环球医讯

这篇科技健康领域的新闻介绍了科隆大学医院病理科开发的一种名为SPARK（病理研究与知识代理系统）的新型AI病理学框架，该框架通过整合多种专业算法，能够自主生成并改进生物学假设，从常规组织切片中提取隐藏的生物学信息，识别与疾病进程、病理参数及治疗反应密切相关的组织标志物。研究团队对18个独立队列中5400多名患者、5种不同肿瘤类型进行了广泛分析，证明SPARK不仅有助于完善癌症诊断和患者分层，还能预测肿瘤对免疫疗法的反应，并从静态组织切片中推断肿瘤的时间发展，为理解肿瘤进展机制提供新视角。该系统的交互式用户界面使临床医生无需编程知识即可使用，有望将病理学从描述性学科转变为数据驱动的预测性科学，为精准肿瘤医学做出重大贡献，但其全面临床效益仍需在日常实践中进一步验证。

医疗卫生协调委员会发布87页《医疗卫生行业AI网络治理框架实施指南》，强调医疗机构在应用AI工具时面临的网络安全、隐私、患者安全等挑战，指出AI应被视为企业技术风险进行严格治理，需针对AI特定威胁增加控制措施，特别关注AI可能产生的错误诊断等关乎生死的风险问题，该指南旨在帮助医疗机构安全有效地应用AI技术，涵盖从传统机器学习到生成式AI和代理式AI系统的全方位风险管控方案。

医疗行业协调委员会(HSCC)发布了一份87页的AI网络安全治理框架实施指南，旨在帮助医疗机构的CISO和其他领导层应对AI带来的风险挑战，包括敏感患者信息泄露、AI生成错误诊断或药物建议可能导致患者伤害甚至死亡等严重问题，该指南强调AI应被视为企业级技术风险，需与电子健康记录系统同等重视，并针对AI特有的威胁和风险实施额外控制措施，涵盖临床AI幻觉、提示注入攻击、模型漂移等多种风险场景。

人工智能正在彻底改变药物研发领域，通过加速测试过程和分析海量生物数据，AI能够预测蛋白质结构和功能，帮助识别药物靶点并发现现有药物的适应症外用途。专家指出，AI可以处理相当于美国所有学术研究图书馆内容一半的拍字节级生物数据，发现疾病之间的隐藏关联，从而开发出能够同时治疗多种疾病的广谱疗法。尽管AI大大加速了药物发现过程，成功率低和药物副作用等长期挑战有望得到缓解，但研究人员强调，AI目前仍无法替代实际的临床试验和验证，必须谨慎对待其应用潜力，避免过度承诺。

西奈山研究人员开发了一种基于机器学习的预测模型，能够评估持续气道正压通气(CPAP)对阻塞性睡眠呼吸暂停患者心血管风险的个体化影响。研究表明，CPAP对不同患者群体的心血管风险影响差异巨大——某些亚组患者风险可降低100倍，而另一些亚组则可能增加100多倍。这一发现为精准医疗提供了新途径，有助于医生根据个体特征制定更有效的治疗方案，优化睡眠呼吸暂停患者的心血管健康管理，标志着睡眠医学与人工智能交叉应用的重要突破。

哈佛医学院和贝斯以色列女执事医疗中心的研究人员发现，大型语言模型在急诊室决策、诊断识别和管理建议等复杂医疗推理任务中表现优于人类医生，特别是在信息有限的分诊阶段差距最为明显。研究测试了OpenAI的o1-preview等AI模型与医生在临床任务中的表现，结果显示AI模型在多项任务中超越了医生基准，但研究者强调仍需进行严格的前瞻性试验来评估AI在真实临床环境中的影响，确保其安全整合到医疗工作流程中，同时指出AI可能提出不必要的检查建议，可能使患者面临风险。

一项发表在《科学》杂志的最新研究显示，OpenAI o1大型语言模型在临床推理测试中表现超过医生，在NEJM CPC挑战中准确率达到78.3%，在管理推理任务中得分89%，远超医生的34%。研究涵盖五个实验基准和真实急诊科场景，表明AI可能提供可靠临床第二意见，但也指出文本输入限制和多模态医学现实的差距，强调需要进一步临床试验验证其实际应用价值，同时提醒不能将AI视为完全替代医生的解决方案，而应探索人机协作的最佳模式。

一项针对10,294名美国终末期肾病透析患者的回顾性队列研究表明，基于人工智能的机器学习模型能精准预测患者因感染或液体超负荷导致的7天内住院风险。当系统识别高风险患者并启动护士主导的病例审查和针对性干预后，患者住院率显著降低8%，其中风险评分介于0.75-0.85的群体降幅达12%。该研究证实AI驱动的早期干预策略在优化透析护理、减少非必要住院方面具有重要临床价值，但极高风险患者（评分>0.85）的干预效果有限，相关成果已发表于《新英格兰医学杂志》护理创新期刊，为人工智能在肾病管理中的应用提供了实证依据。

宾夕法尼亚大学研究人员开发了一种名为CAMEL（心电图语言模型的心脏自回归模型）的人工智能系统，该系统能通过分析长时间心电图数据流而非孤立片段，识别可能预示心脏骤停或心律失常的细微模式，有望提前10至15分钟发出预警。这一突破性技术将心电图信号处理方式从传统的分类识别转变为预测性分析，能够结合临床文本进行推理，不仅扩大了风险检测时间窗口，还能识别传统工具难以解读的微弱预警信号，有望显著提升医院对心脏事件的早期预警能力，并可能扩展至消费级可穿戴设备领域，为大众心脏健康提供更及时的监测和干预机会。

研究人员利用AI分析了66,000多名参与者的全身MRI扫描，创建了迄今最详细的人体脂肪和肌肉分布参考图谱，涵盖不同年龄、性别和身高。研究发现，骨骼肌的质量和数量而非仅内脏脂肪是糖尿病、心血管事件和死亡率的强预测因子，超越了传统BMI指标的局限性。该研究发表在《Radiology》期刊上，团队开发了开源z分数计算器，使临床医生能利用常规影像检查评估患者身体成分风险，有望革新心脏代谢疾病预防和肿瘤学风险分层，为精准医疗提供新工具。