环球医讯AI与医疗健康

本文探讨了人工智能如何通过减少职业倦怠、支持技能提升和实现以患者为中心的护理来改变护理行业。文章引用2025年面向未来的医疗健康调查数据，指出护士对AI的积极影响最为乐观，62%的护士认为AI集成于入职和培训可加速员工生产力，45%的护士相信生成式AI能通过处理低价值任务减轻倦怠。同时，文章也指出了数据安全、过度依赖AI导致临床决策能力下降等风险，并强调需要制定明确的政策、保持人类监督，以及通过数字技能提升来弥合乐观与准备之间的差距，最终使AI成为护士的得力助手而非替代者。

一项针对1343名成年人的新民意调查显示，约三分之一的人曾向AI咨询身体健康或心理健康建议，但其中42%使用AI咨询身体问题的受访者没有后续咨询医生，58%使用AI咨询心理健康建议的受访者未咨询心理健康专业人士。年轻群体（18-29岁）更倾向于使用AI且更少跟进医生。超过80%未使用AI获取健康建议的成年人表示对AI不信任或几乎不信任。专家警告，AI聊天机器人可能提供错误信息，且无法处理复杂医疗需求，尤其是对危机中的青少年等脆弱群体可能造成伤害。

本文探讨了美国食品药品监督管理局（FDA）一项具有里程碑意义的政策转变，该政策允许基因组编辑工具和RNA疗法基于可靠的生物学证据而非大规模临床试验结果寻求批准。文章指出，人工智能（AI）能够以超越人类能力的规模对基因组数据进行模式识别，从而生成FDA现在所要求的严格、预测性数据，并提高最终获批治疗的精准度。对于罕见病患者而言，这彻底改变了局面。文章详细介绍了从诊断到治疗，AI如何通过患者识别、变异解读、病程模拟、基因编辑、药物重定位和全新药物设计等多个领域，加速罕见病研究和治疗进程。同时，文章也指出了数据隐私、医疗不平等和资金不确定性等挑战，并对未来寄予希望。

PathogenFinder2是丹麦技术大学与多家国际合作伙伴共同开发的新AI工具，利用蛋白质语言模型分析未知细菌的全基因组，预测其导致疾病的能力。该工具不再依赖与已知病原体的相似性，而是通过解释蛋白质生物化学信号来识别致病基因，并构建了首个细菌致病能力图谱。研究团队使用超过21,000个细菌基因组进行训练，使模型能有效区分有害与无害细菌，甚至包括从未描述过的物种。该工具可提前发现潜在威胁，为早期检测、疫苗和治疗开发提供依据，显著增强大流行防范能力。

南新罕布什尔健康正在将人工智能融入医疗保健，以支持医生、提高患者安全并改善护理效果。文章介绍了DAX Copilot（用于自动记录医患对话，减少文书工作）和GI Genius（用于结肠镜检查中检测息肉），以及用于药物管理和静脉输液监测的AI应用。该系统强调AI不会取代医生，而是通过严格审查后引入，旨在让医护人员有更多时间与患者面对面交流，同时提升诊断准确性和效率。

由黄宽林博士领导的学术团队，凭借开发名为Biomni-AD的先进人工智能“联合科学家”平台，荣获由阿尔茨海默病数据倡议颁发的100万美元阿尔茨海默洞察AI大奖。该奖项于2026年3月20日公布，旨在表彰能够大幅缩短从复杂生物医学数据中生成科学见解所需时间的AI解决方案。西奈山伊坎医学院的研究人员与斯坦福大学合作，开发了Biomni-AD平台，该平台具备自然语言界面、端到端可重复性、多模态数据整合及人类监督等能力，可将传统耗时数月的分析任务缩短至数分钟。该平台将免费提供给全球研究人员，以加速阿尔茨海默病及相关痴呆症的研究突破。

本文讨论了美国医院信息系统供应商如Epic Systems的垄断性软件如何威胁数字主权并成为成本陷阱。在哈索·普拉特纳研究所举办的数字健康创新论坛上，多位专家探讨了Epic等 monolithic 平台的利弊，对比了基于 openEHR 等开放标准的新型模式，并分析了欧洲应如何在美国与中国模式之间走第三条道路。文章还涉及了AI在医疗中的应用、数据价值、监管挑战以及欧洲在数字健康竞赛中的紧迫性。

随着生成式AI快速重塑医疗领域，医院和医疗系统正面临"影子AI"这一新挑战——即临床医生和员工未经授权使用AI工具。在一次由Wolters Kluwer赞助的贝克尔斯医疗网络研讨会上，来自克利夫兰诊所、芝加哥安与罗伯特·H·卢里儿童医院、努万斯健康（康涅狄格州丹伯里）、西雅图儿童医院和芝加哥大学医学中心的五位领导者讨论了影子AI的蔓延现状、治理缺口以及如何在不阻碍创新的前提下应对风险。他们指出，影子AI反映了未被满足的运营需求，但患者安全和数据风险仍被低估，治理策略正从控制转向赋能与文化建设。

大多数医疗系统的AI讨论仍集中在第一波：采用哪些工具、自动化哪些流程、评估哪些供应商。但City of Hope的首席AI与分析官Nasim Afsar已在思考第二波可能带来的混乱——不同AI工具和智能体各自为政、无法相互通信，导致局部优化反而转移瓶颈，引发更复杂的系统性问题。她认为需要同时从治理和技术层面构建智能体编排能力，而City of Hope的数字化转型负责人Simon Nazarian则强调分布式责任与变更管理的重要性，指出技术已就绪，但真正的挑战在于临床人员的采纳与使用。

本报告由OECD发布，探讨了人工智能在医疗保健系统中负责任地规模化应用的巨大潜力与当前面临的障碍，包括数据基础碎片化、监管不确定性以及治理和人才能力差距。为帮助政策制定者优先行动并避免盲点，报告提出了一个基于四大支柱的政策检查清单：建立推动因素（数据基础、AI保障与规模化、能力建设）、实施护栏（监督与监测共同目标）、有意义地参与（公众、提供者、行业）以及部署可信AI。报告指出，尽管OECD成员国在行政管理中已普遍使用AI（100%），但在国家层面的规模化仍有限，例如医学影像应用仅占10%。通过国际合作与跨境兼容政策，可以平衡创新与安全、经济机会与公众信任，从而释放AI在健康领域的全部潜力。