环球医讯AI与医疗健康

本文探讨了全球变暖对制药行业冷链物流带来的挑战，包括极端天气导致的运输中断、温度敏感药品的安全配送问题。文章强调通过人工智能、数据驱动的风险分析、可重复使用的可持续包装以及制造商、物流商和包装供应商之间的协作，构建更具韧性的冷链体系，以应对未来不确定性，同时减少行业对气候的影响。

一项由湾区多家机构合作完成的研究，利用人工智能分析退伍军人健康档案，发现他汀类、5型磷酸二酯酶抑制剂和α受体阻滞剂三类药物与肌萎缩侧索硬化症（ALS）患者生存期延长相关。该研究为ALS药物再利用提供了新方向，但需进一步临床试验验证因果关系，有望为患者争取更多治疗时间。

Earendil Labs宣布获得7.87亿美元融资，投资者包括Dimension Capital、辉瑞与高瓴生物技术发展基金以及合作伙伴赛诺菲。这笔资金将用于扩展其人工智能驱动的药物发现平台，并推进超过40个药物项目。其中领先的候选药物HXN-1001是一种针对TL1A的半衰期延长疗法，即将进入针对克罗恩病和溃疡性结肠炎的二期临床试验。赛诺菲的参与加深了两家公司之前的合作，此前双方已签署了25.6亿美元的交易。该融资也反映了人工智能在制药行业日益增长的重要性，多家公司正通过合作或内部研发来应对专利悬崖带来的收入损失。

Perplexity推出全新健康AI助手Perplexity Health，旨在整合用户分散在Apple Health、Fitbit、Withings等应用中的健康数据，包括实验室结果、处方和健身记录，提供个性化健康问答与趋势分析。该工具能根据用户完整健康背景给出更精准的建议，例如考虑活动量、心脏病史和最新血液检查结果来回答静息心率问题，或定制马拉松训练计划。目前仅向美国Pro和Max用户开放，后续将推广至更多用户和地区。

Earendil Labs为其AI驱动的药物发现平台融资7.87亿美元，该平台已吸引赛诺菲等大公司合作。公司计划将资金用于推进其抗体和生物疗法管线，其领先候选药物HXN-1001（一种长效抗TL1A抗体）即将进入2期试验，目标适应症包括溃疡性结肠炎和克罗恩病等自身免疫性疾病。公司还计划在2026-2027年提交多项IND申请。

一项基于美国全国横断面调查的新研究显示，医疗保健提供者迅速接受生成式人工智能，但系统在培训、治理和基础设施方面严重滞后，引发安全、伦理和监管担忧。近九成临床医生认为AI有用，但不足一半接受过正式培训，机构整合不足，存在数据隐私、算法偏见和黑箱问题等风险。研究强调需要加强培训、人类监督和治理框架，以确保AI安全有效地融入患者护理。

本文回顾了作者在宾夕法尼亚律师协会健康法律研究所的演讲，探讨了远程医疗法、人工智能在医疗中的法律影响以及医生合同中的竞业限制新规。文章指出，远程医疗已从临时措施转为永久法律框架，但医生仍需注意跨州执业许可、患者位置确认、监督责任等核心问题。人工智能虽能辅助决策，但不能取代医生独立临床判断，且需关注数据隐私与HIPAA合规。此外，宾夕法尼亚州2024年新法案限制了医生竞业禁止条款的期限，远程医疗模式使传统地域限制难以适用。总结强调技术变化快，但法律责任原则不变，医生和法律顾问需关注许可、记录、监督、隐私和独立判断等关键点。

本文作者Mika Newton指出，ChatGPT Health等面向消费者的健康AI工具的真正意义并非临床突破，而是文化变革——患者开始期望自己的健康信息能像银行或旅行数据一样易于获取和导航。然而，医疗行业面临的核心瓶颈并非智能不足，而是数据基础设施碎片化、责任归属不清以及信任缺失。AI在医疗中的最大价值在于辅助解释和减轻行政负担，而非替代临床决策。文章强调，只有构建更透明、可互操作且负责任的系统，AI才能真正重塑医疗。

美国医学会（AMA）数字健康与人工智能中心发布的2026年医师增强智能调查显示，医生采用AI的比例从2023年的38%跃升至81%，同时医生对AI解决临床挑战的信心也在增强。尽管医生仍对AI的整体前景持谨慎态度，特别是患者未经医生指导使用AI的情况，但他们越来越多地将AI工具用于临床文档记录和总结，以帮助预防和管理职业倦怠。调查还发现，76%的医生认为AI增强了他们照顾患者的能力，但约40%的医生对AI的影响既兴奋又担忧。此外，88%的医生担心技能退化，尤其是对年轻医生而言。多数医生希望参与AI实施决策，并接受更多AI培训。

本研究采用横断面调查设计，于2023年10月至11月收集沙特阿拉伯多所大学1221名医学和健康科学学生的数据，运用医学人工智能准备度量表（MAIRS-MS）评估学生在认知、能力、愿景和伦理四个维度的准备度。结果显示总体平均分为62分（满分110分），处于中等水平；各维度得分分别为认知58%、能力57%、愿景54%、伦理57%。约44.5%的学生认为AI相关课程应为必修，但仅41%的课程设有此类必修课。年级、对AI课程必要性的看法以及当前培训充足性感知是显著预测因素。研究指出需要加强AI课程设置、重视实践与伦理培训，以更好地培养适应AI驱动未来的医疗健康人才。