环球医讯

本文深入探讨了人工智能在医疗保健领域的革命性应用，分析了传统患者参与方式的不足，阐述了AI如何通过大数据、机器学习和自然语言处理技术实现个性化沟通、智能聊天机器人服务和定制化治疗方案，显著提升患者参与度和治疗依从性，同时全面讨论了AI应用中的伦理考量、隐私问题及实施挑战，强调AI应作为医生的辅助工具而非替代品，为改善患者体验和健康结果提供了创新解决方案，展示了科技与医疗融合的广阔前景。

医疗传播领域正面临人工智能环境足迹的挑战，从业者需在保障证据完整性与健康公平性的前提下采取可持续实践。文章指出数据中心污染每年或造成美国200亿美元呼吸系统疾病损失，且常影响医疗资源匮乏的农村社区，使环境问题转化为健康公平危机。通过选用轻量模型、优化提示词设计及嵌入环保治理框架，医疗团队可在减少碳排放的同时强化科学判断力，使人工智能真正成为连接科学发现与患者获益的可持续引擎，实现人类健康与地球健康的协同发展。

《卫报》独家调查发现，谷歌AI摘要系统在用户查询肝功能检查等健康信息时提供严重错误数据，例如给出不准确的肝功能血液检测正常值范围，可能导致肝病患者误判病情而放弃后续治疗，专家斥其"危险且令人震惊"；谷歌虽已移除"肝功能血液检查正常范围"等特定搜索词的AI摘要，但变体查询仍会触发误导性内容，且癌症与心理健康领域的错误摘要尚未清除，凸显大型科技公司健康信息监管的系统性漏洞，数百万民众面临获取错误医疗建议的风险。

犹他州人工智能政策办公室近日批准健康科技初创企业多克特罗尼科（Doctronic）开展为期12个月的AI处方续签试点项目，该平台通过监管沙盒机制实现自动化续药服务并筛查药物相互作用，旨在提升慢性病患者用药效率，其99.2%的治疗方案匹配度引发医学界对AI替代医生决策的争议，该项目成为全美首个获州政府批准的AI参与处方决策的医疗实践，在保障消费者安全与推动技术创新间寻求平衡点，同时暴露了人工智能在医疗领域应用中的伦理风险与监管挑战。

继OpenAI公布ChatGPT Health后，Anthropic于1月12日宣布推出专为医疗领域设计的Claude医疗版，该工具通过连接CMS医保数据库、ICD-10疾病分类系统等专业平台，为医疗机构和患者提供数据同步及预先授权审核自动化服务，旨在解决医生文书工作耗时过长的问题，同时强调大语言模型不用于训练健康数据，尽管行业对易产生幻觉的AI提供医疗建议仍存疑虑，但双方均建议用户寻求专业医疗指导。

本研究探讨了血浆脱丝蛋白(pDES)作为急性心肌梗死(AMI)患者临床预后标志物的潜力。通过对236名AMI患者的病例对照研究，发现pDES水平与2年内死亡/心肌梗死复合结局显著相关，即使在调整年龄、性别、心血管病史、再血管化治疗、血压、出院用药、肌钙蛋白I和NT-proBNP水平等变量后仍保持预测价值，并能改善全球急性冠脉事件登记(GRACE)风险模型的再分类能力，表明pDES可能成为AMI患者风险分层的新型生物标志物，为临床医生提供更准确识别高风险患者的工具，从而优化治疗策略和改善患者预后。

英伟达与礼来公司宣布成立业内首创的AI联合创新实验室，双方将在五年内投入高达10亿美元，致力于通过人工智能技术彻底革新药物发现流程。该实验室将结合礼来在药物研发领域的世界级专长与英伟达在AI、加速计算和AI基础设施方面的领先技术，重点开发基于BioNeMo平台和Vera Rubin架构的解决方案。双方将共同创建连接湿实验室与干实验室的连续学习系统，实现24/7全天候AI辅助实验，并探索机器人技术、物理AI和数字孪生在药物研发和生产中的应用，有望大幅加速新药开发进程，为解决糖尿病、肥胖症、阿尔茨海默病等重大健康挑战提供革命性新途径，标志着人工智能在生物医药领域的深度融合进入新阶段。

这项针对39名2级钝性脑血管损伤患者的回顾性研究发现，尽管此类损伤通常被视为低风险，但超过20%的患者仍发生中风；研究特别评估了管腔内血栓与中风风险的关系，结果显示有血栓患者中风率为25%(3/12)，与无血栓患者相当，证实管腔内血栓的存在与中风风险增加无显著关联；无论患者是否接受干预或抗血小板治疗，中风发生率均无明显差异；随访影像显示24%的损伤消退，24%改善，40%保持稳定；研究结果支持对所有2级BCVI患者早期启动抗血栓治疗以降低中风风险，而非仅针对有血栓的患者，这对创伤中心的临床实践具有重要指导意义，有助于优化脑血管损伤患者的个体化治疗方案。

本文深入分析2026年药物发现自动化领域的关键转型，指出行业已从追求实验数量转向注重证据可靠性。在复杂生物模型与预算紧缩的双重压力下，阿斯利康等药企及Recursion Pharmaceuticals等平台型生物科技公司正通过自动化工作流提升实验可重复性与数据完整性，重点应用于高通量筛选、3D细胞模型实验及计算化学整合。经济压力促使小型企业采用模块化系统、共享平台及合同研究组织合作模式，而自动化与AI工具（如礼来TuneLab平台）的深度整合正推动药物发现向"高质量证据生成"范式转变，为早期决策提供可靠科学依据。

澳大利亚墨尔本大学研究团队开发的预测表型分析技术结合视觉Transformer与人工智能，显著提升药物发现效率，能实时追踪细胞变化并预测未来状态，将临床前实验时间缩短40%，追踪准确率达90%以上，错误率降低30%。TrackAssist系统通过人机协同方式使病理学家决策时间从数天减至数小时，已在癌症、免疫学和自身免疫疾病研究中应用，同时推动多模态AI系统和边缘AI在精准医学与床旁诊断领域的发展，强调"从问题出发而非设备"的研发理念，为药物发现带来更智能、更有针对性且更人性化的未来。