环球医讯AI与医疗健康

德国第130届医生大会通过了关于医疗保健领域数字化、数据保护和人工智能应用的多项决议，强烈批评欧盟委员会重新定义匿名数据的计划，认为这将削弱数据保护并可能导致患者身份被重新识别；大会还对云AI和自主AI代理表示担忧，质疑其安全性和可靠性，同时关注AI应用带来的资源消耗和成本问题，呼吁制定更严格的监管措施以保护患者数据安全和医患保密关系，确保医疗决策权掌握在医生手中。

加州大学圣地亚哥分校的研究团队开发出一种基于光电容积描记法（PPG）结合人工智能的技术，仅需几秒钟的脚趾扫描即可高准确率检测外周动脉疾病（PAD），该方法在不同种族和合并症患者中表现一致，准确率达83%，远超传统风险评估方法的60%-65%，有望通过智能手机等普及设备实现便捷筛查，解决交通、经济和机构障碍，早期发现PAD可预防截肢并降低死亡率，为医疗资源匮乏人群提供重要诊断工具，代表了可扩展生物信号基础设施在数字诊断领域的应用前景。

随着AI图像生成技术的迅速普及，越来越多的整形外科和皮肤科患者开始使用ChatGPT等AI工具创建自己理想中的外貌图像，然而这些AI生成的结果往往在生理上不可能实现或存在安全隐患，导致整形外科医生不得不花费大量时间向患者解释手术的局限性和安全性问题，这种现象已成为继Snapchat滤镜之后又一技术重塑美丽标准的典型案例，反映了数字时代技术发展正在不断扩大美丽期望与现实之间的差距，对医疗实践和患者心理都带来了新的挑战。

一项重要的美国研究显示，人工智能增强型心电图结合电子健康记录数据能够有效识别出有院外心脏骤停风险的个体，2年随访中成功识别出约三分之二后来发生心脏骤停的患者。高风险组2年心脏骤停发生率达2.4%，而低风险组仅为0.5%，这表明AI辅助的心脏筛查可能为临床医生提供早期识别高风险患者的实用工具，有助于在危及生命的事件发生前采取预防性干预措施，为心脏病预防领域带来革命性进展。

加拿大安大略省审计长发布特别报告指出，经政府批准的20种AI医疗记录系统在采购测试阶段均存在不同程度的不准确性，包括产生幻觉（编造信息）、提供错误信息或遗漏关键内容等问题。尽管安大略省官员称这些问题仅在测试阶段发现，实际诊疗中未出现，但审计长表示已有约5000名医生在使用这些系统。同时，美国的OpenEvidence等AI系统也因产生幻觉和提供不完整答案而受到越来越多的审查，医学界对AI系统在医疗领域的应用安全性提出严重质疑。

一项最新研究指出，人工智能与扩展现实技术有望解决非洲康复服务资源严重短缺的问题，通过提供个性化的、文化适配的本地语言康复治疗。该研究提出了一种创新概念框架，将生成式AI、大型语言模型、多智能体系统和可解释AI与扩展现实康复相结合，旨在克服非洲中低收入国家医疗系统中的多重障碍，包括治疗师短缺、基础设施不足和文化差异等挑战，但同时强调这些技术在非洲临床环境中的应用必须建立在严格的伦理保障和本地化共创基础上，确保技术真正服务于当地患者需求并避免潜在风险。

谷歌正在彻底重启其健康与健身业务，推出无显示屏的Fitbit Air健身追踪器、全新的Google Health应用及Google Health Premium订阅服务。此次重启标志着Fitbit品牌在软件领域完全被Google Health取代，在硬件领域则以"Google Fitbit"名义存在，产品上仅显示Google和Gemini标志。新系统深度整合Gemini AI技术，提供个性化健康指导、睡眠追踪和训练计划，同时谷歌宣布将停止服务已存在多年的Google Fit应用。这一战略调整预示着谷歌在健康科技领域的全面布局，未来可能扩展至智能眼镜等新型设备，并与DocMorris合作建立在线药店，甚至可能重启15年前的数字健康记录平台构想，为用户提供全方位的健康管理生态系统。

本文深入分析了乳腺癌筛查指南存在的矛盾现象，美国不同医疗组织对女性何时开始进行乳腺X光检查及检查频率存在显著分歧，美国医学会建议50岁开始每两年一次，而预防服务工作组则建议40岁开始。文章解释了这种分歧的原因，包括乳腺密度影响、个体风险差异等因素，并介绍了WISDOM试验等新型风险评估方法，以及AI工具在预测乳腺癌风险方面的应用前景，强调无论选择何种筛查方案，定期坚持检查才是预防乳腺癌的关键所在。

本文深入剖析医疗AI领域的关键缺陷——缺乏底层临床知识层。作者通过分析概率性大语言模型在医疗场景中的实践困境，指出当前AI解决方案因缺少结构化临床知识验证层，导致诊断结果不一致、临床推理缺失及编码错误等风险。文章强调确定性临床知识图谱的必要性：它能确保AI输出符合医学规范、可追溯验证，从而建立医生信任并推动规模化部署。真正的医疗AI创新应聚焦于知识层构建而非单纯模型优化，这是实现安全可靠临床应用的基石，也是区分成功产品与停滞试点的核心要素。

Biohub（由普莉希拉·陈医学博士和马克·扎克伯格共同创立的非营利研究组织）发布了ESM蛋白语言模型家族的最新更新，包括ESMC和ESMFold2等模型，这些模型利用进化信息设计治疗性蛋白结合剂并映射未知蛋白空间，可针对癌症和免疫学领域的五种疾病靶点设计高亲和力蛋白结合剂，实验室验证命中率高达36-88%，有望将传统药物发现过程从数十年缩短至几周，为疾病治疗提供革命性新方法，该技术已在实验室中成功恢复T细胞信号传导功能，展示了巨大的临床应用潜力。