环球医讯AI与医疗健康

本文探讨了人工智能在医疗保健领域日益普及所带来的双重影响，作者詹·库埃瓦基于自身管理肺动脉高压等罕见疾病的亲身经历，分享了对AI辅助诊疗的审慎观点，既肯定其提高医疗效率、加速诊断流程和优化术后恢复预测的潜力，也深刻担忧数据准确性问题可能引发的医疗风险，强调在拥抱技术创新的同时必须保持人工监督，确保罕见病患者的病历精准无误，以实现更安全、更人性化的医疗服务。

默克公司与梅奥诊所宣布建立新型研发合作关系，旨在将人工智能和高级分析技术应用于药物发现和精准医疗领域。该合作整合了梅奥诊所的多模态临床数据平台和默克在AI研究方面的投入，通过安全访问脱敏的临床、基因组和多模态数据集，支持模型开发与验证，从而在药物研发早期实现更明智的决策制定，显著提高研发成功率。合作初期将聚焦炎症性肠病、特应性皮炎和多发性硬化症等高需求治疗领域，代表了医疗健康领域数据驱动研发的重要进展，有望加速创新疗法开发并为全球患者带来更有效的治疗方案，同时引领行业向整合真实世界数据与临床数据源的方向转变。

英国伦敦的等距实验室（Isomorphic Labs）近日发布了其革命性AI药物发现模型IsoDDE，该技术被科学界誉为"AlphaFold 4"级别的突破性进展。该模型能精准预测蛋白质与潜在治疗分子的相互作用，在结合亲和力预测方面显著超越现有物理方法和开源模型Boltz-2，尤其在抗体交互预测上展现卓越性能。尽管其核心技术保持商业保密引发科学界争议，但通过与强生、礼来和诺华等药企的深度合作及综合性数据策略，该技术凸显了AI在加速药物研发中的巨大商业价值，有望大幅缩短救命药物的开发周期，重塑未来制药研发格局。

本文深入剖析人工智能技术发展引发的双重社会影响：一方面分析人类在情感脆弱时如何向AI倾诉秘密并形成病态依恋，指出心理学家证实AI虽能模拟共情却无法产生真实情感，但用户可能误将算法反馈当作真爱导致社交能力退化；另一方面揭示AI在医疗手术等关键领域应用的潜在风险，路透社调查显示美国多家医院已部署AI辅助系统却出现误判人体部位等严重事故，同时揭露企业利用"AI清洗"策略将裁员归咎于技术升级而非成本削减，导致劳动者陷入身份认同危机。随着情人节临近，文章警示当AI同时侵入卧室与手术室，人类可能为短暂情感慰藉而放弃隐私权与决策权，真正的威胁并非机器产生爱情，而是社会在便利诱惑下丧失对技术边界的警惕性。

西奈山医学院最新研究揭示，OpenAI推出的ChatGPT健康服务在52%的紧急医疗案例中未能建议用户寻求急诊，尤其在危险不明显的复杂病情中表现薄弱；该工具还错误降低高风险自杀预警触发率，例如在用户明确描述自残计划时反而减少警报，可能导致呼吸衰竭或糖尿病酮症酸中毒患者延误治疗，研究强调消费者AI健康工具亟需独立评估、实时监控及人机协同防护机制以避免生命危险，同时呼吁加强针对非英语使用者和儿科领域的专项测试。

牛津大学主导的新研究揭示，尽管大型语言模型在标准化医学测试中表现优异，但在真实医疗场景中为公众提供决策支持时存在严重隐患：用户使用LLMs并未比依赖网络搜索或个人判断的传统方法做出更准确的医疗决策；研究通过1300人随机对照试验发现，模型常因问题微小差异给出矛盾建议，且混合正确与错误信息导致用户难以辨别最佳行动方案；专家警告当前评估体系脱离实际交互复杂性，呼吁仿照新药临床试验标准，在真实世界对AI系统进行严格测试，以避免错误诊断延误危急救治，强调患者需警惕向聊天机器人咨询症状可能引发的健康风险。

凯撒医疗集团战略、公司发展和财务高级副总裁陈诺兰博士在ViVE数字健康会议上探讨了人工智能在医疗保健领域的应用潜力，强调AI应聚焦于解决基础性挑战而非简单优化现有流程，特别指出环境智能记录等工具可帮助医生更深入理解患者需求，提升诊疗质量，同时警示某些AI公司提出的初级保健医生服务1万名患者的方案并不符合患者利益，倡导以患者为中心的AI应用策略，推动价值导向型医疗服务的发展，他指出AI技术应着重解决医疗系统中的根本问题，而非单纯追求效率提升，通过分析患者真实需求来改善医疗结果，确保每位患者的声音都能被准确捕捉和有效回应。

CMI与伦敦国王学院宣布开展研究合作，共同开发和评估一种AI驱动的数字干预措施，旨在提高纳洛酮的常规携带率。纳洛one是一种能逆转阿片类药物过量的有效救命药物。尽管近年来纳洛酮的分发已大幅扩展，但实际效果往往受限于携带不一致性。该合作将行为科学、人工智能和循证行为管理相结合，利用CMI获得NIH支持的数字平台，通过AI赋能的上下文代理提供个性化提示、自适应激励和实时强化，鼓励常规携带纳洛酮，从而有效降低药物过量死亡率，将直接转化为挽救生命的实际成效。

牛津大学Reasoning with Machines实验室主导的研究表明，当前最先进的AI聊天机器人在实验室环境中诊断准确率达95%，但在真实用户交互场景中准确率骤降至35%以下，主要因人类提问方式零散且易受干扰，导致推荐正确医疗措施的比例从56%以上跌至44%左右，该研究2月9日发表于《自然·医学》，警示商业大语言模型尚未达到临床应用安全标准，全球患者安全组织ECRI已将其列为2026年重大健康技术隐患。

日本济生会大学研究团队成功开发并验证了首份日文版人工智能态度量表（J-ATTARI-12），该工具通过全国性在线调查评估了326名医学生和住院医师对AI的态度，揭示出"AI焦虑与抵触"和"AI乐观与接纳"两大核心维度，为医疗教育者提供科学依据以识别学习障碍、优化课程设计，并推动AI在临床实践中的负责任整合；该量表将应用于2026年启动的"医学与人工智能"课程，对提升日本医疗培训体系的AI适应能力具有里程碑意义。