环球医讯AI与医疗健康

一项新研究发现，将人工智能技术应用于心脏超声数据，可能更容易识别出晚期心力衰竭患者。该研究由威尔康奈尔医学院、康奈尔科技、康奈尔安·S·鲍尔斯计算与信息科学学院、哥伦比亚大学瓦格洛斯内外科医学院和纽约长老会医院的研究人员领导，为改善数千名因诊断困难而被忽视的患者的护理提供了前景。目前，晚期心力衰竭通过心肺运动测试检测，但该测试需要专门设备和人员，通常只有大型医疗中心才能提供。每年美国约20万晚期心力衰竭患者中，只有少数获得适当治疗。新方法利用更易获取的心脏超声图像和电子健康记录，高精度预测心肺运动测试的核心指标——峰值耗氧量，准确率达85%，有望消除诊断瓶颈，改变临床实践，改善患者预后和生活质量。

基于人工智能的心电图解读在检测无ST段抬高的闭塞性心肌梗死方面优于传统诊断路径。该AI方法敏感性77%，特异性99%，阴性预测值98%，正确识别84%的闭塞性心肌梗死病例，而传统人类心电图解读仅为42%。研究纳入1490名患者，表明AI可作为现有决策工具的有力补充，提升早期识别和及时治疗。

本文全面综述了人工智能（AI）和机器学习（ML）技术，特别是深度学习（DL）在药物发现与开发各阶段的应用，包括靶点识别、虚拟筛选、先导化合物优化、ADME/T预测、化学合成规划等，并讨论了AI在制药产品生命周期、临床试验、市场分析中的作用，以及当前面临的挑战和未来前景。AI有望显著缩短研发周期、降低成本，但需解决数据整合、技能短缺等问题。

本研究提出了一种名为CADGL的新型上下文感知深度图学习框架，用于预测药物-药物相互作用（DDI）。该框架基于定制的变分图自编码器（VGAE），通过局部上下文处理器和分子上下文处理器从图结构和分子层面提取特征，并利用自监督图注意力网络进行编码，最终通过MLP解码器预测药物间的相互作用。实验结果表明，CADGL在DrugBank数据集上优于所有现有最先进的DDI预测模型，准确率达到98.21%，AUROC达到99.49%。此外，通过严格的案例研究，模型成功预测了多种具有临床潜力的新型药物相互作用，如Ziprasidone与Ribociclib的QTc延长效应、Secobarbital与Arotinolol的降压作用等，为加速药物研发和临床决策提供了有力支持。

2026年3月6日，圣克拉拉大学莱维商学院举办了一场AI医疗研讨会，汇聚了教师、校友、研究人员和行业领袖，共同探讨如何将人工智能在医疗领域的潜力转化为现实影响。研讨会由AI与医疗公正实验室主办，深入探讨了AI的诊断、手术机器人、科学加速等前沿应用，同时聚焦于负责任、公平且大规模部署的挑战，强调以人为中心、消除算法偏见、确保可及性，并指出成功的关键在于跨学科合作与执行。

在首尔COEX举行的“Medical Korea 2026”会议上，韩国政府宣布将利用人工智能改革公共医疗体系，包括建设“公共医疗AI高速公路”和整合百万级国家生物大数据。然而，与会专家也指出数据碎片化、个人信息保护以及保险覆盖等挑战，并强调AI并非万能，临床责任和跨医疗信任网络同样重要。再生医学和抗衰老领域也被视为增长引擎，但需监管跟进。

本文探讨了DeepMind的AlphaFold3因限制药物发现用途而引发开源替代品激增的现象。众多研究团队开发了Boltz-1、OpenFold3、Pearl等模型，但面临泛化能力不足的挑战。当前模型在预测训练集外结构时准确率大幅下降，最大瓶颈在于缺乏对物理化学相互作用的深入建模。未来需通过扩大实验数据、引入合成数据以及改进架构（如融合物理模块）来突破，从而真正加速药物发现流程。

本文探讨了人工智能在医疗保健领域的广泛应用，从在线咨询到精准医疗，包括梅奥诊所与IBM Watson合作改进临床试验、AI算法诊断儿童失明等案例。消费者对AI医疗解决方案接受度较高，但行业面临数据标准化和互操作性等挑战，FDA已批准部分AI系统。艾森哲预计到2026年AI可为美国医疗系统节省1500亿美元，但实现临床疗效和标准整合仍需努力。

Google Earth AI结合人口动态模型、天气建模和卫星情报，帮助公共卫生官员从被动应对转向主动预测疾病爆发。与WHO非洲区域办事处合作，将霍乱预测准确率提高35%以上；牛津大学借助其模型显著提升巴西登革热六个月预测精度；在马拉维预测诊所需求；在澳大利亚开展慢性病健康需求评估。所有部署均使用隐私保护聚合数据，目前处于试点或概念验证阶段。

CARF国际成为首个为养老和护理项目发布人工智能与增强智能标准的医疗认证机构，新标准将于2026年7月1日起生效。标准要求使用AI的组织制定透明政策、保护健康数据、确保人类监督与问责，旨在平衡创新与以人为中心的护理原则。该举措基于行业反馈，并计划在未来随技术发展持续完善。