环球医讯

哈佛成人发展研究历经近80年追踪，通过对268名1938级哈佛学生及波士顿456名城市居民的纵向观察，揭示人际关系质量对健康长寿的决定性作用。研究发现50岁时人际关系满意度比胆固醇水平更能预测80岁时的健康状况，孤独的杀伤力堪比吸烟酗酒，温暖关系可延缓身心衰退。该研究推翻"30岁后性格定型"的旧观念，证实成熟应对机制、稳定婚姻等六要素是健康老化的关键，为理解童年经历对中晚年健康的影响提供重要依据。

世界卫生组织食品安全部门联盟举办的国际网络研讨会展示了基因组学、人工智能等技术在食源性疾病监测中的创新应用，加拿大专家分享了通过基因组学将疾病发病率降低20%并预防2.6万例疾病的实践案例，英国专家探讨利用AI分析在线评论加速疫情发现的潜力，阿曼和卡塔尔介绍了国家监测系统建设及区域合作进展，突显科技创新对提升全球食品安全监管效能与公共卫生响应速度的关键作用，同时指出数据整合与跨部门协作仍是当前主要挑战。

美国塞达斯-西奈医学中心研究人员利用人类诱导多能干细胞培育出“年轻”单核吞噬细胞，将其注入老年小鼠体内后成功改善记忆测试表现并促进小胶质细胞健康，同时增加海马体苔藓细胞数量以缓解阿尔茨海默病相关认知衰退，但该疗法在阿尔茨海默病模型小鼠中仅部分修复脑损伤且淀粉样蛋白沉积未消除，人类应用效果尚不确定，研究为未来治疗提供了潜在方向，相关成果已发表在《先进科学》期刊。

美国能源部与超威半导体(AMD)达成10亿美元合作伙伴关系，共同建造两台AI超级计算机，用于加速核聚变能源研究、癌症药物发现和国家安全领域的发展。这些超级计算机将显著提升计算能力，帮助科学家在两三年内找到利用核聚变能源的可行路径，并在五到八年内将多数致命癌症转变为可管理疾病，标志着政府与私营部门合作模式在AI计算基础设施建设中的重要转变，体现了科技与健康领域的深度融合。

一项新的观察性研究发现，增加日常步数可能有效延缓已有早期阿尔茨海默病生物标志物的老年人的认知衰退进程。研究显示，每天步行3,000至5,000步可使认知衰退平均延迟三年，而5,000至7,500步则可延迟七年。尽管研究规模较小（仅296名50-90岁参与者），但通过客观测量方法证实了体力活动与tau蛋白积累减缓的显著关联，而tau蛋白与记忆丧失密切相关。专家强调预防阿尔茨海默病需个性化方案，不能仅依赖特定步数目标，还需综合考虑体脂、糖尿病前期和高血压等整体健康因素，同时重申"对心脏有益的生活方式同样有益大脑"的科学共识。

华盛顿州立大学与华盛顿大学的最新研究证实，为无家可归青少年提供与其宠物同步接受医疗护理的服务能显著提升其寻求自身健康护理的意愿；该研究发表于《初级保健与社区健康杂志》，追踪了西雅图市中心One Health诊所的就诊数据，发现尽管69%的青少年最初仅为主宠物寻求兽医护理，但近80%的就诊最终促使其获得人类健康护理，且诊所在两年内帮助40名两年未就医者重建医疗联系，85%的患者预约了非紧急随访，凸显了整合动物与人类健康护理模式作为关键入口点对弱势群体的深远价值，有效解决了预防性护理缺失问题并验证了服务可持续性。

该研究专题聚焦于运动生物力学在慢性退行性关节疾病康复中的创新应用，旨在探索生物力学方法在疾病评估中的作用，优化运动康复方案以解决患者功能障碍和活动受限等挑战。通过整合多学科见解，研究将阐明骨关节炎和类风湿关节炎等疾病的机制，开发基于人工智能诊断和可穿戴技术的创新工具，并实施个性化治疗策略，重点设计可持续的运动干预措施。专题欢迎投稿探讨慢性关节疾病的生物力学分析、影像学与生物标志物整合、定制化运动设备开发等主题，以深化运动康复在3.5亿全球患者管理中的有效应用，应对每年超千亿美元的社会经济负担。

在OpenAI禁止ChatGPT提供医疗建议后不久，哥伦比亚大学研究人员开发的AI系统"精子追踪与回收技术"（STAR）成功帮助一对不孕19年的夫妇实现生育突破。该技术通过高速影像扫描与机器学习，在传统方法判定为无精子的样本中精准定位稀有活性精子，系统两小时内分析250万张精液图像，分离出7个精子并成功受精形成胚胎，最终实现健康妊娠。这项突破为无精子症患者开辟了新希望，目前更大规模临床试验正在推进中，有望彻底改变辅助生殖治疗领域。

本文深入报道了包括甲骨文公司创始人拉里·埃里森、OpenAI首席执行官萨姆·奥尔特曼在内的八位硅谷顶级科技富豪如何投入数十亿美元推动长寿研究，他们通过设立基金会、投资生物科技初创企业及运用人工智能技术，致力于延长人类健康寿命甚至探索永生可能，这些行动不仅体现了科技精英对衰老问题的前沿探索，还引发了关于财富积累、伦理挑战及社会影响的深刻讨论，凸显了长寿科技在当代社会中的重要地位，同时揭示了个人健康管理与生物医学突破的紧密结合。

宾夕法尼亚州立大学医学院研究团队开发了一种名为遗传进展评分（GPS）的创新人工智能方法，通过整合电子健康记录和大规模遗传研究数据，精准预测自身免疫疾病从临床前期向疾病阶段的进展。该模型利用迁移学习技术，结合全基因组关联研究和生物样本库信息，相比现有方法准确性提升25%至1000%，已在类风湿关节炎和红斑狼疮中验证有效。这项突破有助于实现早期诊断、靶向监测和个性化治疗，改善患者预后，同时优化临床试验设计并减少健康差异，为自身免疫疾病及其他疾病研究提供新框架，彰显了人工智能在医学领域的重大应用潜力。