环球医讯AI与医疗健康

帕纳吉亚数据（Pangaea Data）与阿斯利康宣布达成多年战略合作，在微软和英伟达支持下开发多模态临床级人工智能平台，旨在高效识别未诊断和未充分治疗的罕见疾病患者，如低磷酸酶症、梗阻性肥厚型心肌病、库欣综合征、慢性肾病、系统性红斑狼疮及慢性阻塞性肺疾病等，通过连接患者至临床试验和精准疗法缩小全球医疗护理差距，为患者提供更精确、公平和可持续的医疗服务，推动人工智能在健康领域的负责任应用。

佐治亚理工学院罗玉南教授获得美国国家科学基金会77万美元职业发展奖，旨在通过人工智能解决蛋白质研究中的"注释不平等"问题。该研究将开发新型机器学习框架，针对未充分研究的蛋白质生成可靠功能预测，以加速药物发现、疾病预后及个性化医疗发展，同时推动生物医学教育与社区科普，消除现有数据库中因过度关注热门蛋白质导致的科学认知偏差，为全球生物医学创新提供新路径。

世界卫生组织于2025年12月12日发布更新版《2020-2027年全球数字健康战略》，旨在推动各国采用人工智能、大数据分析和智能可穿戴设备等数字健康工具以实现全民健康覆盖，该战略强调确保技术安全性、可及性和公平性，避免加剧健康不平等，并基于四大支柱构建治理体系——包括协同合作与知识共享、实施国家数字战略、强化健康数据治理及以人为本的健康系统设计，同时指出数字健康将在提升诊断精准度、优化治疗决策及应对全球卫生挑战中发挥核心作用，计划于2028年启动新一轮战略修订。

一项发表在《柳叶刀·数字健康》的研究表明，Brainomix 360 Stroke成像工具能帮助医生在几分钟内识别中风患者的致命血栓，比传统方法提前超过一小时。该AI工具已在70多家NHS医院推广，使取栓手术率从2.3%翻倍至4.6%，显著提高了患者恢复独立生活的机会。研究表明，取栓手术每延迟20分钟，完全康复几率降低约1%，而使用AI工具的初级中风中心门到门时间减少了64分钟，这对缺乏神经放射学专家的医院尤为重要，研究还发现这些医院的治疗率和转送时间改善最为显著，目前该技术已在英格兰所有107个中风中心全面应用。

西奈山伊坎医学院科学家开发出名为V2P（变异到表型）的新型人工智能工具，该工具突破现有基因分析技术局限，不仅能识别致病基因突变，还能预测这些突变可能引发的具体疾病类型。这项发表于《自然通讯》的研究利用先进机器学习将基因变异与表型结果相联系，通过在大型数据库上训练并在真实患者数据中验证，V2P能将致病变异精准定位在前10位候选者中，显著提升基因诊断效率。该技术有望加速复杂罕见疾病的诊疗进程，为精准医疗提供关键支持，并指导研究人员识别与特定疾病密切相关的基因通路，推动基因定制疗法的开发，对医学研究和临床实践具有深远影响。

世卫组织近日发布《2020-2027年全球数字健康战略》更新版，系统规划了利用人工智能、可穿戴设备等前沿数字技术提升全球健康水平的路径。该战略以四大核心支柱为框架：促进国际合作与知识共享以确保数字健康产品质量与安全、推动各国制定国家数字战略并强化卫生 workforce 数字化能力、构建覆盖全球的高标准健康数据治理体系、坚持以人为本设计数字健康解决方案以避免加剧健康不平等。战略目标是通过提升数字工具的可及性、可负担性和安全性，支持全民健康覆盖并改善全球福祉，目前已推动129个国家建立相关战略，培训超1600名政府官员，数字健康在疾病诊断、远程监测和临床决策等领域展现出显著潜力，未来将深度融入大流行病防范与气候适应型卫生系统建设。

澳大利亚科学家通过整合全球100余项研究的遗传与分子数据，首次识别出32个导致长新冠的因果基因，包括13个新发现基因，揭示免疫调节基因FOX P4变异等关键机制；该研究利用人工智能分析组学大数据，发现71个持续感染后一年的基因调控开关及1500多个基因表达异常，为长新冠诊断治疗提供分子靶点，并推动慢性疲劳等后病毒综合征的精准医疗突破，相关成果发表于《PLOS计算生物学》等权威期刊。

本文深入探讨了人工智能固有偏见的问题，揭示AI系统虽曾被视为消除人类偏见的工具，但实际上继承并放大了社会的不平等。文章通过面部识别、招聘、信贷评分和医疗诊断等多个实例，展示了AI如何在实践中产生歧视性结果，特别是在医疗领域使用西方数据集可能导致其他族裔患者误诊。同时，文章提出了解决方案，包括建立AI伦理委员会、进行偏见审计等，并以阿曼2040愿景为例，强调了本地化数据和文化敏感性对AI发展的重要性，指出算法公平性源于社会本身的公平，呼吁各国在推动AI应用时必须考虑文化差异和数据主权，确保技术真正服务于全人类而非强化既有偏见。

全球至少20名婴儿通过人工智能辅助体外受精临床试验成功诞生，标志着生育医疗领域迎来关键转折点。哥伦比亚大学开发的STAR系统成功为尝试受孕18年的夫妇筛选出仅存的3个健康精子，墨西哥城波朗科高端诊所的Aura系统已自动化200多项体外受精流程。尽管人工智能能快速分析百万级显微图像提升胚胎筛选效率，但专家警示未经FDA批准的工具存在黑箱决策、算法偏见及数据隐私风险，强调人工智能应作为医生判断的辅助工具而非替代方案，当前美国实验室监管体系尚未跟上技术革新速度。

金斯顿大学研究团队获得亚马逊AWS人工智能研究奖资助，致力于开发高效语言学习模型以解码人类基因组中占98%的非编码区域（暗基因组），该区域控制90%以上疾病相关基因变异，项目将利用亚马逊Trainium硬件优化Mamba等模型架构，在降低计算能耗50%的同时提升疾病预测精度，有望革新个性化医疗中的剪接变化、转录因子结合及组织特异性效应分析，为平衡科研突破与环境可持续性提供新范式，推动精准医学从实验室走向临床应用。