环球医讯AI与医疗健康

本文探讨了医疗AI代理（Agentic AI）在医疗系统中的应用现状与争议。多位医疗IT领导者表示，在缺乏统一监管框架的情况下，各机构正谨慎尝试部署AI代理，但普遍采取“人在回路中”（human-in-the-loop）的监督模式，确保AI仅辅助而非替代临床决策。文章指出，AI代理目前在行政、文档、排程等非临床领域已逐步落地，但涉及患者诊疗决策时，仍面临责任界定、网络安全和监管空白等挑战。各医疗机构通过设置审计日志、实时仪表盘、杀毒开关和阶段性自主授权等护栏，试图在创新与安全之间取得平衡。

一项发表在《自然医学》上的新研究表明，消费级智能手表的数据可以检测到心力衰竭患者健康状况恶化的早期迹象，通常比需要计划外医疗护理提前数天到数周。由多伦多大学健康网络（UHN）的彼得·蒙克心脏中心领导的研究，是同类研究中规模最大的，它表明智能手表数据可以可靠地监测患者每日的心肺功能。研究发现，每日心肺功能下降10%或更多，与计划外医疗使用（如住院或紧急治疗）的风险增加超过三倍相关，这为更主动、更及时的干预措施打开了大门。该研究为期三个月，观察了217名心力衰竭患者，他们佩戴Apple Watch，研究人员收集了心率、体力活动和血氧饱和度等数据，并使用UHN开发的人工智能模型分析数据，以估计每日心肺功能。

东伦敦大学最新研究显示，人工智能技术有望彻底改变眼科患者教育方式。研究团队开发了一款多语言、语音启用的AI聊天机器人，专门用于帮助患者理解视网膜脱离等严重眼疾。该系统利用检索增强生成技术，确保回答基于经过验证的临床知识，避免自由生成内容可能带来的风险。测试表明GPT-4o模型在临床准确性方面表现最佳。这项技术作为传统患者信息手册的现代替代方案，特别有助于视力障碍或语言不通的患者获取可靠的医疗信息，未来可能扩展应用于慢性病管理、手术阶段和术后康复等更多医疗场景。

由萨里大学领导的一项新研究表明，在热身慢跑时进行快速心脏追踪可以识别出在高强度运动中面临心律失常风险的赛马。该研究使用人工智能系统分析休息或轻度运动时的心电图记录，能够区分出在极限运动时可能发生早搏的马匹，从而为预防心脏事件提供早期预警，有助于提高赛马的安全性和福利水平。

本文报道了密苏里南方州立大学举办的第三届威尔科克森健康科学创新峰会，重点讨论利用数据驱动工具、护理信息学和人工智能等新技术加强农村医疗保健，应对患者长途就医等挑战，并强调医疗教育是基础。

瑞典隆德大学的研究人员开发了一种基于蛋白质组学的人工智能模型，能够通过单次血液样本同时检测阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆、路易体病及既往中风等六种与痴呆相关的疾病。该模型使用联合学习方法，从超过17000名患者的数据中识别出蛋白质模式，并在多个独立数据集中得到验证，准确率优于现有方法。此外，该模型还能预测认知衰退，并揭示不同患者可能存在的生物学亚型。研究发表在《自然·医学》杂志上。

瑞典隆德大学的研究人员开发出一种名为ProtAIDe-Dx的人工智能系统，通过分析血液中的蛋白质模式，可以同时检测阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、额颞叶痴呆、中风或短暂性脑缺血发作等多种神经退行性疾病。该系统在大型数据集上表现出高准确率，有望改善诊断准确率，减少误诊，并为早期干预提供依据。

研究人员开发了一种名为PathogenFinder2的新型AI工具，能够通过分析细菌的蛋白质序列来评估其致病潜力，即使面对从未见过的细菌种类也能做出准确预测。该工具基于蛋白质语言模型，训练数据集包含超过21，000个细菌基因组，可有效区分有害与无害细菌。研究团队还构建了首个“细菌致病能力景观图”，揭示不同细菌之间的疾病关联特征。该工具作为全球病原体分析平台的一部分免费提供，有望显著提升大流行防范能力，使当局能在疫情爆发前采取预防措施。

根据发表在《放射学：心胸影像》上的一项新研究，AI增强的单次屏气心脏电影MRI在心律失常患者中取得了100%的成功率，优于传统电影MRI的88%。该技术通过深度学习改善图像质量、减少触发错误，并能在更短的采集时间内提供与常规方法相当的心室容积和应变测量值，为难治性心律失常患者提供了可靠的心脏MRI替代方案。

本文介绍了由格拉茨理工大学、格拉茨大学和格拉茨医科大学联合开发的自适应医疗信息交互系统A+CHIS。该系统通过分析用户交互行为（如鼠标移动和滚动）来实时检测认知负荷，并据此动态调整信息呈现方式（如关键词云、信息图或深度技术文本），从而将循证医学内容个性化地适配于患者的知识水平和需求。系统还利用大型语言模型作为AI对话伙伴，仅使用经过医学大学审核的材料以降低幻觉风险。该项目以开源代码发布，并计划扩展到其他医疗领域和教育场景，旨在使复杂知识更易理解、更个性化、更有效。