险因素后依然显著。将AI测量的心脏脂肪数据整合到现有风险评估模型中，可特别改善低风险或中等风险人群的风险分层，帮助医生更准确识别需要早期预防性干预的患者，而无需进行额外的影像学检查，为心血管疾病的精准预防提供了新工具。

一项突破性研究利用"数字孪生"AI模型发现，心理和社会因素对2型糖尿病的预测作用远超先前认知。该研究分析了近20,000名英国成年人17年的健康数据，发现孤独感、失眠和心理健康问题各自可使糖尿病风险提高约35个百分点，三者共存时风险激增78个百分点。研究证实，精神健康与饮食同样重要，且揭示了压力如何通过升高应激激素、引发慢性炎症并破坏胰岛素调节能力，从而导致"慢动作"健康危机。此外，研究还发现了南亚、非洲和加勒比裔人群的显著风险差异，表明需要针对性的预防策略，而这种基于生活方式数据的低成本筛查方法有望在资源有限地区推广应用。

Intermountain Health最新研究显示，AI技术与远程监测结合可显著改善慢性阻塞性肺疾病(COPD)和哮喘患者的治疗效果，实施AI后住院率降低50%，急诊就诊减少20%，总体成本下降57%。该"iCare"系统通过持续监测患者肺功能、血氧饱和度等关键指标，利用人工智能分析风险信号并及时干预，实现了从被动治疗到主动预防的医疗模式转变，每年可为美国节省数十亿美元医疗支出，为全球数百万慢性肺病患者提供更高效、更精准的个性化护理方案，标志着医疗健康领域AI应用的重要突破。

美国弗吉尼亚大学研究人员开发了一套基于AI扩散模型的药物设计工具YuelDesign、YuelPocket和YuelBond，能够设计出能精确匹配动态蛋白质靶点的药物分子。该技术突破了传统方法将蛋白质视为静态结构的局限，通过模拟蛋白质与药物结合时的动态变化，大幅提高药物开发效率，有望降低药物研发成本，改善新药成功率，加速新药上市进程，为癌症、神经系统疾病等复杂疾病的治疗提供新希望，同时研究人员已将所有工具免费提供给全球科学界使用，真正实现药物发现的"民主化"。

梅奥诊所最新研究表明，人工智能可通过分析常规冠状动脉钙化扫描中的心脏周围脂肪含量，提前预测心脏病风险。这项发表在《美国预防心脏病学杂志》上的研究追踪近12,000名成年人16年，发现心脏脂肪含量是独立于其他因素的心血管疾病预测指标，甚至在钙化评分较低的人群中也有效。该方法无需额外检查，可帮助医生更早识别高风险人群，实现个性化医疗和更有效的心脏病预防，有望使数百万潜在患者受益。

人工智能技术正在佛蒙特州医疗系统中悄然改变医生的工作方式，通过AI语音记录等工具显著减轻了临床医生的文书负担和职业倦怠；研究表明，使用AI后医生报告的职业倦怠率从69%降至36%，同时让医生能够更专注于与患者的直接互动；尽管存在成本和过度依赖的担忧，AI在医疗决策辅助、放射科分析和后台工作等方面的应用正逐步扩大，为改善医疗质量和医生工作满意度提供了新途径，标志着医疗行业正经历一场静悄悄却深刻的变革。

一项发表在《科学》杂志上的新研究表明，大语言模型OpenAI的o1在急诊环境中诊断复杂且可能危及生命的疾病方面表现优于医生，在早期急诊病例中识别出正确或接近正确的诊断率达67%，而医生仅为50%-55%，尽管研究也指出当前模型在处理长期住院患者信息方面可能表现不佳，且未包括影像等非文本输入，该技术的发展仍面临挑战但前景广阔，预示着未来十年AI辅助医疗将可能成为现实。

新加坡科技研究局基因组研究所领导的国际团队开发了HERRO人工智能工具，通过深度学习将Oxford Nanopore Technologies测序仪的错误率降低高达100倍，实现了单平台端到端完整基因组组装，能更准确地捕捉重复DNA、着丝粒和性染色体等复杂区域，为精准医疗、疾病诊断和基因组学研究提供了更简单、更具成本效益的解决方案，显著提升了基因组测序的实用性和可及性。