环球医讯

本研究回顾性分析2011年1月至2021年12月日本松原德洲会医院503例急性心肌梗死急诊介入治疗患者数据，重点考察新冠紧急事态宣言前后就诊模式变化及其影响。结果显示ST段抬高型心肌梗死患者在宣言后入院前时间显著延长（181分钟 vs 156分钟），机械性并发症发生率上升（7.8% vs 2.6%）；多变量分析证实高龄、自行就诊和转诊是机械性并发症的独立危险因素，提示疫情导致的就诊延迟可能加剧心血管风险两极化现象，轻症患者因犹豫就诊而错过最佳干预时机，需加强公众教育与急诊医疗系统优化以应对大流行特殊时期的诊疗挑战。

本文深入分析欧盟医疗器械法规(EU MDR)与新近实施的人工智能法案(AI Act)对AI医疗设备的双重合规要求，阐述了AI医疗设备在欧盟市场的分类规则、符合性评估流程、技术文档要求及数据治理标准，重点探讨了AI特有挑战如算法可解释性、持续学习机制与数据偏见管理，并通过实际案例说明CE认证路径，为制造商提供应对双重监管框架的策略建议，指出尽管合规门槛提高，但已有数百款AI医疗设备成功获得CE认证，表明在严谨准备下实现合规是可行的，同时强调数据质量、算法透明度与上市后监管对确保患者安全与设备有效性的重要性。

人工智能诊断工具正迅速改变医疗诊断领域，但超过90%的AI模型未能投入实际临床应用。本报告详细分析了全球主要监管机构对AI诊断工具的临床证据要求，包括美国FDA的510(k)路径、欧盟MDR/IVDR法规及即将实施的AI法案等。报告指出，高质量的临床证据应包括代表性数据集上的回顾性验证、前瞻性研究以及真实世界表现评估，特别强调了前瞻性临床试验和针对预设终点的统计显著性对AI诊断工具审批的重要性，并通过IDx-DR、Viz.ai等案例说明了如何生成有效证据以满足监管要求。

本共识文件由意大利麻醉、复苏与重症监护学会(SIAARTI)牵头，联合多个医学学会共同制定，旨在规范脑实质内出血患者的早期管理。文件基于系统文献综述和改良德尔菲法，详细阐述了CT血管造影应用、血压控制目标、气管插管指征、抗凝逆转策略等关键问题，强调"时间就是大脑"原则，为临床医生提供基于循证医学的实用指导，以期在发病后第一个小时内采取有效干预，改善患者预后，降低死亡率和致残率，尤其针对初始在基层医院接受治疗的患者提供标准化管理方案。

本研究利用人工智能驱动的语义网络框架分析了阿尔茨海默病、肌萎缩侧索硬化症和额颞叶痴呆的多病共存架构，发现这三种神经退行性疾病共享一个以代谢失调和免疫炎症为核心的系统级病理机制，同时各自具有特定的易感性特征；研究通过SemNet 2.0知识图谱分析超过3500万篇PubMed摘要，构建了13类生物学过程分类体系，揭示了三种疾病间共同和特异的多病共存模式，包括代谢与免疫系统的主导作用、神经行为过程的耦合特征以及中间系统如胃肠、内分泌和感官通路的调节作用，为神经退行性疾病的跨疾病生物标志物发现、风险分层和治疗探索提供了计算假说生成基础。

本文全面综述了认知障碍的各个方面，详细阐述了认知功能的定义与神经解剖学基础，包括觉醒、处理速度、注意力、记忆、语言等核心认知域的神经机制；系统介绍了认知障碍的分类体系，涵盖谵妄、痴呆、遗忘障碍等多种类型；深入探讨了认知障碍的诊断评估方法与治疗策略，包括非药物干预、环境调整、认知康复及药物治疗等，为临床医生提供了认知障碍诊疗的系统性指导，对神经科、精神科及相关领域的医疗专业人员具有重要参考价值。

该研究对1298名英国参与者进行随机对照试验，评估大型语言模型作为公众医疗助手的可靠性。研究发现，尽管LLMs在医疗知识测试中表现优异（单独测试时疾病识别率达94.9%），但公众使用这些模型进行医疗决策时，疾病识别率降至34.5%以下，处置方案选择正确率低于44.2%，均不优于使用传统方法的对照组。研究表明用户与LLM的交互是主要挑战，标准医疗知识测试和模拟患者交互无法预测真实用户交互中的失败，强调在医疗领域部署前需进行系统的人类用户测试以确保安全性和可靠性，这对AI在医疗保健中的应用具有重要指导意义。

本研究对241名接受血管内治疗的大血管闭塞急性缺血性卒中患者进行了评估，比较了非增强CT ASPECTS评分和CT灌注核心体积在定义大面积梗死方面的准确性和一致性。研究发现，这两种常用CT成像方法仅表现出轻微的一致性（κ=0.192），且对最终梗死体积和90天功能预后的预测能力有限，AUC-ROC值在0.61-0.72之间。结果表明，当前临床实践中用于定义大面积梗死的CT成像标准存在显著差异，可能导致治疗决策的不一致性，未来可能需要更精确的影像学生物标志物或人工智能技术来改善卒中患者的个体化治疗，特别是nnU-Net等深度学习模型可能提供更客观的组织损伤评估。

本研究通过对两个独立的大型电子健康记录数据库（MarketScan和VUMC）中1.53亿人的纵向数据分析，系统识别了与后续阿尔茨海默病发展相关的医疗状况。研究发现406种和102种医疗表型分别在MarketScan和VUMC数据库中与未来阿尔茨海默病病例显著相关，其中精神障碍和神经系统疾病是最显著富集的临床类别。超过70种医疗表型在两个数据库中得到验证，主要包括抑郁症、睡眠障碍、脑动脉粥样硬化和2型糖尿病等。进一步的遗传分析表明，约四分之一的表型与阿尔茨海默病遗传特征相关联，这为早期干预和降低阿尔茨海默病风险提供了潜在机会。该研究证明了利用大规模电子健康记录数据进行疾病风险因素识别的可行性，对阿尔茨海默病的早期预防具有重要临床意义。

本研究通过分析欧盟人工智能法案公布前后六年间的多项指标，评估了该法案对欧盟AI医疗设备市场准入和创新速度的影响。研究利用美国食品药品监督管理局、健康AI注册平台、世界知识产权组织专利数据库以及经济合作与发展组织政策观察站的数据，采用中断时间序列分析等方法，发现法案公布并未导致欧盟AI医疗设备审批数量或创新速度出现统计学上显著的变化，这与先前研究的预测相反，反而在风险投资方面显示欧盟地区增长高于其他区域。这些发现为政策制定者、AI医疗设备/医疗保健领域的经济运营商以及全球监管机构提供了关于AI特定法规与经济成果关系的重要洞察，对理解监管政策与技术创新之间的复杂互动具有重要参考价值。