环球医讯AI与医疗健康

一项最新研究显示，基于人工智能的心电图解读方法在检测非ST段抬高型心肌梗死（一种没有典型心电图特征的闭塞性心梗）时，其准确率显著优于传统诊断路径。该研究由意大利博尔扎诺中央医院的Federico Nani医生在ESC急性心血管护理2026年会上公布，共纳入1490名患者。AI方法正确识别了84%的闭塞性心梗病例，阴性预测值高达98%，而传统方法仅能识别42%的病例，展示了AI在改善急性冠脉综合征患者早期识别与及时治疗方面的巨大潜力。

人工智能赋能医疗设备正在改变医疗保健，从早期疾病检测、手术辅助到患者支持，均展现巨大潜力。但需关注公平性、监管、老年人适用性、人类主导权及数据隐私。文章探讨了AI在预测分析、手术机器人、对话式客服中的应用，强调多样化数据集、算法偏差缓解和包容性开发流程的重要性，并介绍了FDA及国际监管框架，以及AI在老年护理中的角色，如用药提醒、跌倒检测和认知支持。未来趋势包括集成化护理生态系统、生成式AI简化临床工作流以及长期研究议程，同时需平衡创新与安全，确保人类始终在决策回路中。

英国埃塞克斯大学的研究人员利用人工智能重新设计抗体片段，使其能够在细胞内稳定存在并直接靶向导致阿尔茨海默病、帕金森病和运动神经元病等神经退行性疾病的蛋白质。这项研究将672种现有抗体转化为细胞内抗体（intrabodies），为开发源头治疗新工具铺平了道路，相关成果发表在《自然通讯》上，并免费向全球科学家开放。

本研究通过TRUE-HF队列，利用苹果手表数据训练深度学习模型，可每日预测心力衰竭患者峰值摄氧量（pVO₂），与临床心肺运动试验高度相关（Pearson r=0.85）。每日pVO₂每下降10%，未计划医疗事件风险增加3.62倍，且事件发生中位时间为首次下降后7.4天。外部验证队列（All of Us）也证实了类似关联，支持可穿戴设备用于心力衰竭远程监测。

巴塞尔大学的研究团队利用人工智能，首次定量评估了新型药物阿伐普替尼对肥大细胞增多症患者皮肤病变的改善效果。该研究联合国际研究联盟和Blueprint Medicines，对212名受试者进行24周随访，通过标准化拍照和AI程序自动识别并计算病变面积，发现服药组皮肤病变面积平均缩小36.6%，颜色趋于正常，皮肤肥大细胞数量也减少。AI与三位皮肤科专家的协作克服了区分痣与褐色病变的困难，为临床试验提供了更精确的定量评估手段，但专家强调AI尚不能替代人类触诊等感官判断。该成果发表于《美国皮肤病学会杂志》。

瑞士日内瓦大学的研究人员开发了一种名为MangroveGS的人工智能工具，通过分析结肠癌细胞的基因表达模式，可以近80%的准确率预测癌症是否会发生转移。该研究基于对癌细胞行为的观察，发现癌症扩散并非随机，而是遵循可预测的基因活动模式。该工具不仅适用于结肠癌，也对胃癌、肺癌和乳腺癌有效，有望帮助医生更精准地评估患者风险，制定个性化治疗方案，减少不必要的过度治疗，提高生存率。研究发表在《细胞报告》上，为癌症预测和个性化医疗提供了新方向。

本文是Austin Health图书馆提供的AI在医疗保健中的信息指南，包含基础知识、培训资源、最新新闻与研究摘要、政策链接以及推荐播客。其中最新新闻涵盖2026年3月至4月的多项重要研究，包括AI虚构疾病、OECD政策清单、AI奉承行为、公平AI框架、澳大利亚AI安全计划、临床AI架构差距等，适合医疗从业者、研究人员及政策制定者参考。

澳大利亚正快速部署AI医疗工具，但网络安全公司Mindgard发现，为澳洲诊所提供临床文档服务的AI系统Heidi Health存在被“越狱”的风险。研究人员通过特定提示词，能在几分钟内剥离其伦理限制，使其生成身份盗窃指南等不当内容。尽管Heidi Health表示该漏洞已修复且未影响患者数据，但此事引发了澳大利亚药品管理局（TGA）对AI数字记录工具的审查。TGA指出，若供应商未能有效禁用治疗功能，产品仍可能被认定为医疗器械而受监管。这凸显了专用临床AI工具与通用AI在信任风险上的本质区别，以及整个行业面临的安全挑战。

本文介绍了亚马逊新推出的“亚马逊健康AI”服务，这是一款数字健康助手，旨在帮助用户解答医疗问题、管理健康记录、安排护理和续药，从而简化看病流程。文章引用多位亚马逊高管观点，阐述了该工具如何通过AI技术减少医疗系统中的繁琐环节，让患者和医生能更专注于核心的医患关系。同时，文章也探讨了AI在健康领域的应用前景，以及随之而来的隐私、数据控制等关键问题，强调了在依靠自动化系统的同时，人类医生角色的不可替代性。

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、康奈尔科技校区、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 investigators 领导，有望改善因诊断困难而被忽视的成千上万患者的护理。研究团队开发了一种多模态机器学习模型，能够处理心脏超声图像、波形图像和电子健康记录等多种数据类型，预测峰值摄氧量，准确率约85%，为晚期心力衰竭的评估提供了新途径，并计划开展临床研究以获得FDA批准。