环球医讯AI与医疗健康

英国药品和医疗器械监管局（MHRA）启动全国性证据征集活动，旨在构建医疗人工智能监管框架。该活动由国家医疗AI监管委员会主导，邀请公众、临床医生及行业专家分享见解，重点聚焦规则现代化、患者安全保障及责任划分等核心议题，以支持2026年向MHRA提交的监管建议，最终目标是建立全球最安全且先进的AI赋能医疗体系，确保技术应用既安全可靠又赢得公众信任。

南澳大利亚大学科学家开发出新型AI驱动方法，成功揭示肿瘤进展由协同作用的基因群组而非单一突变基因驱动。该技术通过分析基因随时间的相互影响，识别出参与细胞信号传导、免疫反应和转移的关键基因网络，不仅能检测已知癌基因，还能发现此前隐藏的非突变致病基因，为缺乏常见突变的癌症患者提供新治疗靶点，并有望扩展应用于神经退行性疾病等动态调控疾病领域，相关成果已发表在《皇家学会开放科学》期刊。

基于大型语言模型的人工智能模拟患者系统AIPatient在医学教育中展现出革命性潜力，该系统通过六个特定任务的AI智能体协同工作，结合检索增强生成框架和基于真实患者数据构建的知识图谱，实现了94.15%的医学问答准确率，其知识库有效性达F1分数0.89，可读性测试显示Flesch阅读难易度中位数68.77且年级水平适中，医学生评估证实其在病史采集中的高保真度和教育价值已达到或超越人类模拟患者水平，有望解决传统模拟患者培训成本高、规模受限的问题，为医学教育提供可扩展、标准化且高性价比的创新解决方案。

本文基于2025年牛津骨髓瘤研讨会的实录，详述了肯尼斯·谢恩博士团队如何利用患者样本和分子数据构建多发性骨髓瘤个性化治疗模型。该研究通过分析肿瘤细胞对药物的反应，结合RNA测序、全外显子测序及人工智能技术，开发出八天内可预测药物疗效的精准工具，旨在突破传统"一刀切"疗法局限，将患者免疫微环境与临床数据整合为新型生物标志物，推动多发性骨髓瘤治疗进入个性化医疗新阶段，目前已在全球合作中取得显著进展。

南澳大利亚大学科学家开发出新型AI驱动方法，证实癌症进展主要由合作基因组而非单一基因突变驱动，该研究发表在《皇家学会开放科学》期刊，通过分析大型乳腺癌数据集成功识别已知及新型癌症驱动基因，包括参与细胞信号传导、免疫反应和转移的关键基因，为精准定位治疗靶点提供新途径，尤其适用于缺乏常见高突变的患者，并有望拓展至神经退行性疾病等动态调控类疾病，显著推动癌症生物学研究范式转变。

本文深入剖析人工智能在公共卫生领域的应用现状，指出当前教育体系过度侧重技术能力而忽视社会伦理维度，导致公共卫生课程沦为技术教育的附属品；作者以麻省理工学院和德克萨斯大学项目为例，强调若不将公共卫生作为人工智能教育的基石，群体健康问题将持续被边缘化，呼吁教育重点应从提升效率转向确保公平性与人类福祉影响，从而培养能真正服务公共健康的AI专业人才。

加州大学洛杉矶分校研究人员开发出新型人工智能工具，通过分析电子健康记录识别未被诊断的阿尔茨海默病患者。该工具采用"半监督正例未标记学习"先进方法，对白人、非裔、西班牙裔和东亚患者的识别成功率达77%-81%，远超旧模型的39%-53%，能发现记忆丧失等典型症状外的皮肤溃疡和心律不齐等隐性体征，特别有助于缩小医疗资源不足群体的诊断差距，使高风险患者获得早期干预机会，为解决美国每九位65岁以上老人中就有一人患病的重大公共卫生问题提供新路径。

伦敦国王学院的一项突破性研究开发出新型人工智能工具，该工具通过分析超6万份脑部MRI扫描及放射科医生报告进行训练，无需人工标注即可快速识别中风、脑肿瘤和多发性硬化症等异常，显著缩短诊断时间并提升医疗效率；该系统能在扫描过程中实时标记问题、辅助决策并检索相似病例，计划于2026年在英国医院开展大规模实际测试，旨在支持而非取代医生工作，有望为脑部扫描患者带来更及时诊断和更佳治疗效果，同时缓解医疗资源短缺压力。

最新研究证实人工智能结合常规脑电图技术可显著提升额颞叶痴呆诊断精准度，该方法能有效区分额颞叶痴呆与阿尔茨海默病并准确评估疾病严重程度。研究开发的深度学习框架通过分析脑电信号提取频谱和时间特征，在区分两种痴呆症时特异性从26%提升至65%，整体分类准确率达84%，且额颞叶痴呆严重程度预测误差仅15.5%。这项便携低成本技术有望成为临床诊断新工具，尤其适用于缺乏高级影像设备的地区，将加速患者确诊进程并支持个性化治疗方案制定，对改善痴呆症诊疗体系具有重要实践价值。

伦敦国王学院研究人员开发出新型自监督AI模型，可通过分析60000多个脑部MRI扫描及其放射学报告实现自我训练，无需专家手动标注即可准确识别中风、多发性硬化症和神经胶质瘤等脑部异常。该系统能在扫描过程中实时标记异常、提供建议、检测报告错误并检索相似病例，有效解决放射科医生短缺导致的诊断积压问题，预计2026年将在英国多家医院开展多中心临床试验，有望显著提升脑肿瘤、中风等疾病的诊断效率并改善患者预后，为医疗AI应用开辟新路径。