环球医讯AI与医疗健康

本文探讨了医疗科技领域如何成为AI颠覆的避风港。William Blair分析师Brandon Vazquez通过召集美敦力、Henry Schein、CeriBell和iRhythm等公司负责人进行讨论，指出医疗设备公司的核心优势在于其积累的海量数据而非算法本身，这些数据包括数十年的临床试验记录和器械上的实时监测数据。硬件是AI生态系统的关键组成部分，设备创新才能支撑更有意义的数据采集。同时，AI医疗器械面临着与普通器械同样严格的监管审批、商业化推广和报销等重大挑战，纯AI公司若想颠覆该领域，必须投资于硬件制造，而此前已有Verily等公司失败的先例。

本文是系列采访的第二部分，苏珊·施尼普（Susan Schniepp），监管合规联合公司（Regulatory Compliance Associates Inc.）成员兼PDA代表，在PDA 2026周上讨论了制药制造中数据孤岛这一隐藏风险，认为人工智能可能是连接质量系统、看清整体制造图景的关键。她指出，烟雾研究、颗粒物结果、环境监测等关键数据流长期被孤立看待，而AI能帮助整合这些数据以保护产品。通过化学实验室的类比，她说明微小偏差的累积可能使系统失效，并强调注射剂生产车间24/7运转的特殊性，呼吁行业采用更全面的质量数据视图，将背景系统与批次快照一同理解。

梅奥诊所一项新研究利用人工智能分析常规眼部扫描图像，测量心脏周围脂肪量，以更准确地预测长期心脏病风险。该研究追踪了近12000名成年人约16年，发现心周脂肪水平高的人，即使标准检测显示风险较低，其心脏病风险也显著更高。这种新方法无需额外检测，可提高风险评估准确性，尤其有助于医生对低风险或临界风险患者做出更明智的治疗决策，标志着个性化医疗的重要进展。

本文回顾了2009年HITECH法案推动电子健康记录（EHR）普及的历史经验，指出其虽达成基本目标，却带来了患者安全风险、欺诈、互操作性不足和医生倦怠等问题。如今，在AI有望再次革新医疗保健的背景下，特朗普政府与奥巴马时代不同，并未提供联邦补贴，而是采取私营部门主导、减少监管的策略。文章指出，尽管医院已在积极采用AI，且私营部门投入巨大，但AI能否创造足够价值、实现盈利仍待观察。与EHR时代由政府主导不同，此次由私营部门引领的AI革命，因其更强的市场竞争力和资金实力，被认为拥有更持久的生命力和更大的成功前景。

犹他州批准了一项试点项目，允许由健康科技公司Doctronic提供的AI聊天机器人开具精神科药物。该项目目前仅限续方已有的低风险药物（如SSRI类抗抑郁药），不包括成瘾性药物。用户需回答15个问题，费用约20美元。初期阶段仍有人类医生审核，但将逐步取消。精神科专家对此表示担忧，认为AI难以理解患者的独特背景。如果试点成功，该公司CEO希望很快在全美推广。

一项发表在《美国医学会内科杂志》上的新研究比较了医生和ChatGPT对真实健康问题的书面回答，结果显示，由持证医疗专业人员组成的评审小组在79%的情况下更偏好ChatGPT的回答，并认为其质量更高、更富有同理心。研究团队从Reddit的AskDocs子版块随机抽取了195个医患问答，由ChatGPT生成回答，并与医生的原始回答进行盲评。ChatGPT的回答在质量上被评为“好”或“非常好”的比例是医生的3.6倍，在同理心上被评为“富有同理心”或“非常富有同理心”的比例是医生的9.8倍。虽然AI不会取代医生，但研究认为，医生与ChatGPT等人工智能工具协作，有望改善医疗护理、减轻医生负担，并推动医疗领域的变革。

本文详细介绍了25个医疗健康领域的人工智能应用案例，涵盖患者护理、医学影像诊断、药物研发和医疗管理等多个方面，通过NHS虚拟病房、DeepScribe辅助诊疗、DxGPT诊断支持等实际案例，展示了AI如何优化医疗流程、提高诊断准确率、降低医疗成本并改善患者治疗效果，同时分析了AI在心理健康支持、手术机器人、药物发现等前沿领域的应用前景，为医疗健康行业的数字化转型提供了有价值的参考和实践指南。

本文探讨了自主人工智能系统在医疗环境中相互交互所带来的新兴风险，以2026年“Moltbook”实验（一个专为人工智能间交互设计的社交网络）作为典型例证。文章指出，这些互联系统虽然能提升效率，但同时引入了致命的风险三重奏：错误快速传播、数据加速泄露以及意外层级结构的自发形成。报告强调，随着自主系统融入医疗保健，必须转向预防性设计，强化人类监督、严格压力测试和决策审计追踪，以确保数字威胁不会转化为实际的患者伤害。该研究发表在《医学互联网研究杂志》上，由Tejas S. Athni撰写。

本文深入探讨了人工智能在医疗保健领域应用所面临的伦理困境，分析了数据隐私、知情同意、算法黑箱和偏见等问题。文章指出，虽然AI能显著提升医疗效率和准确性，但其依赖的海量患者数据往往未经充分授权，且算法决策过程缺乏透明度，可能导致不公平的医疗结果。作者强调，真正的医疗AI创新必须建立在伦理基础之上，将透明度、公平性和信任作为核心价值，才能实现技术与人文的和谐统一，避免将患者变成看不见的数据源，确保技术进步真正服务于人类健康而非损害患者权益。

AlphaFold 3是由Google DeepMind和Isomorphic Labs联合开发的革命性AI模型，能够以前所未有的精度预测蛋白质、DNA、RNA等所有生命分子的结构及其相互作用，在蛋白质与其他分子类型交互的预测准确率上比现有方法至少提高50%，某些重要类别甚至提高一倍。该模型将彻底改变我们对生物世界的理解及药物发现过程，科学家可通过免费的AlphaFold Server研究工具获取其大部分功能，Isomorphic Labs正与制药公司合作将其应用于实际药物设计挑战，有望为患者开发改变生命的新型治疗方法，同时该技术还将在生物可再生材料、抗病作物开发及基因组研究等领域发挥变革性作用。