环球医讯

佐治亚理工学院博士生Charles Nimo通过AfriMed-QA基准测试发现，主要基于西方数据训练的医疗AI系统在非洲医疗场景中表现显著下降，尤其在处理热带疾病和传统医疗实践方面存在明显局限性。研究团队构建了包含15000多个非洲医疗问题的数据集，揭示了AI模型在跨文化医疗应用中的准确性差距，同时开发了"Africa Health Check"工具分析文化偏见，表明80%依赖传统草药的非洲患者需求未被现有AI系统充分满足，为构建真正全球适用的健康AI指明了方向。

美国健康保健盖洛普中心最新研究显示，约四分之一美国成年人使用人工智能工具或聊天机器人获取健康信息。调查显示，超过半数受访者将AI作为补充医疗手段，在就诊前后使用；但值得注意的是，27%的使用者因不愿付费、14%因无力支付而选择AI替代就医，18%则因尴尬而不愿与人交流。AI主要被用于查询身体症状、营养锻炼、药物副作用等日常健康问题，近四分之一用户还将其用于心理健康咨询，凸显了AI在医疗信息获取中的日益重要角色。

本文报道了在爱迪生奖颁奖典礼上，医疗健康领域专家们关于人工智能应用的讨论，重点探讨了数据隐私、患者信任以及AI在医疗诊断和药物研发中的创新应用。梅奥诊所专家分享了利用声音作为生物标志物诊断主动脉瓣狭窄的技术，健康人工智能联盟代表强调了数据隐私挑战，Algen生物技术公司展示了获得爱迪生奖的AI驱动药物发现平台AlgenBrain，讨论了如何平衡技术创新与患者隐私保护，以及如何利用AI加速药物研发过程，降低90%的新药开发失败率，确保药物对所有患者群体都有效。

休斯顿卫理公会医院的研究团队开发了一种名为CAMPER的AI驱动平台，该平台能够高效识别和设计针对抗生素抗性细菌（如耐甲氧西林金黄色葡萄球菌MRSA）的抗菌肽。这项发表在《自然通讯》杂志上的研究显示，CAMPER整合了机器学习与生物学特征，可评估和排序候选肽库，成功发现WP-CAMPER1这一强效候选物，它在低浓度下对MRSA表现出显著活性。研究负责人Mylonakis博士指出，抗生素抗性细菌每年在美国造成约280万例感染和3.5万例死亡，这一创新方法为开发针对难治性感染的新疗法提供了重要突破，代表了向可扩展治疗平台迈出的关键一步，有望解决全球抗生素抗性危机。

Cedars-Sinai医疗中心计算生物医学系主任Jason Moore博士探讨了"代理式"AI的现状与前景。文章详细解释了这种能自主完成实验数据分析、报告结果和决策的下一代人工智能技术，分析了其在提高科研效率方面的优势，如加速软件开发和应对医疗成本上升的挑战，同时也讨论了AI在管理能力、情感共鸣和创造性思维等方面的局限性，以及信任、伦理和能源消耗等关键问题，最终指出代理式AI将极大提升科研效率但不会完全取代人类科学家，未来一年内这一领域将发生显著变化。

最新研究揭示主流AI聊天机器人在医疗咨询中存在严重缺陷：五款AI工具对250个健康问题的正确率仅50.5%，其中20%的错误建议可能造成实际伤害。专家指出这些工具缺乏医学推理能力，易因模式匹配机制在信息不足时仓促下结论，且过度自信地传播错误信息（如虚构的"比克索尼亚症"被当作真实疾病引用）。尽管14%的用户因AI建议放弃就医，但数据也显示公众对AI医疗存在理性警惕——约三分之一用户既使用又不信任该服务，专家呼吁建立第三方监管机制并强调聊天机器人仅应作为专业医疗的补充工具而非替代品。

美国临床内分泌学会(AACE)2026年拉斯维加斯年会将以"营养万岁！从内到外推进内分泌实践"为主题，重点关注营养与内分泌疾病的关系，包括肥胖、糖尿病、脂质紊乱、骨骼和甲状腺疾病等临床领域。会议期间将安排四场人工智能专题讨论会，涵盖糖尿病管理等热点话题，同时探讨甲状腺疾病、1型糖尿病早期筛查及治疗等前沿议题，并通过正反辩论形式讨论连续血糖监测、骨质疏松治疗方案选择等临床实践问题，旨在为内分泌科医生提供即学即用的临床实用信息。

人工智能与生物技术的深度融合正引发医疗革命，通过分析海量生物数据识别人类难以察觉的模式，使精准医疗成为可能；专家指出AI执行复杂任务能力每三至四个月翻倍，加速了从基因测序到疾病治疗的全过程，曾经无法治愈的疾病正被根治，医疗目标从疾病管理转向预防与生活质量提升，长寿研究成为主流，同时基因编辑等技术也带来深刻伦理挑战，专家预测智能治理将成为国家核心竞争优势，这一变革堪比软件革命，将重新定义人类生命的本质。

世界卫生组织东地中海区域办事处通过WHO Collaboratory平台启动了人工智能实践社区，旨在加强灾害和应急响应监测能力。该社区汇集了各国政府机构、从业者、研究人员和世卫组织工作人员，共同分享知识、提升能力并开发人工智能在监测预警、风险评估和应急响应中的应用指南，致力于确保人工智能技术在公共卫生紧急情况下的安全、伦理和有效应用，为应对区域内的疾病暴发、冲突、流离失所和气候相关冲击等复杂健康挑战提供更强有力的信息支持。

九年前，人工智能领域权威人士曾预言"应停止培训放射科医生"，认为AI将完全取代这一职业。然而实际情况是，放射科医生不仅未被取代，反而面临工作量激增和人才短缺的挑战。本文深入分析了这一预言落空的原因，指出AI在医疗影像领域的应用更多是辅助而非替代，强调了放射科医生临床角色的复杂性，以及AI在实际医疗环境中部署面临的集成、治理等挑战，最终展望了"放射科医生+AI"的协作未来，揭示了技术应用与医疗实践之间的真实关系。