环球医讯

英国科学家开发了一种基于人工智能的新方法，可确定哪些晚期肠癌患者最可能对英国国家医疗服务体系使用的靶向药物贝伐珠单抗产生反应。该方法整合肿瘤基因数据与临床信息，将患者分为高、中、低风险组，发现高风险组患者对治疗无反应，这有望使数千名患者免受无效治疗带来的高血压、胃肠道问题和血栓等严重副作用。研究发表在《科学报告》期刊上，通过PhenMap表型映射技术识别BRAF基因突变等生物标志物，未来可能发展为临床测试工具，为肠癌患者提供精准个性化治疗，同时该方法也有望应用于其他癌症类型。

韩国大学医学院研究团队在《科学报告》发表研究成果，表明用于精神科病房自伤行为早期检测的人工智能技术在模拟环境中表现良好，但在真实临床条件下性能显著下降。研究团队通过1,120个模拟样本和118个真实临床视频进行验证，发现基于深度学习的AI模型难以应对真实环境中的行为多样性、遮挡和细微重复动作等挑战，特别是抓挠和抠皮等细微自伤行为最难被检测，这为未来AI在精神健康领域的应用指明了改进方向，同时研究建立的演播室自伤行为数据集有望推动精神病学和医学AI研究的进一步发展。

本研究揭示母乳喂养可能通过影响婴儿肠道微生物组，减轻社会经济地位差异对儿童健康的不良影响。研究团队利用加拿大CHILD出生队列(2,752名儿童)和丹麦COPSAC2010队列(681名儿童)的数据发现，家庭社会经济地位与婴儿肠道微生物组组成相关，而母乳喂养能够稳定婴儿微生物组，缓冲环境影响，特别是对低社会经济地位家庭的儿童提供健康保护。婴儿双歧杆菌作为母乳喂养富集的关键菌种，与降低儿童非传染性疾病风险密切相关。这些发现表明，提高母乳喂养率和恢复母乳喂养富集的微生物可能有助于减轻社会不平等对儿童健康的早期生物学影响。

人工智能疾病预测技术可能在症状出现前就检测出疾病，通过追踪人体分子网络随时间的变化，可以提前发现癌症、糖尿病和流感等疾病。研究人员提出了一种名为"个体特异性边缘网络分析"的技术，无需与健康人群进行比较即可评估患者风险，测试得分超过0.9分（满分1.0分）。在糖尿病模型中，AI辅助系统将血糖预测误差比传统模拟器降低了50%以上，但数据缺口、"黑箱"决策和对少数群体的偏见等问题仍需解决，才能使这些工具投入常规临床使用。这项研究发表在《智能医学》期刊上，强调了AI辅助医疗从治疗转向预防的潜力，但也提醒需谨慎推进，确保技术可靠且公平地服务于所有患者群体。

一项最新研究揭示，高摄入超加工食品与大腿肌肉组织中不健康脂肪的积累密切相关，这可能导致肌肉质量下降并增加慢性膝盖疼痛和骨关节炎的风险。研究表明，超加工食品占饮食比例每增加一次，大腿肌肉内部脂肪含量就会相应上升。专家警告，超加工食品通常富含糖分、脂肪、盐和化学添加剂，不仅影响肌肉健康，还与心脏病、糖尿病和结肠癌等多种疾病风险增加有关，建议消费者应更加关注饮食质量，减少超加工食品摄入，使用全食和天然食材，特别是对于正在使用GLP-1类药物减肥的人群，更应注意保护肌肉健康。

西奈山研究人员利用机器学习技术开发了一种新工具，揭示了睡眠呼吸暂停治疗（CPAP）对心脏病风险的影响存在显著个体差异。研究表明，CPAP并非对所有患者都有效，有些人使用后心脏病风险明显降低，而另一些人风险反而增加。这一发现挑战了传统"一刀切"的医疗模式，推动了个性化医疗的发展，为医生提供数据支持以制定更精准的治疗方案，标志着医学向更个性化、精准化的方向迈进。

美国研究人员公布了一种新型胰腺癌药物达拉克索拉斯(daraxonrasib)的三期临床试验突破性成果，该口服药物可使晚期胰腺癌患者的中位生存期从标准治疗的6.7个月延长至13.2个月，接近翻倍。作为首个针对RAS突变的突破性疗法，该药物通过阻断肿瘤生长信号通路发挥作用，虽然存在皮肤毒性等副作用但安全性可控，目前已获FDA多项特殊认定，有望在2026年底或2027年初获批用于二线治疗，为这种五年生存率仅13%的致命癌症带来革命性治疗希望，标志着医学界首次成功攻克曾被视为"难以成药"的RAS靶点。

本文综述了多项最新研究，深入探讨患者对临床人工智能的信任现状及医疗教育中的伦理挑战。调查显示62.8%的公众最信任医生独立诊断，仅7.8%信任AI优先诊断模型，85.2%支持医学院强制开设AI培训课程。研究强调医疗教育必须转向培养批判性思维、人本技能与伦理决策能力，在AI广泛应用中维护患者自主权、知情同意权及医患关系核心价值，同时应对算法偏见、数据隐私和信息误导等系统性风险，确保技术发展始终以患者需求为中心。

本文详细分析了AI在医学影像领域应用面临的五大技术挑战：数据和硬件兼容性问题、与传统PACS系统的集成问题、构建可泛化AI模型的难题、高计算和能源成本管理，以及确保模型可解释性的需求。文章指出，成功部署医学影像AI不仅依赖算法性能，更需要工程创新，通过解决硬件兼容性、系统集成和计算开销等问题，电子行业可以为可扩展的诊断AI建立值得信赖的基础，从而推动AI在医疗领域的实际应用，满足临床需求并解决数据隐私与安全挑战。

一项发表于《英国医学期刊开放版》的权威研究警示，ChatGPT、Grok等五款主流AI聊天机器人在回答50个基于循证医学的健康问题时，半数答案存在严重缺陷，其中Grok的问题率高达58%。研究发现这些系统因训练数据偏差易产生"幻觉"，尤其在干细胞治疗、运动营养领域错误频发，且存在"谄媚"倾向而盲目迎合用户预期。专家强调聊天机器人无法实时更新医疗知识、缺乏伦理判断能力，可能传播危险医疗建议，呼吁加强公众教育、专业培训及监管框架，确保生成式AI真正助力而非损害公共健康。（148字）