环球医讯AI与医疗健康

ASU健康（ASU Health）正在启动其使命，通过人工智能重塑医疗保健。文章以问答形式采访了公共健康技术学院创始院长Jyoti Pathak，探讨了AI如何将医疗系统从反应型转变为主动型：通过数字补丁远程监测血糖、智能手机监测情绪行为、自动化保险预授权等行政工作，以及在医学教育中融入AI模拟和机器人手术。Pathak还展望了AI在全球范围内公平、伦理地发展，即使在网络和电力受限的地区也能发挥作用。文章属于ASU健康五部分系列报道的第四部分。

本文探讨了人工智能在心理健康领域的双重作用，既可作为即时支持工具缓解治疗资源短缺，也存在误导、隐私风险以及缺乏人类判断等隐患。三位专家提供了五种安全使用AI的方法，包括识别情绪、匹配治疗方案、了解疗法、重构负面思维和促进社交连接，同时强调AI不能替代人类治疗师，并在危机情况下必须寻求专业帮助。文章还展望了AI治疗机器人等未来发展方向，指出人类关怀始终不可或缺。

一位15岁的比利时天才少年Laurent Simons已完成量子物理学博士学位，并立志利用人工智能和医学科学攻克人类衰老与死亡。他8岁高中毕业，12岁获量子物理学硕士学位，如今成为全球最年轻的博士之一。他从祖父母罹患心脏病的经历中获得启发，将死亡视为一个尚未拼合的巨型拼图，决心通过整合生物学、医学、工程学与物理学知识，最终实现人工器官、疾病早期检测和延长人类寿命的目标。他的研究领域涉及玻色-爱因斯坦凝聚态、超固体等量子物理前沿，并已开始在慕尼黑大学攻读医学人工智能第二个博士学位，专注于疾病治疗和生物衰老过程。尽管相关研究仍面临巨大挑战，但西蒙斯的跨学科视野和执着追求正在为人类长寿科学注入新的活力。

犹他大学科学家开发出一种名为μPharma的新型“芯片实验室”设备，利用人工智能快速预测儿童T细胞急性淋巴细胞白血病（T-ALL）对靶向治疗药物的敏感性。该设备通过数字微流控技术自动处理微量癌细胞样本，在四小时内即可得出结果，而传统方法需要数天。研究团队在《Med》杂志上发表的研究表明，该平台能准确预测达沙替尼和维奈克拉两种药物的响应，并揭示药物敏感性与关键分子标志物的新关联。这一技术有望帮助儿科患者更快获得精准治疗，减少不必要的副作用，改善长期预后。

佩珀代因大学于2026年3月12日举办了第11届年度医疗保健未来研讨会，主题为“技术与医疗保健的进步：人工智能时代”，汇聚了技术与医疗领域的顶尖专家，共同探讨人工智能对医疗行业的变革性影响。校长吉姆·加什致开幕词，强调人工智能是真正的转折点，正在重新定义医疗保健的可能性。格拉齐亚迪奥商学院院长黛博拉·克朗指出，学院正定位在医疗、商业与人工智能领导力的交叉点。主题演讲嘉宾谢莉·帕尔默深入分析了人工智能的现状与未来，指出最大挑战已非技术层面，而是文化和组织层面，领导者需要学会管理人工智能与人类的合作关系。在随后的专题讨论中，专家们探讨了人工智能如何从技术突破转化为患者护理的实际改善，强调其真正价值在于运营影响，如优化供应链、整合医疗数据等，同时需要强有力的治理和伦理监督。

本文深入探讨了将人工智能整合到医疗保健中所引发的伦理问题，包括数据隐私与安全、算法偏见、人类判断力的维护、AI错误的责任归属以及伦理监管框架的建立。作者通过分析当前AI在放射学、皮肤病学等领域的应用案例，强调了在利用AI提升诊断效率和患者护理的同时，必须确保透明度、公平性和对患者权益的保护。文章呼吁通过开放讨论和负责任的技术开发，平衡AI的潜在优势与伦理挑战，以促进医疗保健系统的可持续发展。

亚利桑那大学凤凰城分校的研究人员在AECT 2026在线会议上展示了两项研究：一项探讨人类与AI在复杂认知任务中的协作框架，基于布鲁姆分类法；另一项研究医疗保健行政课程如何整合AI能力，以培养未来专业人才。这些研究旨在推动AI素养、人机协作与劳动力对齐的课程设计。

万亿基因图谱项目由Basecamp Research发起，与NVIDIA和Anthropic合作，通过收集超过1亿物种的DNA，将遗传数据量扩大100倍，为人工智能提供前所未有的训练素材。该项目旨在将传统需要20年的药物研发周期缩短至2年，重点应用于基因疗法、抗生素耐药性及AI药物发现三大领域。AI系统EDEN利用aiPGI技术精准修复基因缺陷，并设计出对超级细菌有效率达97%的抗菌肽。万亿基因图谱通过工业级DNA测序、全球科学合作与强大算力，打破数据瓶颈，使医学从“试错”转向“可编程”，为癌症、超级细菌等疾病提供快速定制化的治疗方案。

OpenAI的ChatGPT Health系统在首次独立评估中暴露出严重缺陷：它能在推理中正确识别呼吸衰竭症状，却建议患者等待24至48小时再就医；在三位独立医生一致认定为紧急情况的病例中，该系统52%的情况下将患者引导离开急诊；家人一句轻描淡写的话，就让分诊建议偏离紧急护理的概率提高了11.7倍。这项研究揭示了四个结构性失效模式，它们不仅存在于医疗领域，同样存在于企业正在部署的理赔、合规、客服和采购等所有AI智能体中。

本文以英国政府两次印发大黄叶可食用的错误宣传册导致民众中毒的历史事件为引，深入探讨了将生成式AI聊天机器人（如ChatGPT）当作搜索引擎使用的风险。文章指出，AI大语言模型的核心是生成看似合理的句子，而非确保信息的准确性，因此极易产生“幻觉”并传播错误信息。文中列举了AI在医疗诊断、新闻摘要、户外导航等领域导致严重后果的案例，并强调错误信息一旦被AI生成和传播，即使后续纠正也难以完全消除影响。作者呼吁公众对AI工具保持警惕，并建议寻找AI时代之前（如2022年11月前）的可靠信息源，以规避风险。