环球医讯

丹麦哥本哈根大学研究团队开发出基于虚拟现实的认知矫正训练系统，通过模拟厨房等日常生活场景帮助抑郁症、双相情感障碍及精神病谱系障碍患者改善记忆、注意力和执行功能等认知缺陷，临床试验证实该VR训练能显著提升患者处理多步骤任务的能力，且脑成像数据显示其引发大脑信息处理机制的实际改变，这项发表在《柳叶刀-数字健康》期刊的突破性研究为精神疾病患者的认知功能康复提供了全新解决方案，有望弥补现有疗法对认知障碍干预不足的临床缺口。

8岁男孩科迪·卡罗尔因浓密眉毛引起医生注意，最终被诊断出患有罕见的桑菲利普症，一种被称为"儿童痴呆症"的致命遗传疾病。该病导致他丧失语言能力、行动能力，甚至无法吞咽固体食物，预期寿命仅到青少年中后期。科迪的母亲乔治亚分享了从发现耳部感染到正式确诊的痛苦历程，强调早期诊断对罕见病患儿的重要性，并积极呼吁提高公众对桑菲利普症的认识。目前她正寄希望于美国FDA即将批准的基因疗法UX111，希望能延长儿子的生命，同时抓紧时间为孩子创造更多美好回忆，包括计划中的巴黎迪士尼乐园之旅。

伯明翰大学研究人员主导的新研究表明，常见室内外空气污染物仅需60分钟暴露时间即可同时影响肺部功能和认知表现。研究发现，即使空气中颗粒物浓度相同，不同污染源（如柠檬烯、柴油尾气、木烟和烹饪排放物）产生的健康效应各不相同，揭示了污染源特性的重要性。该研究首次通过双盲临床试验验证肺-脑轴在空气污染反应中的关键机制，为理解空气污染如何增加痴呆症风险提供了新视角，提示未来空气质量评估应同时关注污染源成分而不仅限于颗粒物总量，对公共健康政策制定具有重要指导意义。

特朗普政府与卫生与公众服务部（HHS）部长小罗伯特·F·肯尼迪提出新规则，计划放松对人工智能医疗工具的监管要求。这些变化可能削弱电子健康记录的可理解性、易用性和AI使用透明度，引发医疗安全专家担忧。研究表明AI医疗工具虽能节省医生时间，但在识别临床细微差别和情感语调方面存在不足，可能导致错误诊断和治疗，专家警告缺乏透明度可能损害医患信任并危及患者安全。

本文深入探讨了人工智能在医疗保健支付方运营中的应用转型，指出过去十年AI多处于"实验阶段"而效果不稳定，未来发展方向应是通过模块化AI构建块应对行业复杂性；作者强调有效的AI解决方案需嵌入行业专业知识，支持复用和定制化，采用"人工智能即服务"模式，并阐明AI不应是终极目标，而是实现更好会员体验、改善健康结果、降低行政成本和提升运营效率的工具，真正的价值来自于组织如何利用技术重新构想运营流程而非简单自动化，同时需注意数据标准化、供应商依赖风险和跨系统集成等关键挑战。

新加坡正积极推动医疗人工智能技术向实际患者护理应用转化，通过签署两项重要协议，将AI技术应用于糖尿病并发症监测、耐药性感染治疗和偏远地区医疗诊断等领域。随着人口老龄化加剧，到2030年新加坡将首次出现老年人口超过儿童的情况，四分之一人口年龄达65岁以上，政府通过"健康新加坡"计划推动医疗系统向预防和社区护理转型，并开发S.C.O.R.E.评估框架确保AI工具的安全可靠，同时与不丹合作开发适合当地需求的AI辅助诊断系统，彰显新加坡作为区域医疗中心的领导地位，这些举措不仅回应了国内紧迫的健康需求，也为区域医疗创新提供了新范式。

本文详细介绍了休斯顿贝勒圣卢克医疗中心如何将人工智能技术应用于医疗保健领域，特别是GE Healthcare的Allia Moveo系统在微创手术中的实际应用，该系统通过减少呼吸或血流引起的视觉失真来实时提高手术成像质量，帮助医生更自信高效地工作；文章还阐述了人工智能在快速识别中风、监测患者数据、提高癌症检测率以及创建心脏3D模型等方面的多方位应用，同时强调医疗机构设立专门委员会监管AI使用，确保临床医生始终参与决策过程，避免人工智能在未经医生批准的情况下直接对患者做出决定，展现了人工智能作为辅助工具而非替代医生的医疗AI应用新范式。

本文深入剖析医疗机构实施人工智能的核心策略，指出成功关键在于聚焦工作流程而非技术本身。作者强调临床领导者应优先识别高度重复且耗时的工作环节（如医疗文书记录），通过分阶段实施实现自动化；在供应商评估中需考察系统集成能力、价值实现时间及持续适应性，避免盲目追求技术或等待电子病历系统未来功能，从而真正提升医疗运营效率并解决行业人力短缺痛点，为医疗机构提供可落地的AI应用路线图。

南非Life Healthcare集团发出警告，指出随着AI症状检查器使用量在过去一年激增134%，患者绕过专业临床判断直接依赖AI诊断可能导致严重分诊错误。文章通过实际病例说明，AI缺乏实时解读、优先排序和情境化信息的能力，可能造成患者对病情紧急程度的误判，带来延迟就医或过度恐慌的风险。专家强调AI应作为辅助工具而非替代临床责任，并提醒患者注意数据隐私保护，特别是在使用国际数据集训练的AI模型时，需考虑其对南非人群适用性的问题。

美国食品药品监督管理局（FDA）已批准约翰霍普金斯大学开发的AI脓毒症早期预警系统，该工具通过分析医院电子健康记录，在临床医生怀疑感染前数小时识别脓毒症，已在全美数十家医院将死亡率降低近20%。作为首个在医生诊断前监测脓毒症的技术，该系统解决了每延迟一小时检测即大幅降低患者生存率的关键问题，每年可挽救数十万脓毒症患者的生命，其获批标志着脓毒症治疗标准的重大转变，并为医院获得医疗保险报销铺平道路，代表了数十年临床AI研究从实验室走向病床边的实际应用。