环球医讯AI与医疗健康

慕尼黑工业大学、伦敦帝国理工学院和哈索·普拉特纳研究所联合开展的研究发现，医疗人工智能模型存在严重隐私泄露风险。研究表明，通过成员推断攻击(MIAs)，攻击者可确定个人健康数据是否被用于训练AI模型，对数据集中代表性不足群体的攻击成功率接近100%。这意味着即使单独的医疗数据看似无害，一旦被确认用于训练癌症检测模型，就可能暴露患者病史，导致保险歧视等严重后果。随着AI模型日益复杂，风险将进一步加剧，研究团队呼吁在模型发布前评估个体患者层面的风险，并采用差分隐私等技术加强防护，以保护患者敏感健康信息不被滥用。

慕尼黑工业大学、伦敦帝国理工学院和哈索·普拉特纳研究所联合在《自然》杂志发表的研究揭示了医疗AI模型中严重的隐私漏洞。研究表明，成员推理攻击(MIAs)能有效从AI模型中提取个人健康数据，特别是对数据集中代表性不足的群体，攻击成功率接近100%。这意味着即使某人数据被用于训练AI模型的事实被泄露，也可能导致现实后果，如被保险公司视为高风险患者。研究还发现，随着AI模型变得更大更复杂，此类风险显著增加，研究人员呼吁在发布前进行个体患者层面的风险评估，并采用差分隐私等技术增强模型安全性，以保护高度敏感的健康数据免受潜在滥用。

德国维尔茨堡大学主导的一项研究发现，人们对AI的不信任导致其提供的症状报告不够详细，平均字符数从面向医生的255.6降至面向AI的228.7，这种"独特性忽视"现象使AI诊断准确性下降。研究指出，许多人认为AI无法理解个人情况的细微差别，只会匹配标准化模式，因此无意识地 withholding 关键信息。研究人员建议改进用户界面设计，提供详细描述范例，并让AI主动询问缺失信息，以提高症状报告质量，减少误诊风险，缓解医疗系统压力，这对正在快速发展的AI医疗应用具有重要启示意义。

罗格斯大学生物医学信息学和健康人工智能中心宣布向三个跨学科研究团队提供年度试点资助奖，这些团队将利用生物医学信息学和人工智能技术推进药物管理、癌症研究和中风康复领域的发展。该项目旨在促进校内合作，充分发挥罗格斯大学在生物医学信息学、数据科学和人工智能方面的优势，获奖团队将获得为期一年的资金支持，以开展具有未来校外资助申请和知识产权开发潜力的研究项目，标志着罗格斯大学致力于构建协作型研究生态系统，推动健康人工智能领域的创新、社区建设及直接转化影响。

西奈山伊坎医学院研究人员发现PKMYT1激酶中存在一个此前未知的"隐藏"药物结合口袋，这一发现可能为开发更精准的癌症药物开辟新途径。研究表明，当前AI系统在预测蛋白质结构方面虽有优势，但仍存在局限性，无法识别某些关键结合位点，凸显了实验验证在AI时代的重要性。该研究结合AlphaFold2等AI工具与实验方法，揭示了蛋白质结构的动态特性，为克服传统激酶抑制剂的毒性和特异性挑战提供了新思路，有望推动更安全有效的癌症靶向药物研发。

一项发表在《美国医学会儿科学杂志》的研究显示，近五分之一(19%)的美国青少年和年轻人在2025年使用AI聊天机器人获取心理健康建议，约820万人受到影响。调查显示43%的人每月至少使用一次，92%认为建议有帮助，但63%未向他人透露使用情况。研究还发现女性、年龄较大的青少年以及近期咨询过医生的人群更倾向于使用AI聊天机器人。研究人员强调AI不能替代专业心理医生，需关注建议质量和安全性，并呼吁家长、教育者与医疗人员加强与青少年关于AI使用的沟通。

一项发表在《自然·健康》期刊上的研究揭示，当患者认为症状数据将由人工智能而非人类医生解读时，他们提供的信息明显更为简短和不完整。这项由德国维尔茨堡大学、柏林夏里特医学院和英国剑桥大学等机构合作完成的研究涉及500名参与者，结果显示为AI准备的症状报告平均228.7个字符，比为医生准备的255.6个字符少约28个字符。这种差异虽看似微小，却可能严重影响AI的风险评估和分诊结果，研究归因于"独特性忽视"心理现象，即人们怀疑AI无法理解个人健康状况的具体性和复杂性。研究者建议通过改进算法和设计智能用户界面双管齐下，引导患者提供更全面的描述，以提升数字医疗系统的准确性和可靠性。

韩国忠南大学医院与三星联合开展的临床研究成功开发了全球首个利用智能手表预测晕厥的系统，该研究通过对132名患者进行监测，使用Galaxy Watch 6的光电容积描记法传感器收集心率变异性数据，结合AI算法可提前5分钟预测血管迷走神经性晕厥，准确率超过80%，这项突破性技术能帮助患者提前采取安全措施或寻求帮助，显著降低因跌倒造成的骨折或脑出血等二次伤害风险，标志着可穿戴设备从"事后护理"向"预防性护理"的重要转变，三星计划将此健康监测功能整合到未来的智能手表和其他可穿戴设备中。

韩国忠南大学医院与三星公司合作开展的研究表明，Galaxy Watch 6智能手表可通过监测用户心率变异性，利用人工智能算法提前五分钟预测血管迷走性晕厥发作，准确率达80%以上。这一突破性技术将帮助晕厥患者及时采取安全措施，避免跌倒导致的二次伤害，标志着可穿戴设备从"事后护理"向"预防性护理"的重要转变，为未来健康监测技术发展开辟了新方向，有望显著提升心血管疾病患者的日常安全保障水平。

一项发表在《自然》杂志上的加州大学伯克利分校研究发现，人工智能可以检测到常规心电图中隐藏的信号，这些信号可能预示着心脏骤停风险。研究团队分析了来自瑞典的40多万份心电图，并在美台两地数据上验证了模型的有效性。该AI模型发现的高风险群体心脏骤停年发生率达7%，远高于传统LVEF方法的4.6%。更重要的是，AI标记的大多数患者被传统方法遗漏，这表明常规心电图可能包含当前筛查忽略的关键预警信号，有望帮助医生更早识别潜在风险，挽救生命。