环球医讯

一位75岁前酒吧老板埃德温·约翰·特纳在确诊痴呆症后，通过唐卡斯特沃克林厄姆南摩尔 Lodge 养老院内设立的" rustic fox "酒吧重获生活意义。这家专为居民打造的酒吧环境让患有认知障碍的老人能重温社交场景，特纳先生得以再次担任"酒吧老板"，为其他居民倒酒，不仅帮助他保持认知功能，也显著改善了情绪状态。这种创新护理模式为英国约90万痴呆症患者提供了社交互动和有意义活动的机会，有效提升了患者福祉，同时为家属创造了与患者共享美好时光的场所，展现了以人为本的关怀理念在老年痴呆症护理中的重要价值，成为英国养老机构应对酒吧文化消退趋势的创造性解决方案。

一项发表在《BMJ Open》期刊上的新研究发现，近一半的AI聊天机器人回复存在误导性，其中约30%缺乏完整背景信息，19.6%提供不准确或误导性信息。研究人员测试了ChatGPT、Google的Gemini、Meta AI等工具，发现它们在处理癌症、疫苗等健康问题时常给出未经证实的替代疗法建议，这种"虚假平衡"现象可能导致患者放弃常规治疗或产生不必要的恐惧，专家警告AI尚未准备好用于主流医疗咨询，FDA和医生所需的技术与方法仍不完善。

印度裔美国科学家Harsha Rajasimha博士创立的Jeeva临床试验公司推出学术医疗中心合作伙伴计划，利用"Agentic AI"平台解决临床研究中的"创新差距"问题。该计划旨在用统一数字基础设施取代传统手动研究方法，自动化数据清洗和患者招募等任务，可减少研究者手工工作负担达300%。这项创新特别有助于缺乏大型数字预算的学术医疗中心开展罕见疾病研究，并通过去中心化试验设计和远程监测，使更多患者能够参与临床试验，加速将实验室发现转化为救命治疗的过程。Rajasimha将印度教育背景与美国计算专长相结合，致力于确保下一代医生能以前所未有的速度将治疗方法带给患者。

CommonSpirit健康系统首席信息官丹尼尔·巴奇在贝克年度会议上强调，AI在医疗领域的实施应遵循马斯洛需求层次理论，认为医疗技术80%关乎人，15%关乎流程，仅5%是技术本身。该系统已部署约250个AI工具，重点关注人口贩卖筛查、脓毒症检测等临床应用，并建立严格治理框架，坚持"临床医生必须参与决策"原则，同时通过AI学院提升全员AI能力，将成本效益从属于安全质量使命，展示了医疗AI以人为本的实施路径。

BMJ Open发布的一项审计发现，五大消费级聊天机器人对健康和医疗问题的回答中有49.6%存在"问题"，其中埃隆·马斯克的Grok聊天机器人提供的"严重问题"回答比例最高。研究显示，聊天机器人在回答健康问题时常偏离科学共识或使用模棱两可的语言，且开放式问题导致更多错误回答，而聊天机器人的回答往往显得自信且权威，这使得不可靠的信息看起来更具可信度，对用户健康可能构成风险。

阿尔伯塔大学研究团队开发出名为DeepMet的化学语言模型，该模型基于2000多种已知人类代谢物的化学结构进行训练，成功预测了十亿种潜在代谢物结构，帮助识别出数十种先前未被认识的哺乳动物代谢物。这一突破性研究揭示了代谢组学中的"分子暗物质"，有望推动更精准的疾病诊断方法和靶向代谢途径的新药研发，相关成果已发表在《自然》杂志上，为理解生命活动的化学基础开辟了新途径。

德国公共健康服务面临严重人员危机，随着2020年新冠疫情初期通过的公共健康服务协议将于2026年底到期，公共健康服务医师职业协会警告称至少一半通过该协议创造的职位面临威胁。在地方财政紧张和卫生政策重点转移的背景下，公共卫生部门处于双重压力之下，可能导致服务能力倒退至疫情前水平，影响传染病防护、预防工作以及危机应对能力。联邦政府停止提供后续资金的决定已引发行业担忧，德国医学会明确表态支持公共健康服务作为医疗体系第三支柱的重要性，同时呼吁改善从业人员待遇并保障公共卫生部门由专业人员领导。

肯尼索州立大学机械工程助理教授石磊领导的研究团队获得美国国立卫生研究院52.27万美元资助，开发将生成式人工智能与生物力学心脏建模相结合的新技术，能够将心脏3D医学图像分析时间从传统方法的数小时或数周缩短至毫秒级，同时保持高精度，该技术可创建患者特异性心脏模型，模拟心脏运动、组织硬度及应力分布，帮助医生在手术前虚拟测试不同治疗方案，已在埃默里大学临床数据支持下进行验证，有望彻底改变心脏病的诊断与治疗流程，显著提升患者护理质量和临床决策效率。

尼日利亚裔佐治亚大学博士生简·奥杜姆开发的EpiCast移动应用在谷歌赞助的全球医疗AI挑战赛中斩获首奖，该工具专为西非资源有限地区设计，支持卫生工作者以本地语言实时记录患者症状并获取诊断辅助，通过离线运行的轻量化AI模型将非结构化临床观察转化为标准化数据，显著提升疫情早期预警能力，其创新性在于突破云依赖限制，已在埃博拉和新冠防控实践中验证有效性，为全球疾控体系提供可复制的技术解决方案。

前沿分子生物科学期刊近日推出人工智能驱动的空间与单细胞组学数据研究专题，聚焦计算建模策略解决多模态生物组学数据整合难题。该专题旨在通过机器学习与深度学习技术构建可重现的分子图谱，揭示组织结构、细胞类型组成及疾病相关变化，特别关注神经科学领域应用，包括脑细胞异质性图谱绘制、神经元亚型解析、空间脑图谱重建以及神经发育与神经退行性疾病机制研究。研究团队呼吁全球科学家提交计算生物学、数据融合算法及多组学整合方法的创新成果，截止日期为2026年12月1日，以推动构建标准化参考图谱并加速空间组学分析工具的开发。