环球医讯

新型AI眼底相机通过高分辨率视网膜成像与自主算法，可在30秒内检测糖尿病视网膜病变，并直接部署在社区诊所和药房，消除了传统转诊等待和交通障碍，使高风险人群筛查依从率提升40%，显著降低因糖尿病致盲的风险。

日本东北大学中泽彻教授领导的研究团队开发了一款便携式AI驱动的扫描裂隙灯设备，可对眼睛前段进行低成本、便捷的筛查。该设备成本极低，能提供与AS-OCT相当的定量和定性评估，可直接可视化角膜、晶状体等关键结构，并评估闭角型青光眼风险。其轻量级AI模型可在设备本地进行准确分析，无需依赖云计算，增强了便携性和隐私性。该研究发表于《科学报告》，有望使眼科护理从医院扩展到远程筛查点、养老院、药房甚至火车站，让更多患者随时随地获得评估。

本文探讨了人工智能如何通过自动化行政任务、预测性排班、优化药物制造等方式提升医疗行业效率，但同时指出整合、劳动力适应性和信任依然构成障碍。AI工具使员工角色演变为“超级员工”，但过度依赖、缺乏同理心、伦理决策等挑战不容忽视。文章还强调人机协作和透明问责框架的重要性，指出AI在需要情感智能和复杂判断的领域存在明显局限。

美国亚利桑那大学发起CoDiRA项目，利用AI医疗亭在偏远社区提供可及、文化敏感的健康服务，弥合地区医疗差距。项目结合多学科专家、社区参与和伦理AI，目前已进入两年种子期，目标是在全球推广。

本文探讨了随着人工智能在医疗领域的广泛应用，一个悄然出现的挑战——自动化自满现象。文章分析了自动化自满的定义、影响，以及如何通过组织策略和个人警惕来遏制这一现象，强调人类好奇心和健康怀疑态度是防止过度依赖AI的最佳防线。同时，文章提出了多种具体措施，如并行部署、模拟训练和强制功能，以确保AI在医疗中的安全有效使用，并指出AI采纳本身不是目的，而是赋能临床医生、改善患者并安全可持续地变革医疗组织的手段。

本文探讨了人工智能能否管理整个临床决策流程。沃顿商学院的一项新研究将多模态大语言模型置于逼真的医疗培训模拟中，评估其在急性护理场景中的表现，包括低血糖、肺炎、中风和充血性心力衰竭。结果表明，AI在稳定患者和完成病例方面速度与医学生相当甚至更快，诊断准确性相似，且行动序列接近专家临床实践。

本文探讨了人工智能在药物研发领域的最新前沿应用，即从传统的寻找新分子转向精准定位疾病的根本病因。文章介绍了Illumina公司联合多家药企启动的“十亿细胞图谱”项目，旨在通过大规模基因扰动数据集和AI模型，揭示此前难以触及的疾病机制，从而发现全新的药物靶点。同时，文章也提到了DeepMind的AlphaFold、澳大利亚生物技术公司Omnigeniq以及哈佛医学院的新模型，展示了AI在蛋白质结构预测和疾病驱动因子识别方面的突破，预示着未来几年AI与生物数据相结合将极大提升药物研发的生产力。

研究者开发出一种AI模型，可通过单次血液样本中的蛋白质测量，同时对多种神经退行性疾病进行诊断。该模型基于对超过17000名患者和对照组参与者的蛋白质数据进行分析，能够识别出阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆以及既往中风等五种与痴呆相关的疾病。研究还发现，该模型的蛋白质谱预测认知能力下降的效果优于临床诊断，并揭示了具有相同临床诊断的个体可能存在不同的生物学亚型。未来，该研究团队计划结合质谱法等先进技术，进一步完善该方法，以期实现无需其他临床辅助工具即可进行可靠诊断的血液测试。

美国犹他州推出一项AI试点项目，允许精神病远程医疗公司Legion Health利用人工智能为稳定患者续开抗抑郁药，每月仅需20美元，可跳过平均67天的等待期和共付额。该AI不进行诊断、不开新药、不调整剂量，仅处理低风险维持药物的续方，并设有安全监测和人工审核机制。这是对医疗系统瓶颈的针对性解决方案，旨在提高精神健康药物可及性，同时保持医疗安全。该试点在犹他州监管沙盒下进行，是AI在医疗领域安全应用的一次实验。

本文探讨了医疗科技领域如何成为AI颠覆的避风港。William Blair分析师Brandon Vazquez通过召集美敦力、Henry Schein、CeriBell和iRhythm等公司负责人进行讨论，指出医疗设备公司的核心优势在于其积累的海量数据而非算法本身，这些数据包括数十年的临床试验记录和器械上的实时监测数据。硬件是AI生态系统的关键组成部分，设备创新才能支撑更有意义的数据采集。同时，AI医疗器械面临着与普通器械同样严格的监管审批、商业化推广和报销等重大挑战，纯AI公司若想颠覆该领域，必须投资于硬件制造，而此前已有Verily等公司失败的先例。