环球医讯

宾夕法尼亚大学佩雷尔曼医学院在《自然医学》发表的研究显示，用于生前诊断慢性创伤性脑病(CTE)的临床标准存在严重缺陷，75%符合创伤性脑病综合征(TES)标准的患者在尸检中并未显示CTE特征性病理变化。研究分析了1038例脑捐献者数据，发现仅24%符合TES标准者实际患有CTE，而7人有CTE病理但不符合TES标准，表明当前诊断标准可能导致高风险人群的误诊和心理伤害，强调需开发更可靠的活体诊断工具。

根据发表在《中风》杂志上的研究，美国心脏协会报告指出先前心脏病发作与认知功能加速衰退存在显著关联，心脏病幸存者每年患认知障碍的风险平均增加5%，这种影响在不同种族和性别群体中表现一致；研究还发现隐匿性心脏病发作同样导致认知能力下降，尤其在女性中更为普遍，这提示临床医生应关注心脏病患者的大脑健康状况，并强调了心血管健康与大脑健康的紧密联系，为预防认知衰退提供了重要参考。

一项由哈佛大学、马萨诸塞州总医院布里格姆医院和布罗德研究所进行的长期研究发现，每天饮用2-3杯含咖啡因的咖啡可能与降低18%的痴呆症风险相关。这项发表在《美国医学会杂志》上的研究追踪了超过13万人长达43年，发现适量咖啡摄入(2-3杯/天)与减缓认知能力下降有关，而脱咖啡因咖啡则没有类似效果。研究人员指出，咖啡中的咖啡因和多酚可能通过减少炎症、降低细胞损伤来保护大脑功能，但强调咖啡只是大脑健康拼图中的一小部分，不应忽视锻炼、睡眠和健康饮食等更重要的生活方式因素。专家建议适量饮用咖啡，避免高糖高热量的咖啡饮品，同时关注控制血压、管理糖尿病等综合健康措施。

本文详细介绍了肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）患者中认知功能障碍（俗称"脑雾"）的最新研究进展，系统阐述了脑雾与脑部结构变化、神经元功能障碍、低度炎症、脑血流量减少、免疫系统调节失常等多种生理机制的关联，深入分析了当前研究面临的核心挑战包括缺乏经验证的生物标志物和脑雾症状本身的多维复杂性，并提供了ME Research UK资助的相关研究资源清单及三项正在进行的重要研究项目信息，为理解这一严重影响患者工作、人际关系和日常生活的常见症状提供了科学依据。

本文系统综述了人工智能在现代医疗健康领域的演进趋势，重点阐述了从单一任务模型向整合文本、影像、生理信号和结构化临床数据的多模态系统转变过程。研究证实当AI嵌入响应式工作流程时能产生显著临床价值：实时败血症预警系统及时确认警报可降低院内死亡率，AI辅助乳腺X光检查在维持癌症检出率的同时将工作量减少44%。同时揭示了外部评估中发现的性能差距与环境依赖性问题，强调了本地验证和持续监测的必要性。文章还详细分析了包括美国FDA生命周期框架和2024年8月1日生效的欧盟人工智能法案在内的监管体系发展，并全面梳理了涵盖电子健康记录、医学影像、波形数据、患者生成数据及多组学的医疗数据生态系统，最后提出了在真实医疗系统中实现可信、公平且可持续AI部署的实用路线图。

特朗普政府和卫生与公众服务部部长小罗伯特·肯尼迪提出新规则，拟放松对AI医疗工具的监管要求，取消以用户为中心的设计测试和AI决策透明度要求，引发医疗安全专家担忧。文章通过凯撒医疗集团心理治疗师的实例，揭示当前AI医疗笔记软件在捕捉临床细微差别方面的局限性，并指出电子健康记录系统的复杂设计可能导致用药错误等安全隐患，尽管有研究显示AI工具能为医生每日节省半小时工作时间，但多项研究表明其质量仍低于人工记录水平，患者安全倡导者警告缺乏有效监管将危及患者安全。

爱丁堡大学领导启动了价值1000万英镑的帕金森病研究中心，该中心由英国痴呆症研究所支持，联合爱丁堡大学、牛津大学和伦敦大学学院共同建立。研究中心将汇集科学家、临床医生和帕金森病患者，致力于深入了解帕金森病的发病机制和进展原因，并探索改进诊断和治疗方法的新途径。目前英国约有16.6万人受帕金森病影响，其中苏格兰约1.4万人，而尚无能够减缓或阻止该疾病发展的有效治疗方法，该中心旨在加速研究进展并成为开放协作科学研究的灯塔。

卡塔尔威尔康奈尔医学院的雷亚兹·马利克教授成功研发了一种非侵入性眼部扫描技术，可提前数年检测神经退行性疾病。该技术利用人工智能分析眼部，能在几分钟内识别阿尔茨海默病、帕金森病、多发性硬化症等疾病的早期征兆。这种名为角膜共焦显微镜（CCM）的技术通过观察角膜中的神经损伤来预测全身其他部位的神经病变，具有快速、无创、几乎无不适感等优点，有望成为未来医学诊断的重要工具。

这篇文章探讨了AI在医疗保健领域的监管挑战，英国药品和医疗产品监管局AI监管政策负责人拉塞尔·皮尔森在威斯敏斯特健康论坛上阐明监管并非障碍而是保障，AI作为医疗设备软件受到严格监管。文章分析了"重指导、轻立法"的监管方法及其挑战，指出尽管监管框架面临AI技术快速发展的压力，但加强国际合作与知识共享能提高产品安全性和质量，确保AI技术真正推动医疗向预测性和预防性方向发展，实现患者安全与技术创新的双赢局面。

本文详细介绍了犹他大学健康首位首席健康AI转型官Kensaku Kawamoto博士如何从AI技术的怀疑者转变为AI战略领导者的心路历程。文章阐述了该医疗机构如何通过构建内部AI开发能力、创建多种AI工具原型以及优化工作流程，在真实医疗环境中有效应用AI技术。Kawamoto博士指出，基于Transformer和推理模型的技术进步显著降低了幻觉率，使AI系统能够可靠运行，不仅将病理审查时间减少近十倍，还能发现医生可能忽略的临床相关结果。该机构正致力于建立可持续的AI投资模式，通过安全负责地使用AI技术，推进其在临床护理、研究和教育方面的核心使命，而非为AI而AI。