环球医讯AI与医疗健康

美国研究人员成功开发出基于活体藻类的微型机器人集群技术，该技术利用蓝光使藻类形成特定形状的集群，红光则使其分散，实现精确控制。研究结合AI图像分割技术，可识别伤口区域并指导微型机器人递送药物，展示了在智能绷带等医疗应用中的潜力。该生物混合系统在实验室测试中展现出高达90%的药物递送效率，为未来精准医疗和创伤治疗提供了创新解决方案，相关成果已发表在《科学进展》期刊上。

英国国家医疗服务体系(NHS)正准备实施一项重大战略转变，考虑减少医生和护士的长期招聘目标，同时扩大人工智能在整个医疗系统中的应用，以应对由人员配备和工资成本快速上升可能导致的"财务危机"。新计划将显著放缓医疗人员增长速度，预计到2030年代中期工作人员数量将比先前预测少38万人，此举已引发医疗专业人员和工会的担忧，他们警告称人工智能应作为临床医生的辅助工具而非替代品，特别是在NHS已面临人员短缺、职业倦怠和患者需求持续增长的情况下，过度依赖AI可能加剧一线工作人员压力并带来新的患者安全风险。

英国药品和健康产品管理局(MHRA)推出专门针对医疗器械和体外诊断设备(IVDs)的监管建议会议服务，旨在帮助行业相关方理解监管要求、澄清复杂问题并有效应对英国监管体系。该服务适用于医疗器械、IVD、作为医疗器械的软件(SaMD)、基于AI的医疗技术等创新产品，特别适用于现有指南无法明确解答特定监管问题或产品涉及复杂监管路径的情况。服务内容包括设备分类、UKCA认证要求、临床证据期望等关键议题讨论，但明确排除产品设计建议、验证支持等范畴。申请者需提交官方申请表并支付相应费用，会议提供非约束性监管建议，对医疗器械创新企业进入英国市场具有重要指导价值。

本文深入探讨了人工智能特别是大语言模型在药物研发与制造领域的革命性应用，分析了AI如何解决药物开发周期长、技术过时等长期挑战，详细阐述了LLM在小分子药物开发、细胞和基因治疗、连续制造等关键环节的具体应用价值，强调了与监管机构合作推进AI实施的重要性，并指出FDA已积极支持AI在制药行业的应用，为行业实现更高效、更安全、更经济的药品生产提供了前瞻性的技术路径，预示着AI将显著改善药品质量、减少变异性并最终造福患者。

健康人工智能联盟(CHAI)近日发布了一系列AI治理指南，旨在帮助各类医疗机构安全有效地部署人工智能工具。这些指南由150多名临床医生和健康AI领导者共同开发，提供了包括制定AI政策、管理第三方开发者和风险评估等实用指导。作为成立于2021年、拥有3000多个组织成员的联盟，CHAI致力于推动医疗保健领域负责任地使用AI，此前已创建"模型卡"模板和与联合委员会合作的AI指南。最新发布的指南重点关注医疗系统部署AI的八个关键要素，包括建立AI监督组织结构、确保网络安全基础设施和监控模型性能等。随着医疗AI应用加速发展，该指南的发布恰逢其时，因为调查显示仅8%的医生认为其组织的AI决策过程清晰明确。尽管美国联邦监管相对有限且特朗普政府采取了放松监管的态度，但CHAI表示将继续收集反馈并扩展指南适用范围，以应对AI治理不断发展的挑战。

亿万富翁肯尼斯·郝宣布向加州大学旧金山分校捐赠1亿美元，用于加速医院基础设施建设、推动人工智能在医疗诊断与药物研发中的创新应用以及促进跨校癌症研究合作，特别是支持魏尔癌症中心西部分部等高风险高回报项目；然而，他明确指出慈善捐赠仅能作为补充手段，无法根本解决高校面临的政府拨款短缺、医疗成本飙升等结构性财政危机，专家一致强调大额捐赠虽能短期加速创新，但不可替代稳定公共资金，大学必须通过多元化收入策略应对挑战，同时谨慎评估AI在患者护理中的风险与收益。

在亚洲电子健康信息网络2026年雅加达年会上，多国医疗专家强调人工智能应作为增强医疗工作者能力的工具而非替代品，通过优化行政流程和诊断效率使医护人员更专注于患者关怀；专家同时警示需解决数据质量、医疗公平性和系统监管等挑战，确保AI应用不削弱公共医疗体系，特别要关注岛屿国家医疗资源分配不均问题及离线环境下的技术适配性，真正实现精准医疗与人文关怀的有机融合（187字）

宾夕法尼亚州立大学最新研究显示，主流AI聊天机器人在回答医疗问题时存在显著错误率，平均每五次提问就有一回答错。研究测试了ChatGPT-4o、ChatGPT-3.5、Gemini-1.5 Pro和Llama3-8b四种模型，发现整体错误率达24%，其中皮肤科和神经学问题错误率最高。尽管ChatGPT-4o表现最佳（准确率84.6%），但所有模型在心理健康等关键领域仍存在严重风险，医生强调AI不应替代专业医疗建议，仅可作为健康素养辅助工具，特别是在症状评估和就医决策方面需保持谨慎。

本文深入探讨了人工智能在放射学领域的应用及其对医疗服务可及性的真实影响。虽然AI技术能帮助医院加快扫描解读速度、缩短MRI检查时间并增加影像检查容量，但多家医疗机构领导指出，患者获取影像检查的主要障碍仍存在于算法无法解决的领域：交通不便、儿童照护问题、保险覆盖范围和工作时间安排等。文章通过芝加哥西北医学中心、路易斯安那州艾伦教区社区医疗和加利福尼亚州山谷儿童医疗等机构的实践案例，揭示了操作效率提升与实际医疗服务可及性之间的区别，强调技术本身无法克服影响患者获得医疗服务的诸多社会经济障碍，医疗系统在评估AI投资回报时应更关注"改善了哪种可及性"而非简单判断"是否改善了可及性"。

哥伦比亚大学研究团队开发了MEDS开源框架，旨在解决健康AI研究中的数据标准化、可重复性和跨机构协作难题。该框架提供标准化数据格式和互操作工具生态系统，使不同来源的电子健康记录数据能在统一标准下使用，避免共享敏感患者信息，大幅减少研究人员重建数据处理流程的时间。MEDS已在12个国家的21个机构采用，有望加速临床AI创新并促进更透明、可重复的科学研究，为医疗人工智能发展奠定重要基础。