环球医讯

拉斯维加斯诗人南希·尼尔森被诊断出早发性阿尔茨海默病后，拒绝让疾病定义自己的人生，她与凯特·哈特利共同创办"吊坠与点"播客提高公众对阿尔茨海默病的认识，出版诗集分享个人经历，并积极倡导早期诊断和积极应对，展示了即使面对认知退行性疾病，也能通过保持活跃和社区参与创造新生活，她的故事激励着数万内华达州阿尔茨海默病患者及其照顾者。

最新研究表明，长期重度使用社交媒体会对大脑造成类似加速衰老的认知损伤，但好消息是这种损伤是可逆的。一项涉及467名参与者的《PNAS Nexus》研究发现，仅14天的社交媒体戒断就能显著改善注意力和心理健康，有效抵消十年的年龄相关认知衰退。另一项《JAMA Network Open》研究显示，一周减少手机使用后，焦虑、抑郁和失眠症状分别下降16.1%、24.8%和14.5%。对中位年龄仅20.6岁的巴基斯坦而言，这一发现尤为重要，因其7170万社交媒体用户占总人口30%以上。

印第安纳大学西北分校神经科学专业学生米娜·马哈茂德参与了阿尔茨海默病早期检测研究项目，她利用韩国医院10年间的血液检测数据，研究血液样本中的基因与阿尔茨海默病风险的关联，探索创伤性更小的诊断方法，该项目作为Datawiz-IN学生研究项目的一部分，结合了健康数据科学和人工智能技术，不仅展示了区域校区学生在高强度研究项目中的卓越能力，也反映了印第安纳大学系统内资源共享的优势，为未来阿尔茨海默病的早期筛查提供了新的研究方向。

南加州大学学生团队在《GeroScience》期刊发表突破性研究，首次绘制出148个不同脑区的区域衰老基因图谱，通过全基因组关联分析分离出影响特定脑区衰老的遗传因素，该成果为阿尔茨海默病等神经退行性疾病的早期干预提供了新方向，研究团队成功排除生活方式、性别等协变量影响，揭示了记忆相关脑区与加速衰老的遗传关联，为未来开发逆转神经损伤的精准治疗方案奠定基础。

美国医疗系统面临一个悖论：不断增加资源反而使问题恶化。本文分析了LEGO实验揭示的人类倾向——偏好"加法"而非"减法"来解决问题。在门诊领域，医生应通过规模经济整合资源，利用生成式AI监测慢性病；在住院领域，应按病情严重程度实施分诊策略。通过减少行政重复、集中监测和重新设计服务模式，美国医疗系统有望每年节省数千亿美元，同时改善患者结果。真正的挑战不在于策略本身，而是医院和医生是否愿意放弃过时模式，正如德鲁克所言："如果你想获得新事物，就必须停止做旧事物。"

以色列盖尔梅德制药有限公司联合条码纳米技术公司成功开发出可穿透血脑屏障的新型阿兰乔尔制剂，该基于脂质纳米颗粒的SCD1抑制剂通过皮下注射实现脑部靶向递送，有望为帕金森病、多系统萎缩症及路易体痴呆等尚无疾病修饰疗法的突触核蛋白病提供创新治疗方案，其作用机制通过抑制硬脂酰辅酶A去饱和酶1阻断α-突触核蛋白聚集引发的炎症级联反应，公司计划于2026年下半年启动帕金森病患者的1b/2期概念验证临床试验。

本研究探讨了功能失调认知、抑郁症状与暴食倾向之间的关系，通过对160名18-40岁女大学生的调查发现，暴食症评分和抑郁评分均与认知量表显著相关。研究结果显示，在控制抑郁症后，功能失调认知仍能解释暴食症评分23.6%的变异，表明功能失调认知与暴食症状之间存在至少部分独立于抑郁症的关系。该研究采用功能失调态度量表(DAS)和非理性信念量表(IBS)评估认知障碍，揭示了抑郁症和功能失调认知共同影响暴食倾向的机制，为理解暴食症的心理病理学提供了重要依据，对临床治疗具有指导意义。

阿拉巴马州Gulf Shores一名12岁男孩卡森·坎贝尔患有极为罕见的舒恩综合征，这是一种影响不到1%先天性心脏病患者的疾病。尽管医生曾预言他将面临艰难的人生，但卡森以乐观积极的态度面对生活，经历了多次心脏手术仍保持着笑容和活力，他用自己的故事鼓励其他面临类似挑战的孩子和家庭：坚强、不要惊慌，只做孩子就好，他的精神力量超越了身体的局限，成为鼓舞他人的光明力量。

本文深入探讨了人工智能与生物医学创新如何推动医疗保健领域的结构性转型，指出当前医疗挑战已从科学发现能力转向系统交付能力。文章分析了AI在药物发现、早期诊断和临床工作流程优化中的应用，强调仅靠创新不足以解决医疗系统问题，关键在于如何有效整合AI、数据和预防措施。同时提出政策建议，包括为敏感医疗系统中的代理式AI建立清晰授权框架，以及制定允许AI系统在真实环境中持续学习的审批流程。文章指出医疗系统的主要瓶颈不再是创新本身，而是系统采纳和扩展创新的能力，而数据碎片化和互操作性问题仍是AI应用的关键障碍，构建有韧性的卫生系统需要整合环境、社会和生物风险因素。

随着人工智能在医疗领域的应用日益普及，全球律师事务所Norton Rose Fulbright的医疗业务合伙人杰夫·沃茨堡警告医疗机构应立即为AI监管执法的加强做好准备。他预测执法将通过现有支付和监督框架实施，重点关注治理、文档和监督机制，而非设立专门的AI监管机构。医疗系统董事会需建立明确定义的治理框架，确保AI仅作为决策支持工具而非临床判断的替代品，同时防范欺诈和支付完整性风险、HIPAA合规问题及潜在的歧视性算法等关键挑战，避免因监督不力而产生的法律责任。