环球医讯AI与医疗健康

《英国医学杂志》社论警示医学生和住院医生过度依赖生成式人工智能将引发自动化偏见、技能退化及推理外包等多重风险，可能导致批判性思维能力弱化并强化现有医疗偏见；文章强调医疗数据的高度敏感性使安全与隐私漏洞成为重大隐患，呼吁教育机构设计排除AI的技能评估体系，将数据素养与AI评估纳入必修课程，并要求监管机构定期更新指导方针；研究已证实医疗AI对女性患者症状描述存在淡化倾向，且对黑人及亚裔群体表现出共情缺失，爱尔兰卫生系统当前已在医学影像诊断领域加速部署AI技术，都柏林玛特医院今年新设AI与数字健康中心，医学委员会亦发布立场文件指出AI发展带来严峻的伦理法律挑战。

韩国延世大学急诊医学系金志勋教授、医疗生命系统信息学系柳承灿教授及四年级医学生宋智宇于12月4日宣布成功研发基于大型语言模型的AI系统"Y-Knot"该系统专为医院内网设计无需外部网络连接可安全自动生成符合医疗法规的急诊患者出院记录在2400张床位的高级综合医院测试中显著将医生记录时间缩短50%以上从平均69.5秒降至32.0秒同时提升记录完整性准确性及临床实用性有望缓解急诊医生因行政工作导致的诊疗时间压缩问题但研究团队强调最终仍需专科医生审核确保医疗安全

人类诊断项目（Human Dx）平台通过整合人工智能与全球70国医生的众包智慧，旨在提升基层医生诊断准确率，尤其针对美国3000万无保险人群面临的安全网医疗机构专科资源短缺问题；该系统允许医生上传疑难病例获取多专家意见，AI自动汇总诊断建议，目前已与美国医学会等机构合作推广，但研究显示医师诊断错误率仍达15%，且AI辅助效果需更多验证，未来或将成为医生能力评估与培训工具，而非取代人类医疗决策。

本研究开发了一种基于Cycle-Consistent生成对抗网络的深度学习伪影减少模型，用于优化双能量CT在股骨骨髓水肿检测中的图像质量。通过对70名患者3632个CT切片的分析，结果显示该模型在放射科医生评估中使图像质量提升比例达22.0-44.3%，在AI分类器评估中诊断信心提升比例达42.7%，尤其在伪影存在而水肿缺失的股骨上部区域效果显著，为骨髓水肿的精准诊断提供了重要技术支持，有望解决骨结构异质性导致的伪影干扰问题，提高临床诊断可靠性和效率。

耶鲁大学医学院印度裔美国教授希莉·古普塔开发了人工智能与医学创新卓越路径项目，该住院医师培训课程旨在培养医生批判性应用人工智能的能力，通过整合医学、法律、计算机科学及数字伦理等跨领域专业知识，确保AI工具在临床实践、医学教育和研究中被负责任地使用以避免偏见，促进医疗公平性并提升患者治疗效果；该项目自2025年启动以来，已吸引住院医师深入学习编码基础与大型语言模型，强调质疑AI输出、优化提示工程及探索创新应用，为未来医疗领导者奠定坚实基础，彰显耶鲁大学在技术变革时代推动医学教育革新的承诺。

英国拉夫堡大学联合霍莉健康与模态合作伙伴关系开发的AI驱动健康管理应用，在临床试验中成功提升多病共存患者自我管理参与度21%并改善健康习惯10%；该应用通过强化学习技术实现个性化实时干预，针对糖尿病和关节炎等多重慢性病患者提供精准行为指导，有望缓解英国国家医疗服务体系每年720亿英镑的多病共存相关支出压力，为大规模推广数字化自我管理模式提供创新解决方案，显著降低可预防疾病负担并赋能患者掌控长期健康状况。

一项针对414名乳腺癌患者的医学研究揭示当前人工智能辅助诊断系统存在显著局限性，该系统漏诊率达30.7%，尤其在致密型乳腺组织和2厘米以下小肿瘤检测中表现欠佳；研究证实扩散加权成像技术可有效弥补AI盲区，单独使用即能检出83.5%的AI漏诊病变，为提升乳腺癌筛查准确性提供了创新解决方案，但需通过多中心前瞻性试验验证其在更广泛筛查人群中的适用性，这对完善AI辅助医疗诊断体系具有重要临床意义。

澳大利亚多地卫生系统近期动态显示，新南威尔士州审计揭露地方卫生区长期未达网络安全标准，存在患者数据泄露风险；西澳政府投资45万美元试点AI协调医院工作流，计划2026年冬季前部署；维多利亚州启动为期六个月的虚拟医院项目，通过远程监测为心衰患者提供居家护理。这些举措凸显数字化转型中安全与效率的平衡挑战，尤其在临床系统安全防护、人工智能应用及远程健康服务领域亟需系统性改进。

2025年12月19日，美国西达赛奈医疗中心与加拿大大学健康网络在洛杉矶联合举办第二届医学人工智能研讨会，汇聚全球40多家机构逾200位专家深入探讨人工智能在临床环境中的实施路径、数据隐私保护、监管框架及伦理挑战等关键议题，双方强调通过全球协作推进安全有效的AI技术整合以改善患者治疗效果，同时维护医疗机构核心文化，承诺将于2026年12月继续举办第三届年会引领全球负责任的医疗AI整合实践，此次合作彰显了国际力量在应对技术变革中确保医疗服务公平性与可及性的重要作用。

本文采访了Claroty公司现场首席技术官兼首席信息安全官Skip Sorrels，深入探讨医疗保健行业如何培养员工安全使用人工智能的能力。Sorrels强调必须实施类似钓鱼演练的基于情景培训，帮助医疗工作者识别敏感信息不应输入AI系统，因为即使是医院内部平台也存在安全风险。他还分析了医疗AI治理的关键要素、应对威胁者复杂AI攻击的策略、公私部门合作框架建设，以及未来医疗AI发展趋势，并结合其25年网络安全经验，特别是从护士转型为网络安全专家的独特视角，阐述了在医疗设备安全领域构建OT和XIoT网络安全体系的实践经验。