环球医讯

希波克拉底AI公司推出两款创新产品：护理协同员(Nurse Co-Pilot)和AI前台(AI Front Door)，分别针对住院护理和患者接入流程。护理协同员作为AI语音助手，可处理入院教育、患者教学等耗时任务，为每位护士每次班次节省1-4小时；AI前台则整合混乱的呼叫中心、IVR和门户登录系统，提供无缝的预约安排、账单咨询、检测结果解释等服务，将于2026年5月投入应用，旨在优化医疗系统效率并提升患者体验。

由美国辛辛那提儿童医院医疗中心领导的国际研究揭示了人工智能在儿童心理健康诊断中存在显著的算法偏见问题，特别是对青春期女孩的焦虑诊断准确率比男孩低4%，假阴性率高9%；研究同时提出了一种"去偏见"方法，通过优化训练数据可将偏见减少27%，强调在AI医疗系统开发中需从源头确保算法公平性，以避免加剧现有健康不平等现象，这对应对全球青少年心理健康问题日益严峻且专业人员短缺的现状具有重要意义。

2026国际医疗人工智能会议将于8月26-28日在英国帝国理工学院（Imperial College London）举办，现面向全球医疗从业者、研究人员及技术专家征集原创学术成果。会议聚焦人工智能在医疗领域的实际应用挑战，涵盖预测分析、医学影像、精准医疗等14个核心方向，特别设立多模态生成式AI、医疗机器人等8个专题分会。征稿包括全文论文（录用后发表于Springer计算机科学讲义系列）、简短摘要及最新进展摘要三类，全文论文/摘要/专题分会投稿截止日期为2026年4月24日，最新进展摘要截止日期为6月30日。会议将提供双盲评审，重点关注研究原创性、实证结果及评估质量，同时设立专题演讲和教学研讨会，旨在推动安全有效的医疗AI解决方案落地。

这是一份医学课程的学习资料，系统介绍了自身免疫疾病的核心概念与临床知识，详细阐述了自身免疫与自身免疫疾病的区别、抗原与自身抗原的定义、抗体与自身抗体的作用机制，以及单器官与多器官自身免疫的不同表现特征，同时分析了ANA阳性率的历史变化趋势、常见自身免疫疾病类型及其主要风险因素，包括遗传因素、感染触发机制、肥胖影响、西方饮食作用及环境毒素关联，为医学生提供了全面的自身免疫疾病知识框架，涵盖1型糖尿病、类风湿性关节炎、系统性红斑狼疮等多种具体疾病及其病理特征。

一项最新研究显示，ChatGPT、Grok等主流AI聊天机器人在回答医疗健康问题时存在严重缺陷，超过半数的回答存在问题。研究发现Grok的问题回答率高达58%，ChatGPT为52%，这些AI系统容易产生"幻觉"并提供不准确甚至误导性信息，尤其在干细胞治疗、运动表现和营养等领域表现最差。研究人员警告，由于这些系统未经许可提供医疗建议且无法反映最新医学证据，公众应谨慎对待AI生成的健康信息，同时呼吁加强监管监督和公众教育以确保生成式AI支持而非损害公共健康。

本研究提出了"医疗AI七大死罪"概念框架，系统阐述了人工智能在医学应用中的七种系统性失败模式：盲目信任、过度监管、非人化、错位优化、信息过载与错误预测、误用统计学以及自我参照评估。研究团队通过综合分析科学文献、临床指南和监管框架构建该框架，并对143个国家914名利益相关者进行全球性调查验证，证实了各风险点的普遍共识，同时揭示了不同文化背景下伦理关注的趋同性以及对监管态度的持续分歧，特别是在技术先进国家与新兴经济体之间。研究还创新性地将该框架转化为医疗AI的七大基本美德，为负责任的AI开发与治理提供可操作原则，旨在超越零散的伦理指南，建立统一的诊断工具，推动可信、以人为本的医疗人工智能发展。

本文深入探讨达米尼·里贾瓦尼如何将十年计算机视觉AI经验转化为医疗美学领域的临床软件解决方案，揭示当前仅6%企业完全信任AI处理核心业务的行业现状，详述其在飞利浦期间开发介入成像系统的经历，包括利用光纤传感器自动生成训练数据的专利技术，以及创立Automation Core公司解决医美行业数据迁移难题的实践，强调专业医疗软件必须与临床场景深度融合才能减轻医师认知负荷，最终实现技术隐于无形的理想状态，为自费医疗领域的软件革新提供重要启示。

最新调查显示，约四分之一的美国成年人在过去30天内曾使用人工智能工具获取健康信息或建议，这一现象在年轻成年人和低收入群体中尤为显著。尽管80%的美国人仍会寻求专业医疗建议，但约40%因医疗费用高昂或预约困难而转向AI，30%希望在非工作时间获取帮助。专家指出，AI可作为健康信息的高效检索工具提供初步指导，但不应替代专业医疗诊断，用户需警惕信息准确性风险和隐私泄露问题，特别是在涉及严重健康状况时仍应以专业医生意见为主导，确保医疗决策的安全性和可靠性。

美国健康盖洛普中心最新全国调查显示，25%的美国成年人已使用AI工具寻求健康信息，ChatGPT和Copilot成为最常用平台，61%受访者使用这些对话式AI系统。研究发现59%用户在看医生前使用AI研究症状，低收入群体因经济原因更依赖AI，32%年收入低于2.4万美元者因负担不起医疗费用而使用AI，但仅有4%用户完全信任AI医疗建议，11%曾遇到不安全建议，揭示了AI在医疗领域的应用潜力与信任挑战并存，同时英伟达与罗氏、Alphabet与DocMorris的合作正加速AI在医疗系统的整合。

最新研究表明，肠道微生物组生物标志物能提供超越标准心力衰竭模型的有意义风险洞察。莱斯特大学心血管医学教授铃木彻博士的研究发现，肠道微生物组贡献了近10%的心力衰竭不良结果风险，而常规治疗无法改变这一风险源，表明存在"残余风险"。这项发表在《欧洲预防心脏病学杂志》上的研究为心力衰竭风险分层开辟了新途径，未来可能通过饮食干预等方法来调节肠道微生物组，从而改善患者预后，尽管目前肠道生物标志物检测尚未纳入常规血液检测项目。