环球医讯

沃索警察局和威斯康星州司法部发布银色警报寻找一名92岁患有认知障碍的走失老人哈罗德·N·彼得森，数小时后确认他已被安全找到。银色警报是美国用于寻找患有阿尔茨海默病、痴呆症或其他可能危及健康安全的永久性认知障碍走失成年人的警报系统，威斯康星州项目由司法部刑事调查处通过犯罪警报网络管理，警报可通过多种渠道发布，包括电子邮件、短信、媒体报道和交通信息板等。

新加坡国立大学合成生物学临床与技术创新中心(SynCTI)的研究团队成功将植物乳杆菌改造成可编程"活体药物"，用于治疗肝性脑病(HE)。该研究由Jonathan Lee副教授、Matthew Chang教授和Nikhil Aggarwal博士领导，通过设计两种互补菌株分别吸收肠道多余氨并转化为支链氨基酸、分解L-谷氨酰胺防止氨生成，实验室显示该混合疗法可将循环氨减少10倍，恢复代谢平衡并显著改善认知功能，效果优于利福昔明且不破坏肠道微生物多样性。这项发表在《细胞》杂志的突破性研究为肝衰竭相关脑功能障碍提供了全新治疗策略，已提交专利申请并计划向临床应用转化。

本文由资深护理专家撰写，系统阐述痴呆症的多类型特征及照护原则。文章指出痴呆症包含100余种类型，患者认知体验具有独特性，强调争论纠正反而加剧焦虑，应通过怀旧疗法建立情感联结；随着病情进展需简化任务步骤并强化情感支持，尤其要注重非语言情绪传递。全文详细解析认知功能、记忆衰退等核心概念，对比分析阿尔茨海默病、血管性痴呆、路易体痴呆等六类主要病因，为照护者提供兼顾科学性与操作性的专业指导，显著提升痴呆症患者的沟通质量与生活安全感。

南加州大学凯克医学院研究人员发现前临床阿尔茨海默病患者存在三种不同的认知衰退轨迹：稳定型、缓慢衰退型和快速衰退型，约70%的参与者在六年的研究期间保持稳定状态。该研究首次将这些认知轨迹与生物标志物数据联系起来，发现P-tau217水平可作为预测认知衰退的重要指标，模型分类准确率达70%，这对改进阿尔茨海默病临床试验设计和患者个性化治疗具有重要意义，研究结果已发表在《阿尔茨海默病与痴呆症》期刊上，部分研究资金来自美国国立卫生研究院。

俄亥俄州立法者提出众议院第307号法案，旨在15年内更换全州74.5万条铅制供水管道，预计成本超过160亿美元。尽管该法案面临资金挑战，但研究表明移除铅管将带来显著的公共健康和经济效益，包括减少9700例心脏病死亡、7300例贫血病例和640例婴儿死亡，以及在未来15年内为州经济增长贡献1450-1850亿美元，凸显了这项投资对改善儿童健康和州经济发展的长期价值，同时阿克伦市的成功案例展示了全面更换铅管的可行性和益处。

彼得森健康技术研究所(PHTI)最新报告显示，人工智能在医疗管理领域已取得一定进展，特别是在简化预先授权流程方面。然而，AI技术并未显著降低整体系统成本，反而倾向于增加计费强度，推高医疗支出。报告显示，支付方正通过降码等措施应对AI驱动的计费强度增加，而实时预先授权模式虽已出现但尚不具可扩展性。AI正在快速重塑医疗计费流程，可能导致更高复杂度的诊疗比例增长，进而增加账单金额。研究指出美国医疗行政成本远超其他国家，每年约有3500亿美元的行政浪费。

UT健康圣安东尼奥近期举办了首届临床医疗人工智能研讨会，探讨AI如何提升医疗服务效率与质量。文章详细阐述了人工智能在患者消息处理、医疗记录分析、就诊体验优化及临床研究加速等方面的实际应用，强调AI作为辅助工具能帮助临床医生更快响应患者需求、更全面掌握病情信息、减少行政负担，同时确保医疗决策始终以患者为中心。该技术已在德克萨斯州医疗系统中实现落地应用，为患者提供更精准、更个性化且更易获取的医疗服务，同时严格遵守HIPAA等安全规范，保障患者隐私与数据安全。

文章深入分析了医疗AI规模化面临的现实挑战，指出部署和扩展问题才是阻碍医疗AI发挥价值的核心障碍。Nvidia和Hoppr正将战略重心从构建独立AI应用转向打造基础设施层，Hoppr开发的AI铸造厂利用Nvidia的计算能力和基础模型，为医疗机构提供开发和部署医疗影像AI的工具。该合作使医院无需从头开始，即可利用预训练模型使用小型数据集（有时仅数百条记录）定制AI工具，从而将医疗AI从孤立模型开发转变为可直接嵌入放射科和诊断工作流程的生态系统，有望推动影像AI从试点项目向常规医疗服务的转变。

贝斯以色列女执事医疗中心率先采用人工智能技术，通过分析常规乳腺X光检查影像识别肉眼不可见的组织模式，精准预测女性五年内乳腺癌发病风险。该工具突破传统风险评估模型局限，尤其为85%无家族病史的高危女性提供早期预警，助力临床医生制定个性化预防方案（如调整他莫昔芬用药时机），标志着AI在精准医疗领域实现从癌症检测向风险预测的重大跨越，未来还将拓展至心血管疾病预测等新场景。

西北大学芬伯格医学院七位研究人员共同开展的一项研究证实，人工智能在生成全面的肿瘤病理学报告方面表现优于医生，六个开源大型语言模型（包括Llama 3.0、Llama 3.1、Mistral等）生成的报告在客观指标评分上超过了医生的病理摘要；研究发现AI能够精准捕捉治疗过程中基因改变的变化，这对医生而言需要耗费大量精力才能发现，而肿瘤患者通常有漫长的治疗史，医生往往只有约半小时时间审查多年病历，AI可有效减轻这一负担，但研究者强调AI仅是辅助工具，无法替代医患间的人际关系，未来还需解决法律和伦理问题（如AI错误责任归属）才能将AI全面整合到临床环境中。