环球医讯

2025年9月29日迎来第25个世界心脏日，哈佛医学院教授大卫·琼斯指出，尽管近几十年医学技术突飞猛进，心血管疾病仍以每年1980万死亡人数高居全球死因榜首，占2022年全球死亡总数的32%。文章通过对比美国与印度的心脏病防治历程，揭示冠状动脉疾病死亡率虽较峰值下降70%，但结构性不平等持续存在；强调80%的心脏病可通过政策改革、可负担药物（如印度试点的多效药丸）及环境改善实现预防，呼吁将烟草控制、基层医疗普及与健康社区建设纳入社会共同责任，确保现代心脏护理惠及所有人群。

本文深入分析了压力与心脏病发作的关联，指出慢性压力作为心脏病重要风险因素会导致高血压、心率加快及不健康生活习惯；同时详细解释了突发性压力可能引发的"心碎综合征"（心尖肥厚型心肌病）的病理机制、症状表现及治疗方案，该病症在58-75岁女性中占比超90%；文章还提供了基于医学专家建议的实用压力管理策略，包括通过正念、运动和调整可控压力源来维护心脏健康，强调虽然压力不直接导致心脏病发作，但会通过多种途径显著增加患病风险。

剑桥大学与美国国家衰老研究所科学家通过"培养皿中的疾病"模型研究发现，疾病相关类放射状胶质细胞(DARGs)在进行性多发性硬化症患者中出现频率达对照组六倍，这类细胞不仅退行至早期发育状态且呈现早衰特征，对免疫系统"警报信号"干扰素产生过度反应，从而驱动慢性炎症与神经退行性病变，这一突破性发现揭示了疾病新机制，为开发真正改变疾病进程的疗法开辟了道路，有望为全球数百万患者带来治疗希望。

苏黎世联邦理工学院研究人员发现，细胞内形成的蛋白质凝集体（特别是P小体和Whi3凝集体）通过相互作用决定细胞命运，包括控制细胞衰老过程和停止分裂，以及影响老细胞对交配信号的反应。这些发现揭示了细胞如何通过"分子委员会"形式的凝集体网络来整合信息并做出关键决策，为未来开发针对癌症、细菌耐药性和干细胞衰老等问题的新型治疗方法提供了新思路，但相关药物研发仍需进一步研究。该研究首次阐明了两种特定凝集体的协同机制，解释了细胞如何评估内部状态并调整行为，对理解多种疾病中的细胞决策过程具有重要意义。

本文深入剖析了医疗人工智能从辅助工具向自主系统的关键转型，阐述了自主AI如何通过自动化复杂任务、优化临床工作流程及降低医生认知负荷来重构医疗服务模式。文章结合Tebra调查数据指出，51%的医疗服务提供者因AI减少了加班时间，49%增加了医患互动时长，46%压力水平显著下降，并揭示了数据爆炸、机器学习进步与医疗"四重目标"驱动的完美风暴正加速这一变革，同时强调在实现38%年复合增长率市场潜力时，必须平衡技术创新与医疗责任，最终指向构建更主动、个性化且具备韧性的未来医疗体系。

肯尼亚和坦桑尼亚农村地区正在进行AI支持的宫颈癌筛查测试，研究表明该技术可帮助资源有限地区的女性获得筛查服务，但要使AI真正发挥作用，仅靠技术是不够的，还需在医疗人员培训、可靠供应链建设和社区信任方面进行投资。研究共涉及3000名原本无法接受筛查的女性，通过现场采集样本并用AI分析，虽然技术上可行，但图像一致性、试剂供应稳定性、电力保障等问题影响了实际效果，同时患者随访也面临挑战，这项研究为在资源有限环境中推广AI医疗诊断提供了宝贵经验。

美国科学家在干细胞治疗多发性硬化症领域取得重大突破，成功引导人类胚胎干细胞生成修复受损神经的关键少突胶质细胞。研究发现人类与小鼠在细胞发育机制上存在关键差异：FGF2蛋白在小鼠中促进少突胶质细胞成熟，而在人类中却抑制该过程。这一发现不仅解决了长期存在的科学难题，还为开发基于干细胞的多发性硬化症疗法奠定了基础，使研究人员能够大量生产用于神经修复的细胞，有望为数百万患者带来新的治疗希望。

最新发表在《临床内分泌与代谢杂志》的研究表明，既往甲状腺功能减退症与减肥手术患者短期再入院、切口疝和胆道疾病风险显著升高相关，长期则增加脑血管事件、糖尿病、血脂异常及骨质疏松等并发症风险，尤其在胃旁路术后更为明显；尽管减肥手术仍能有效降低全因死亡率和心代谢疾病风险，但甲状腺功能减退患者需警惕低血糖、营养缺乏等额外风险，医生应加强术后甲状腺功能监测和治疗调整，该结论基于对5700名患者的回顾性队列分析，强调了术前评估甲状腺状况对优化手术结局的重要性。

英国国家医疗服务体系全科医生莉恩·塔努斯博士在社交媒体发出警示，指出大声打鼾和白天嗜睡不应被简单视为"恼人"习惯，而可能是睡眠呼吸暂停症的重要征兆。这种病症会导致睡眠中呼吸反复停止，给心脏造成负担，增加心血管疾病风险。医生列出了打鼾者常犯的五大错误：睡前饮酒、忽视症状、带病驾驶、滥用镇静剂以及忽视健康生活方式。NHS和多家权威医疗机构强调，虽然睡眠呼吸暂停症与心血管问题存在关联，但治疗主要应针对影响生活质量的症状，而非单纯追求心脏健康益处，提醒公众关注此类症状并及时咨询专业医生。

美国巴尔的摩研究人员Yahya Shaikh及其团队在《PLOS Medicine》发表的研究表明，由五个AI模型组成的委员会通过迭代讨论机制，在美国医师执照考试三个阶段的325道医学题中分别取得97%、93%和94%的准确率，显著超越单一AI模型表现；该方法将AI响应变异性转化为优势，通过结构化对话实现自我纠正，为医疗AI工具开发提供新思路，但研究者强调该模式尚未在真实临床环境中验证，其实际医疗应用仍需谨慎评估。