环球医讯

美国退伍军人罹患罕见肌肉疾病包涵体肌炎后，发现其发病率远高于普通人群，但退伍军人事务部(VA)长期拒绝将其认定为服役相关疾病，导致他们难以获得应有的医疗补助和福利。经过多年抗争，部分退伍军人终于获得认可，但更多人仍在等待。医学研究表明包涵体肌炎与肌萎缩侧索硬化症(ALS)有相似分子变化，而VA已将ALS列为服役相关疾病。目前国会和医学界正推动将包涵体肌炎列为"推定服役相关"疾病，以便简化审批流程，让退伍军人更快获得必要支持，避免像格雷格·拉思本等患者耗费数年甚至十余年才能获得应有的认可和帮助。

美国斯坦福大学医学院主导的研究分析了2016-2022年美国医保数据，发现65岁以上转甲状腺素蛋白心脏淀粉样变性患者中64%存在6个月以上诊断延误，且该问题未随时间改善；女性及患有主动脉瓣狭窄、冠心病等合并症的患者延误风险更高，而年龄增长、心房颤动和腕管综合征则降低延误风险，研究强调需改进心力衰竭诊断时的心肌病病因筛查策略以缩短确诊时间。

本文详细介绍了心房颤动(AF)的诊断过程，通过多位患者的亲身经历和医生的专业解释，展示了从症状出现到确诊的多种途径。内容涵盖了常规诊断方法如心电图(ECG)和动态心电图监测仪的使用，也讨论了诊断过程中可能遇到的困难，如阵发性AF难以捕捉、症状被忽视或误诊等问题，特别强调了及时诊断对预防中风风险的重要性，为患者和公众提供了全面了解心房颤动诊断流程的宝贵视角，有助于提高对这一常见心脏疾病的认知水平和早期识别能力。

本研究通过应用元控制论框架，特别是"心态机构理论"(MAT)，探讨了如何诊断和改进制药监管机构。文章将监管机构解释为具有情感、认知和精神三元子系统的进化生命系统，分析了当前监管模式在应对技术创新、公共健康保障和伦理决策方面的局限性，并提出了包括伦理审查、患者参与、适应性审批和AI增强决策支持在内的实用改革建议。研究指出，制药监管机构需要培养情感响应能力(参与)、认知能力(数据吸收和学习)以及精神完整性(道德承诺)，以增强适应性，避免僵化、孤岛式决策。该框架为在技术复杂性、公众监督和全球健康挑战面前的监管改革提供了新视角。

1948年，克利夫兰诊所的医生科学家欧文·佩奇博士及其团队在寻找高血压病因时意外分离出化学物质血清素，虽然未能解决高血压问题，但这一发现最终催生了选择性5-羟色胺再摄取抑制剂（SSRIs），如百忧解、左洛复、来士普等广泛使用的抗抑郁药物。文章回顾了佩奇博士的职业生涯、家庭生活及其对科学界和公共卫生的贡献，强调了他谦逊、敬业和关怀患者的品格，并指出该发现被美国化学学会认定为国家级化学历史地标。

上世纪40年代，美国克利夫兰诊所的科学家佩奇博士在研究高血压时偶然分离出血清素，虽未找到降压药，却为后来抗抑郁药（如百忧解、左洛复等）的开发奠定了基础。他的发现揭示了血清素作为神经递质调节情绪的作用，推动了选择性血清素再摄取抑制剂（SSRIs）的诞生，惠及全球数百万抑郁症和焦虑症患者。佩奇博士谦逊敬业，其研究还深化了对动脉粥样硬化及高血压的认知，但并未从中获利。

本文报道了美国多所顶尖医疗机构正在建立整合心血管与心理健康服务的新型诊所。耶鲁大学医学院的心血管心理学诊所、马萨诸塞总医院的女性心脏健康正念生活中心等，将心理治疗嵌入心脏病诊疗流程，直接解决患者常见的焦虑、抑郁和创伤后应激问题。研究显示，同时治疗心脏病和心理健康问题可使再住院风险降低75%、急诊就诊减少74%、死亡风险降低66%。尽管证据充分，大规模整合仍不普遍，但专家预测未来心血管与心理照护将密不可分。

一项新研究发现，人工智能在临床工作流程中的整合方式会影响人们对医生医疗责任的认识。模拟陪审团实验中，当放射科医生在AI标记异常后只审阅一次CT扫描时，近75%认为其未尽到注意义务；而当医生审阅两次（一次在AI反馈前，一次在AI反馈后）时，这一比例降至53%。研究指出，调整AI辅助下的工作流程可降低法律风险，但也需权衡成本。该研究由宾夕法尼亚州立大学、布朗大学和西东大学的研究人员合作完成，发表在《自然·健康》期刊上。

本文由Darrell E. White医生撰写，全面回顾了干眼症的诊室治疗方法，从传统热敷、睑板腺按摩到BlephEx、Zest等清洁技术，再到LipiFlow、iLux、TearCare等热疗与表达系统，以及强脉冲光、低强度光疗和新型热机械疗法Tixel，分析了每种技术的原理、优势与局限，并基于作者20多年的临床经验为眼科医生提供了实用的选择建议。

随着加州一起关于医疗机构使用环境AI的集体诉讼案件启动，辛辛那提的FBT Gibbons律师事务所提出了10条建议，提醒医疗机构在采用AI技术时需高度关注诉讼风险。文章指出，医疗机构面临的法律风险不仅来自AI工具的功能本身，更源于其实施、披露、治理和监控方式。这10条建议涵盖：AI应用加速伴随诉讼风险上升；医疗AI风险往往涉及多个领域；患者知情同意至关重要；需仔细评估敏感数据在AI系统中的流动路径；不能假定使用第三方平台就能转移法律责任；应建立基于风险、跨职能且融入实际工作流程的AI治理机制；透明度有助于建立患者信任；AI法律框架仍在演变中；周密的治理虽不能消除所有风险但能降低暴露；关键问题已不再是AI是否应在医疗中发挥作用，而是如何以尊重患者期望并经得起法律监管审视的方式负责任地使用AI。