环球医讯

美国每年有超过700万住院成年人出现谵妄，这种急性意识混乱状态常被误诊为痴呆，导致患者被推入不必要的痴呆护理系统，造成每年逾1640亿美元的医疗负担。研究表明，住院谵妄可能加速认知衰退，并独立增加日后罹患痴呆的风险。然而，约40%的谵妄病例可通过干预措施预防，如医院老年生命计划（HELP）已被证实可将谵妄发生率降低40%至53%。尽管澳大利亚已启动全国性家庭参与预防试验，美国目前尚无类似联邦计划，而人手不足的医院难以落实现有方案。文章强调，准确区分可逆的谵妄与不可逆的痴呆，决定了患者是康复回家还是被送入记忆护理机构，这绝非诊断上的细枝末节。

南非豪登省卫生部门驳斥了民主联盟（DA）关于夏洛特·马克西克约翰内斯堡学术医院心脏手术死亡率高达20%的指控，称其“具有误导性且未经证实”。卫生部门引用数据显示死亡率在2023年至2025年间下降了72.5%，并强调其采用国际公认的风险调整方法评估临床结果，否认存在系统性失败。同时，该部门承认手术量减少、人员短缺及患者等待时间延长等运营挑战，但坚称患者安全仍是首要任务。

本文介绍了主动脉瓣狭窄这一常见但常被忽视的心脏疾病，其症状包括胸痛、头晕、气短，若不及时治疗可能导致心力衰竭甚至死亡。吉隆坡班台医院心脏病专家余国明医生指出，该病在马来西亚尤其容易被漏诊，因为患者常将症状归因于自然衰老。文章详细阐述了经导管主动脉瓣植入术（TAVI）这一微创治疗选择，适用于高风险患者，恢复快，但存在一定风险，且目前马来西亚的TAVI普及面临成本高、专业中心有限等挑战。专家强调早期诊断和及时干预至关重要，切勿忽视任何心脏信号。

一项由南加州大学Stevens INI领导、发表于《柳叶刀数字健康》的新研究，利用人工智能对超过500名中风幸存者的MRI扫描进行分析，发现大脑未受损的一侧可能通过保持更年轻的结构来支持中风康复。研究通过深度学习计算大脑预测年龄差（brain-PAD），发现严重受损患者对侧大脑半球（尤其是额顶叶网络）表现出意想不到的年轻化模式，这可能是大脑进行自我重组和补偿的神经可塑性表现。该研究为个性化康复策略提供了新视角。

由黄宽林博士领导的学术团队，凭借开发名为Biomni-AD的先进人工智能“联合科学家”平台，荣获由阿尔茨海默病数据倡议颁发的100万美元阿尔茨海默洞察AI大奖。该奖项于2026年3月20日公布，旨在表彰能够大幅缩短从复杂生物医学数据中生成科学见解所需时间的AI解决方案。西奈山伊坎医学院的研究人员与斯坦福大学合作，开发了Biomni-AD平台，该平台具备自然语言界面、端到端可重复性、多模态数据整合及人类监督等能力，可将传统耗时数月的分析任务缩短至数分钟。该平台将免费提供给全球研究人员，以加速阿尔茨海默病及相关痴呆症的研究突破。

本文讨论了美国医院信息系统供应商如Epic Systems的垄断性软件如何威胁数字主权并成为成本陷阱。在哈索·普拉特纳研究所举办的数字健康创新论坛上，多位专家探讨了Epic等 monolithic 平台的利弊，对比了基于 openEHR 等开放标准的新型模式，并分析了欧洲应如何在美国与中国模式之间走第三条道路。文章还涉及了AI在医疗中的应用、数据价值、监管挑战以及欧洲在数字健康竞赛中的紧迫性。

本文探讨了美国医院软件巨头Epic Systems等公司凭借其一体化、封闭式的医院信息系统（KIS）在欧美市场迅速扩张，虽然带来了流程标准化和AI应用基础，但也造成了高昂的部署成本、技术依赖和灵活性缺失。文章以柏林夏里特医院高达2亿欧元的Epic项目为例，指出这种“单一堆栈”模式可能成为“成本陷阱”，并对比了基于openEHR等开放标准的欧洲“第三条道路”模式。多位专家在HPI数字健康创新论坛上指出，欧洲必须在数据主权、创新灵活性和成本控制之间找到平衡，否则将面临被美国和中国模式夹击的困境。文章还讨论了医疗数据价值、AI在临床中的应用、以及丹麦等国在引入Epic时遭遇的“接近内战”般的阻力。

随着生成式AI快速重塑医疗领域，医院和医疗系统正面临"影子AI"这一新挑战——即临床医生和员工未经授权使用AI工具。在一次由Wolters Kluwer赞助的贝克尔斯医疗网络研讨会上，来自克利夫兰诊所、芝加哥安与罗伯特·H·卢里儿童医院、努万斯健康（康涅狄格州丹伯里）、西雅图儿童医院和芝加哥大学医学中心的五位领导者讨论了影子AI的蔓延现状、治理缺口以及如何在不阻碍创新的前提下应对风险。他们指出，影子AI反映了未被满足的运营需求，但患者安全和数据风险仍被低估，治理策略正从控制转向赋能与文化建设。

大多数医疗系统的AI讨论仍集中在第一波：采用哪些工具、自动化哪些流程、评估哪些供应商。但City of Hope的首席AI与分析官Nasim Afsar已在思考第二波可能带来的混乱——不同AI工具和智能体各自为政、无法相互通信，导致局部优化反而转移瓶颈，引发更复杂的系统性问题。她认为需要同时从治理和技术层面构建智能体编排能力，而City of Hope的数字化转型负责人Simon Nazarian则强调分布式责任与变更管理的重要性，指出技术已就绪，但真正的挑战在于临床人员的采纳与使用。

本报告由OECD发布，探讨了人工智能在医疗保健系统中负责任地规模化应用的巨大潜力与当前面临的障碍，包括数据基础碎片化、监管不确定性以及治理和人才能力差距。为帮助政策制定者优先行动并避免盲点，报告提出了一个基于四大支柱的政策检查清单：建立推动因素（数据基础、AI保障与规模化、能力建设）、实施护栏（监督与监测共同目标）、有意义地参与（公众、提供者、行业）以及部署可信AI。报告指出，尽管OECD成员国在行政管理中已普遍使用AI（100%），但在国家层面的规模化仍有限，例如医学影像应用仅占10%。通过国际合作与跨境兼容政策，可以平衡创新与安全、经济机会与公众信任，从而释放AI在健康领域的全部潜力。