环球医讯

本专题聚焦于利用多模态人工智能技术整合神经影像、心脏影像、可穿戴传感器和遗传数据等多元信息，以增强脑与心血管系统的综合风险预测。文章探讨了当前AI模型在临床转化中面临的挑战，包括模型可解释性、跨患者群体的可靠性、数据异质性、算法偏见、数据隐私与安全性等问题。旨在通过推动可解释、公平且保护隐私的AI解决方案，实现个性化、整合性的神经心血管护理策略，并促进该领域从技术开发到临床实践的有效转化。本专题欢迎原创研究、综述、观点、方法及案例研究等文章类型。

在AD/PD年度会议上，卫材展示了真实世界数据，表明Leqembi在APOE4纯合子患者中的长期安全性和有效性，这些患者在临床试验中被发现使用该疗法时脑出血风险更高。同时，阿尔兹海恩进一步详细介绍了其候选药物在具有相同基因特征的患者中的试验结果，包括生物标志物和认知评估数据，为高风险阿尔茨海默病患者的精准治疗提供了新证据。

本次会议探讨人工智能如何重塑护理导航、风险分层和资源分配，同时强调没有保障措施可能加剧不平等。会议将讨论如何负责任地实施AI，保护患者选择，衡量以公平为中心的结果，并加强跨人群的护理协调和服务获取，以构建更具包容性和可持续的医疗系统。议程包括主题演讲和小组讨论，涉及AI在医疗中的风险、公平框架、不同层面的影响以及AI扩散的上下游效应。

本文探讨了人工智能如何通过减少职业倦怠、支持技能提升和实现以患者为中心的护理来改变护理行业。文章引用2025年面向未来的医疗健康调查数据，指出护士对AI的积极影响最为乐观，62%的护士认为AI集成于入职和培训可加速员工生产力，45%的护士相信生成式AI能通过处理低价值任务减轻倦怠。同时，文章也指出了数据安全、过度依赖AI导致临床决策能力下降等风险，并强调需要制定明确的政策、保持人类监督，以及通过数字技能提升来弥合乐观与准备之间的差距，最终使AI成为护士的得力助手而非替代者。

许多人使用褪黑素补充剂帮助睡眠，但研究显示多种草药也能促进放松和改善睡眠，例如缬草、洋甘菊、薰衣草、西番莲、柠檬香蜂草和南非醉茄。这些草药通过影响大脑中的γ-氨基丁酸（GABA）来镇静神经系统，从而更容易入睡。缬草持续服用1-2周可缩短入睡时间、延长睡眠时长并提升醒来时的清爽感；洋甘菊含有芹菜素抗氧化剂，可促进放松、改善睡眠质量并减少夜间醒来；薰衣草芳香疗法可增加深度睡眠并改善整体睡眠质量；西番莲有助于缓解睡前焦虑；柠檬香蜂草可提升深度睡眠时长；南非醉茄作为适应原草药，能降低压力激素皮质醇，改善失眠患者的入睡时间和睡眠效率。此外，保持规律作息、限制睡前屏幕时间、营造凉爽黑暗的卧室环境等良好睡眠习惯同样重要。

一项针对1343名成年人的新民意调查显示，约三分之一的人曾向AI咨询身体健康或心理健康建议，但其中42%使用AI咨询身体问题的受访者没有后续咨询医生，58%使用AI咨询心理健康建议的受访者未咨询心理健康专业人士。年轻群体（18-29岁）更倾向于使用AI且更少跟进医生。超过80%未使用AI获取健康建议的成年人表示对AI不信任或几乎不信任。专家警告，AI聊天机器人可能提供错误信息，且无法处理复杂医疗需求，尤其是对危机中的青少年等脆弱群体可能造成伤害。

由新加坡国立大学杨潞龄医学院和A*STAR新加坡基因组研究所领导的国际团队，在《自然·癌症》期刊上发表论文，强调在癌症微生物组研究中需要更高的谨慎性、一致性和严谨性。研究指出，肿瘤组织中的微生物含量极低，易受污染和人工制品影响，导致结果不可靠。团队提出了一套涵盖样本采集、处理、测序、数据分析和生物学验证的最佳实践清单，旨在提高该领域的可重复性和可靠性。该研究鼓励采用更严格的标准，以确保未来关于微生物与癌症的发现建立在坚实的基础上。

本文围绕厌氧细菌（尤其是梭菌属和类梭菌属）在哺乳动物肠道中的主导地位及其对宿主生理、黏膜屏障、免疫调节和定植抵抗的驱动作用展开论述，同时指出这些菌群在抗生素压力、饮食变化或炎症条件下可转变为产毒病原体，增加临床感染风险。研究主题强调从细胞、分子、生态和转化层面阐明梭菌及其他厌氧菌如何影响宿主生理与感染易感性，并整合临床、兽医和环境视角，推动“One Health”理念下的梭菌生物学研究。征集范围包括功能验证研究、毒力机制、人畜共患传播途径、食品/饲料相关风险、环境监测及新兴方法等。

意大利研究人员从人类微生物组中发现了一种名为CoCas9的新型CRISPR相关蛋白，该蛋白具有紧凑的尺寸和高保真度，在体外和体内模型中均表现出高效且精准的基因编辑能力，尤其适合AAV递送系统，为基因编辑技术提供了新的工具。

本文探讨了美国食品药品监督管理局（FDA）一项具有里程碑意义的政策转变，该政策允许基因组编辑工具和RNA疗法基于可靠的生物学证据而非大规模临床试验结果寻求批准。文章指出，人工智能（AI）能够以超越人类能力的规模对基因组数据进行模式识别，从而生成FDA现在所要求的严格、预测性数据，并提高最终获批治疗的精准度。对于罕见病患者而言，这彻底改变了局面。文章详细介绍了从诊断到治疗，AI如何通过患者识别、变异解读、病程模拟、基因编辑、药物重定位和全新药物设计等多个领域，加速罕见病研究和治疗进程。同时，文章也指出了数据隐私、医疗不平等和资金不确定性等挑战，并对未来寄予希望。