环球医讯

最新研究警告空气污染可能触发致命性心脏病，加拿大科学家对11000多名成年人的长期追踪发现，即使污染水平低于或接近监管标准，仍与冠状动脉疾病的早期迹象密切相关，且男女受影响机制存在显著差异。研究表明PM2.5和二氧化氮长期暴露会导致冠状动脉钙化增加、斑块负担加重及动脉狭窄，每增加1微克/立方米PM2.5，钙化沉积上升11%，阻塞性疾病风险增加23%。该研究强调改善空气质量对降低心血管风险的紧迫性，2021年全球约246万心血管死亡与空气污染相关，为世界卫生组织认定的最大环境健康威胁之一。

本文探讨基因组技术创新（如CRISPR-Cas9基因编辑和OTOF基因疗法）在治疗疾病方面的突破性进展，同时聚焦其对边缘化群体产生的伦理与社会风险。研究指出多基因筛查和基因组人工智能等新技术虽具潜力，却可能加剧传统弱势群体的医疗不平等，强调需通过包容性治理和社区参与解决沉默的代价，避免历史医疗不公重演，并呼吁建立兼顾创新与公平的政策框架以确保技术红利惠及所有人群。

本文针对围绝经期女性骨质疏松预防的常见疑问，深入解析骨骼健康的核心机制，指出钙质补充必须与维生素D、K2、锌、镁和磷协同作用才能有效维持骨密度；文中详细说明各类营养素在骨重塑过程中的独特功能，强调通过天然食物摄取多元营养素的重要性，如纳豆富含维生素K2、深海鱼类提供维生素D，并驳斥"单纯补钙即可强健骨骼"的误区，最终阐明骨骼健康是多种营养素共同构建的系统工程。

本文深入解析腕管综合征症状与转甲状腺素蛋白淀粉样变性（ATTR）心脏疾病的潜在关联，指出ATTR作为一种由转甲状腺素蛋白错误折叠引发的严重淀粉样变性疾病，可能影响心脏和神经功能，而腕管综合征是其常见早期信号之一。研究显示约半数ATTR相关心脏问题患者曾出现腕管综合征症状，这些症状通常提前5-15年出现，且腕管综合征患者后续诊断ATTR的风险是普通人的三倍，但总体风险仍较低。专家强调对高风险人群（如双侧腕管综合征、不明原因神经问题或有家族史者）进行ATTR筛查的重要性，以实现早期干预和改善预后，同时提醒患者关注不明原因呼吸困难、心悸或腿部肿胀等心脏警示信号，并在突发剧烈胸痛时立即就医。

加州大学圣地亚哥分校医疗系统（UCSD Health）于2025年12月8日宣布任命亚历山大·哈莱西博士为首席创新官及健康科学创新与人工智能代理助理副校长。哈莱西将主导制定创新战略，推动人工智能等新技术在医疗系统与学术企业中的整合应用，负责技术方向规划及资本优先级调整。作为神经外科主任和国际知名专家，他凭借临床卓越、研究专长及创新项目经验，将加速AI在医疗中的安全审慎应用，强化医疗系统前沿创新声誉，促进学术发现向临床实践转化，提升患者护理质量并改善区域社区健康福祉，引领学术医学创新国家标准。

一项由加拿大多伦多大学研究人员在北美放射学会年会上公布的重要研究显示，长期暴露于空气污染环境会显著增加冠状动脉钙化和斑块形成的风险，即使污染水平接近或低于政府安全标准也可能引发心脏病早期征兆；该研究跟踪了11000多名成人的健康数据，发现颗粒物污染每增加1微克/立方米，冠状动脉钙化风险上升11%、动脉斑块风险增加13%、动脉堵塞导致的心脏病风险提高23%，且男女受影响模式存在差异，女性更易出现动脉严重狭窄，男性则面临更高斑块负荷，这为全球头号死因心脏病的预防提供了关键证据。

2025年12月7日报道，爱荷华州立大学艾维商学院四名医疗管理专业高年级学生组成的团队，在南卡罗来纳医科大学举办的本科医疗管理案例竞赛中摘得桂冠。该竞赛聚焦人工智能在医疗领域的实际应用挑战，要求学生基于有限数据制定为期三年的商业计划以实施三项人工智能项目。团队通过深入分析医疗机构数据、自主探索人工智能解决方案并展现卓越团队协作能力，克服了信息模糊性等难题，其成功凸显了教育机构对实践竞赛的支持以及学生将课堂知识转化为医疗领域创新应用的重要性，为人工智能与健康管理交叉领域树立了实践典范。

2021年，39岁的澳大利亚莫沃男子迈克尔·索班经历了一场严重的心脏病发作，当地急救人员伊莱莎·阿尔伯特及时使用替奈普酶等药物实施救治，避免了他因ST段抬高型心肌梗死导致的慢性心力衰竭或心脏骤停风险。经过在克莱顿莫纳什医疗中心五天的住院治疗及后续长达十个月的康复期，索班现已恢复健康生活并重返山地自行车运动。他向救命恩人献上礼物表达永久感激，同时呼吁公众重视胸痛等早期症状，定期进行血压和胆固醇筛查，尤其有家族病史者应立即拨打急救电话，强调忽视身体信号可能危及生命。

加州大学洛杉矶分校医疗中心最新研究发现，情感支持不足的婚姻与较高体重指数、更差的肠道健康显著相关。该研究首次揭示社会关系如何通过增强大脑背外侧前额叶皮层活动、提升催产素（"爱的荷尔蒙"）水平及改善色氨酸代谢物来调控食欲与代谢，其健康影响可能与运动和饮食同等重要。研究强调长期稳定的关系能从生物学层面降低肥胖风险，相关成果已发表在《肠道微生物》期刊，为理解社会因素对身体健康的作用机制提供了新视角。

宾夕法尼亚州立大学健康系统近日宣布引入Deep Resolve人工智能软件，通过深度学习加速磁共振成像扫描过程，显著减少患者尤其是儿童所需的麻醉时间；该技术已在宾夕法尼亚州立儿童医院应用，使扫描时间平均缩短7至10分钟，简单膝部扫描仅需7分钟，复杂扫描时间降低高达70%，部分情况下甚至无需麻醉，目前约90%的儿科MRI扫描完全依赖此软件，同时推广至成人患者以提升舒适度并减少重复扫描需求，得到儿童奇迹网络财政支持，确保儿童获得最安全先进的本地化医疗护理，标志着AI在儿科麻醉安全领域的重大突破。