环球医讯

本文深入探讨人工智能在医疗健康领域的应用边界，警示患者不可将AI诊断等同于专业医疗建议。美国国家犹太健康中心首席医疗信息官大卫·博伊瑟医学博士指出，AI虽能快速组织健康信息，但缺乏临床视角与个体化评估能力，可能因误诊引发不必要的恐慌或错误决策。文章强调患者应将AI视为沟通辅助工具而非决策主体，建议通过AI梳理问题清单并与医生核实信息源，同时警惕在对话中泄露个人医疗数据。研究显示，患者使用AI进行健康咨询时仅47%能做出正确医疗决策，核心问题在于未能提供医生所需的完整病史细节。文末重申医患互动不可替代，可靠医疗决策必须基于专业临床判断。

本文深入剖析了当代医疗体系中患者联系医生日益困难的普遍现象，通过奥利维亚·曼尼恩预约随访扫描的亲身经历揭示了医疗系统结构变化、医生工作负担加重及沟通渠道复杂化等多重原因，并系统介绍了患者实用应对策略，包括首次就诊时提出关键问题、精准留言技巧、战略性使用患者门户系统、与整个医疗团队合作以及适时升级问题等方法，强调了在按服务收费体系下，患者主动沟通对避免健康风险的重要性，同时指出人工智能电话分诊系统等技术正在重塑医患沟通方式，但人性化互动仍是医疗关怀的核心。

瑞典哥德堡大学医学研究人员Almira Osmanovic Thunström创造了一个名为"bixonimania"的虚构眼疾，将两篇虚假论文上传至预印本服务器后，包括ChatGPT、Gemini等主流AI模型迅速将这一虚构疾病当作真实病症向用户提供医疗建议，甚至有经过同行评议的医学文献引用了这些虚假论文，这一实验揭示了大型语言模型在医疗健康领域可能传播错误信息的巨大风险，引发了对AI在医疗应用中安全性和可靠性的深刻担忧，也暴露了学术出版和AI训练数据中可能存在的系统性漏洞，专家警告这可能导致"信息不对称"，使单个纠正论文被数百篇重复错误主张的论文淹没，随着AI在医疗领域的应用日益广泛，此类问题可能对公众健康造成实质性危害。

由马萨诸塞州总医院布里格姆医疗系统MESH孵化器主导的一项研究评估了21种大型语言模型在临床推理能力方面的表现。研究发现，尽管这些模型在获得完整患者信息后能以90%以上的准确率得出最终诊断，但在诊断过程早期的推理阶段表现不佳，超过80%的情况下无法生成适当的鉴别诊断列表。研究人员开发了PrIME-LLM评分系统全面评估模型在不同临床推理阶段的能力，结果显示当前的大型语言模型仍需医生密切监督，无法独立用于临床决策，其价值在于增强而非取代医生的专业判断，特别是在信息不完整的情况下。

耶路撒冷希伯来大学医学院研究人员开发出名为EvORanker的AI算法，该技术通过分析1000多个物种的基因进化模式来发现基因间隐藏关联，临床测试显示能在近70%病例中准确识别致病基因，在95%病例中将其排入前五，显著优于现有工具，有望将罕见病患者平均长达十年的"诊断长征"大幅缩短，为全球约5%受罕见病影响的人群带来更快的确诊和治疗希望，同时该技术还可能用于老药新用和未来癌症诊断领域。

美国佛罗里达州坦帕的莫菲特癌症中心正在开发一种人工智能工具，用于早期预测癌症患者的"恶病质"综合征。这种消耗性病症会导致肌肉大量流失，使癌症治疗变得更加困难甚至无法继续。目前临床诊断主要依靠六个月内体重下降5%这一简单指标，但往往为时已晚。该AI模型通过综合分析患者生物标志物、医学影像、血液检测结果和肌肉功能等多维度数据，能在病症发生前进行精准预测，从而提前采取干预措施。虽然该技术还需数年才能投入临床使用并获得美国食品药品监督管理局批准，但有望显著改善癌症患者的生活质量和治疗效果，为那些面临这一致命并发症的患者带来新希望。

瑞典研究人员创造了一种名为"bixonimania"的虚假眼部疾病并植入伪造学术论文中，尽管论文包含明显警示标志，ChatGPT、Google Gemini等主要AI聊天机器人仍自信地将其呈现为真实疾病，甚至建议患者就医。医疗机构研究与质量改进研究所将AI聊天机器人误用列为2026年头号健康技术危害，每天有超4000万人使用ChatGPT获取健康信息，这对护士等一线医疗工作者构成重大挑战，需要提高AI素养以保护患者安全。

瑞典研究人员发明了一种名为"比克森尼亚症"的虚构疾病，成功骗过了ChatGPT、谷歌Gemini和微软Copilot等主流AI平台，揭示了健康领域AI系统88%的时间会产生错误信息的严重问题；实验中包含明显警示标志如"星际舰队学院"等虚构机构，但AI仍全盘接受，凸显了当前AI技术在医疗咨询方面的重大缺陷和潜在风险，警示虚假医疗信息可能轻易污染AI训练数据的现实威胁。

彼得森健康技术研究所(PHTI)最新报告显示，尽管人工智能在医疗领域显著提高了事先授权和计费编码的效率，但同时也带来了交易量激增和成本上升的双重挑战；报告分析了AI在事先授权应用中引发的"机器人战争"风险、在医疗计费中导致高复杂度编码过度使用等问题，并指出当前医疗体系难以承受这种AI驱动的医疗通胀趋势，强调若不重新设计部署流程，人工智能在医疗行政流程中将无法真正减少行政浪费，反而可能加剧现有问题，对尚未采用AI技术的医疗机构造成不成比例的损害。

本文详细阐述了阿尔茨海默症对大脑的影响机制，指出在记忆丧失的早期症状显现前，大脑已开始发生微观变化。文章解释了β-淀粉样蛋白斑块和tau蛋白缠结这两种异常结构如何损害神经细胞功能，阐述了它们在疾病发展过程中的关键作用及扩散模式。同时概述了当前阿尔茨海默症研究的最新进展，强调过去15年已发现了关于该疾病90%的知识，这些突破性发现为开发新的治疗方法提供了科学基础，有望在未来改善患者的生存质量。