环球医讯AI与医疗健康

梅奥诊所与微软宣布达成战略合作，共同开发专为医疗健康领域设计的前沿人工智能模型，该模型将整合梅奥诊所的全球医疗专业知识、去标识化临床健康数据和纵向洞察，与微软先进的AI、云计算及超级智能能力相结合，旨在支持更早诊断、个性化治疗决策和改善患者治疗效果，由梅奥诊所拥有并通过微软Azure Foundry API向全球医疗机构提供，将为解决医疗健康领域最具挑战性问题带来革命性突破，同时确保患者隐私安全和临床数据负责任管理。

梅奥诊所与总部位于美国佛罗里达州杰克逊维尔的博兰德格鲁弗医疗集团近日分别宣布了人工智能在医疗领域的创新应用计划。博兰德格鲁弗开发的GI Genius人工智能系统已获美国食品药品监督管理局(FDA)批准用于结肠镜检查，可实时分析手术视频并标记潜在病变区域，协助医生提高检测准确性但不替代临床诊断；梅奥诊所则与微软合作开发医疗AI模型，旨在整合临床数据支持早期诊断和个性化治疗决策，该模型将通过Azure Foundry API向全球医疗机构开放。这两项举措聚焦提升患者诊疗效果，特别针对结直肠癌这一50岁以下成年人首要癌症死亡原因，体现了人工智能技术在现代医疗健康领域的关键应用价值和变革潜力。

梅奥诊所加入联邦资助计划开发AI引导医疗工具，旨在扩大农村和医疗资源不足社区获取医院级别医疗服务的机会。作为PARADIGM项目的一部分，该诊所与SRI国际和佛罗里达大学合作创建智能任务指导系统，特别聚焦于常规采血服务，使移动医疗单元中的医护人员能利用AI辅助技术识别合适静脉、指导针头放置并提供操作指引，减少农村患者长途就医的需求，目前已记录300次抽血操作用于训练AI系统。

格拉茨工业大学、格拉茨大学和格拉茨医科大学联合开发了一款名为A+CHIS的自适应消费者健康信息系统，该系统利用人工智能技术为糖尿病患者提供个性化信息支持。系统能根据用户理解能力动态调整内容深度，分析交互行为识别认知负荷，利用大型语言模型纠正思维偏差并展示替代视角，同时仅使用经医学机构审核的材料确保信息准确性，避免AI产生"幻觉"，目前虽专为糖尿病信息设计但可扩展至其他医学领域，项目成果已作为开源代码发布，有望显著改善患者对疾病知识的理解和自我管理能力。

一项最新研究揭示，医疗AI系统中的成员推断攻击（MIAs）对某些患者群体构成严重威胁，尤其是少数族裔、医疗补助（Medicaid）接受者和罕见病患者。研究发现，AI模型在诊断能力增强的同时，隐私风险也相应增加，传统隐私保护方法已无法应对现代AI攻击。研究人员建议采用患者层面的差分隐私技术，通过添加数学噪声来保护患者身份，确保即使数据高度可识别也能得到充分保护。这一发现对医疗AI的发展方向和隐私保护策略具有重要意义，可能影响未来医疗AI系统的开发和部署方式。

以色列Sheba医疗中心的创新部门ARC宣布启动三项突破性人工智能项目，包括先进的AI中心、AI医疗创新学院和Project K急诊分诊系统。这些项目将彻底改变医院运营模式，从诊断到急诊响应，从临床培训到医学研究，通过整合先进AI技术改善患者预后、优化工作流程。在世界著名AI专家Ayelet Akselrod-Ballin博士领导下，这些举措旨在打造全球首个真正AI驱动的医院，使医疗服务更加精准、高效、个性化，引领全球AI医疗创新前沿，同时将健康科技成功重新投资于医学未来发展。

全北国立大学医预科二年级学生李世贤开发的AI脑血管筛查解决方案"CereVue"在韩国雇佣劳动部主办的"2025 K-Hightech创意挑战赛"中荣获大奖，该技术仅需基本MRI序列即可合成血管图像并定量分析狭窄和动脉瘤等病变，无需额外扫描或造影剂，有效解决了传统MRA检查成本高、时间长及设备短缺等问题，特别适用于缺乏MRA基础设施的地区中小型医院和健康筛查中心，展现出重要的临床应用价值和产业意义。

全北国立大学医预科学生李世贤及其团队开发的AI脑血管筛查技术"CereVue"在韩国全国性竞赛"2025 K-Hightech创意挑战赛"中荣获大奖。该技术仅通过常规MRI即可实现脑血管病变的筛查与分析，无需额外MRA检查，有效解决了传统方法成本高、耗时长和设备不足等问题，特别适合缺乏MRA基础设施的中小型医疗机构，具有重要的临床应用价值和产业意义，展现了本科生开发的AI医疗技术走向实际应用的潜力，为脑血管疾病的早期发现提供了创新解决方案，有望大幅提高基层医疗机构的诊疗能力。

本文详细阐述了机器学习和深度学习技术如何正在颠覆传统医学的"基于证据"模式，通过药物基因组学实现真正的个性化医疗。文章分析了AI如何精准建模药物-基因相互作用、大幅提高疾病早期诊断率，并在精神病学、心脏病学、肿瘤学等领域提供基因型指导的治疗方案，展示了医学从"一刀切"向高度定制化转变的历史性进程，指出AI在医疗全流程中蕴含的巨大潜力，包括诊断检测、药物设计、远程监测和长寿医学等多个方面，预示着医疗健康领域即将迎来革命性变革。

约翰斯·霍普金斯基梅尔癌症中心研究人员开发出名为plasmaCHORD的机器学习模型，该模型通过分析循环游离DNA片段特征，有效区分肿瘤突变与白细胞克隆性造血突变，将临床相关突变的准确识别率从50%提升至83%。此技术解决了液体活检中因白细胞突变干扰导致的误判问题，可帮助临床医生更精准匹配靶向治疗方案，避免无效治疗，目前已在225名癌症患者样本中验证，并获美国国家癌症研究所等多项基金支持，具有快速临床推广价值。