环球医讯AI与医疗健康

慕尼黑工业大学海尔布隆校区的约翰内斯·青克博士开发了一款基于AI的KIPS工具，用于医学生模拟患者对话训练。该工具使用OpenAI语言模型，可反复练习且不疲劳，并支持纵向会话序列，由医学教学专家提供案例，适合德语区医学教育，未来可扩展至其他医疗职业培训。

默克公司与Quotient Therapeutics达成一项价值高达22亿美元的多年代研究合作，利用体细胞基因组学和人工智能驱动的分析技术，为炎症性肠病发现新型药物靶点。该合作将Quotient的体细胞基因组平台与默克的药物开发专长相结合，旨在从患者病变组织中直接识别驱动或保护疾病的基因突变，从而加速精准治疗策略的研发，并有望改变目前缺乏疾病修饰疗法的炎症性肠病治疗格局。

本文总结了2026年HIMSS全球健康会议上的关键见解，涵盖医疗系统与科技巨头合作提升护理、临床医生评估AI模型的结构化方法、互操作性需数据准备就绪、以及AI翻译工具克服医患语言障碍等四大主题，为医疗行业从业者提供在快速变化环境中蓬勃发展的策略。

随着数亿人转向聊天机器人寻求建议，科技公司开始推出专门回答健康问题的程序。OpenAI推出了ChatGPT Health，可分析用户医疗记录、健康应用和可穿戴设备数据。Anthropic也为Claude机器人提供类似功能。专家警告，这些大型语言模型不能替代专业医疗，不应用来诊断疾病，但可帮助总结化验结果、准备就诊或分析健康趋势。医生建议负责任地使用，同时对症状严重时仍应寻求紧急医疗。隐私方面，用户上传的健康数据不受HIPAA法律保护，公司声称不用于训练模型。牛津大学研究发现，AI聊天机器人在处理假设健康场景时识别准确率高达95%，但与真实参与者互动时存在沟通问题，用户常未能提供必要信息或难以区分正确与错误信息。

一项新研究揭示，大型语言模型在诊断准确性上优于医生，但作为辅助工具时，医生的诊断推理并未显著提升。研究采用随机单盲设计，比较了医生使用LLM与传统资源处理复杂临床病例的表现。结果表明，LLM单独诊断效果更好，但单纯提供访问权限不足以增强医生能力。未来需通过结构化提示设计和培训，将LLM作为互补工具融入临床决策，而非替代人类专家。

一项随机对照试验显示，使用AI医学抄写员（AI scribe）的临床医生在8周内平均每天多接诊约2名患者，每日多收费约800美元，显著减少了文档记录时间，改善了工作与生活平衡。研究由加拿大萨斯喀彻温大学医学院学生Nima Toussi领导，22名肿瘤科医生和3名初级保健医生参与，使用Knowtex AI scribe后，医生对EMR的满意度大幅提升，超过80%的医生将至少75%的时间用于直接患者互动，而基线时不足40%。AI scribe有望在未来5年内成为标配，彻底改变医生的工作流程。

本文汇总了2026年3月前后医疗保健领域人工智能（AI）的最新动态，涵盖新闻、产品发布、活动及研究报告。内容涉及多家公司（如Ethermed、VisiQuate、DirectTrust、UnityAI等）在收入周期管理、预授权自动化、AI认证、医疗运营、农村医院AI、心脏检测、虚拟护理、临床AI工作流、人口健康管理等方面的合作与产品发布。同时，文章还介绍了Greenway Health推出的原生AI平台、AI心理健康支持、RCM生态系统、ABA治疗文档自动化、术后康复AI设备、患者智能摘要、医院通信平台、客服AI、AI医生、EHR文档工具、行为健康CRM等新产品。此外，还包括即将举行的应用医疗AI峰会、HIMSS AI领导力峰会等活动的信息，以及美国医学会（AMA）关于医生AI使用率翻倍的调查报告。文章旨在展示AI如何积极改变医疗健康领域。

加拿大安大略省全基因组测序计划（GSO）与Illumina公司合作，评估AI辅助变异解读技术及共享数据网络在罕见病诊断中的应用。研究显示，新AI模型可优先识别98.8%的致病变异，并提升特异性；共享数据网络有助于发现罕见基因变异，但需解决隐私与数据共享协议问题。该技术有望缩短罕见病患者的诊断等待时间，并推动精准医学发展。

慢性肝病在当代肝病学中呈现出一个悖论：它既高度流行，又常在晚期才被诊断，此时有效干预已十分有限。尽管无创评估技术不断进步，但仍缺乏标准化、可扩展的方法来早期识别患者，尤其是无症状者。梅奥诊所的移植肝病学家Doug Simonetto博士指出，目前没有系统性的方法早期捕捉这些患者，大多数患者出现症状时已为时已晚。当前策略主要依赖实验室评分和风险分层工具，但应用不统一，且不推荐普遍筛查。因此，检测常依赖于临床怀疑或并发症的出现，导致大量患者未被识别。Simonetto强调，早期检测的重担必须前移，初级保健医生往往是无症状期患者的唯一接触点。在此背景下，新兴技术正开始改变局面。在《自然医学》杂志近期发表的一项研究中，Simonetto及其同事评估了一种基于人工智能的模型，应用于常规心电图以检测晚期慢性肝病。该模型利用深度学习识别与早期亚临床阶段相关的信号，并已在初级保健临床试验中进一步评估。然而，挑战依然存在：AI模型在可解释性、验证和临床信任方面存在难题。Simonetto表示，需要严格的临床研究证明这些工具能改善结局，否则过早实施可能增加临床负担而未见明确获益。展望未来，该领域正朝着更广

人工智能正迅速渗透宾夕法尼亚州的医疗保健系统，包括监测败血症、处理保险预授权和减少药物相互作用，但立法者与医疗专业人士对技术过度依赖、责任归属、数据隐私及智能设备替代人类护理等问题表达了深切担忧与怀疑，认为AI虽能提升效率却无法替代同理心，医院资金不足也限制了推广。