环球医讯AI与医疗健康

美国联邦医疗保险服务中心将于2025年1月启动WISeR试点项目，在亚利桑那等六州测试人工智能驱动的事先授权系统，允许私营公司审核老年人特定医疗请求并在拒绝服务时获得经济奖励。该项目引发医疗界强烈反对，医生警告将增加行政障碍、延误必要治疗甚至导致健康风险，立法者已提案废除；支持者则称旨在遏制每年高达58亿美元的低价值医疗支出，但私营公司与保险巨头的资本关联引发对利润驱动型拒批的担忧，凸显AI应用于医保决策的伦理困境与制度漏洞，亟需建立有效监管机制保障患者权益。

麻省理工学院MIT贾米尔诊所与日本国立癌症研究中心医院宣布开展合作，评估名为"未来"（Mirai）的突破性深度学习模型在预测日本女性乳腺癌风险方面的能力。该人工智能工具已在23个国家72家医院超过200万份乳腺X光片上得到验证，此次联合研究将分析2013至2024年间的乳腺筛查数据，旨在确定该模型能否准确评估日本女性的乳腺癌风险。若验证成功，研究成果将推动日本建立基于风险的个性化乳腺癌筛查体系，使高风险人群获得更密切监测，同时减少低风险人群不必要的检查，显著提升早期发现率和五年生存率，为人工智能辅助癌症预防提供重要实践案例。

本文深入探讨了全球范围内患者将血液检测结果、医生笔记等医疗记录上传至ChatGPT等AI聊天机器人的现象，揭示了隐私泄露和诊断准确性等关键问题。通过26岁的伦敦居民莫莉·克尔和63岁的埃利奥特·罗伊斯等真实案例，展示了患者如何利用AI寻求健康建议，既有成功（如罗伊斯发现动脉严重堵塞）也有误诊（如克尔被错误提示垂体瘤）；同时引用哈佛医学院专家观点，强调聊天机器人无法像医生那样有效利用患者数据，且健康隐私法不适用于这些平台，用户几乎放弃所有医疗隐私权。文章结合南佛罗里达大学和范德比尔特大学研究，警示数据可能被意外泄露，呼吁公众在享受技术便利的同时，务必警惕健康信息被滥用的风险，平衡创新与安全。

新任ELLIS芬兰研究所首席研究员阿扎德法尔沙德专注于将人工智能技术应用于医疗领域，尤其在计算机视觉和生成模型方向开发手术模拟与医疗场景生成工具；她强调好奇心驱动研究，倡导学术自由环境，致力于通过导师计划支持年轻科研人员，并指出医疗影像处理对开发下一代临床辅助工具至关重要，其工作将显著提升人工智能在医疗实践中的转化效率。

加尔各答多家私立医院正积极采用人工智能技术，通过定制化应用程序实现无接触挂号、实时生命体征监测和电子病历管理，有效减少患者在接待处的排队时间并提升诊疗效率。RN Tagore国际心脏科学研究所推出的"无接触入院"服务允许患者在线完成入院全流程，Woodlands医院开发的双应用系统将整合诊断测试建议与床位预订功能，而Charnock医院的AI预警系统能提前检测患者病情恶化迹象。这些创新应用不仅缩短了门诊等待时间，还使患者能够远程管理医疗需求，标志着印度医疗体系加速向数字化、智能化转型，为全球智慧医疗发展提供了实践范例。（158字）

文莱Unified National Networks（UNN）与EVYD科技公司合作成功部署高性能AI GPU服务器，建成该国首个国家级人工智能应用平台，该平台依据国际Tier 3 Uptime认证标准建设，采用双电源保障系统，为卫生部及BruHealth应用用户提供安全可靠的数据环境，通过机器学习与高级数据分析技术强化临床决策支持和公共卫生服务，同时严格保障国家数据主权，标志着文莱商业数据中心首次具备承载高密度AI工作负载能力，此举深度契合文莱2035宏愿及卫生部数字健康战略，为全国医疗体系智能化升级奠定技术基础。

多光谱与高光谱成像技术通过捕捉可见光谱之外的详细光谱信息，结合人工智能显著提升癌症早期检测能力，能够识别肿瘤细胞与免疫浸润的复杂互动及早期癌症的生化形态变化。本研究主题聚焦于解决传统成像技术在区分良恶性组织和早期诊断中的局限性，推动成像技术与AI算法的深度整合，鼓励提交技术创新、临床应用及转化研究等成果，旨在汇编最新研究进展以增强诊断精度，最终改善癌症患者预后并应对真实医疗环境中的应用挑战。

最新研究指出，在当前气候条件下重现2003年欧洲热浪将导致单周逾1.78万超额死亡，若全球升温达5.4华氏度（3摄氏度）则死亡人数将升至3.2万；研究结合气候模型与人工智能技术分析历史热浪数据，揭示热浪通过复合极端事件机制加剧健康风险，尤其威胁老年人群和慢性病患者，可能导致医院因心脏病发作、呼吸系统疾病激增而瘫痪，呼吁将极端热浪周视为公共卫生紧急事件并采取医院制冷规划、社区遮荫等适应性措施，同时强调温室气体减排对遏制年度热相关死亡率上升（2℃升温下每百万人160-170例，4℃下升至467例）的关键作用。

伦敦国王学院研究人员开发的人工智能系统能自动分析脑部磁共振成像扫描，准确识别中风、多发性硬化症及脑肿瘤等异常，该技术通过6万余份历史扫描报告与影像自主学习，在测试中表现媲美专业放射科医生，有望解决全球医院因放射科医生短缺导致的诊断积压问题，计划于2026年在英国开展大规模临床试验，但研究强调该系统仅为辅助工具而非替代医生，需进一步验证日常医疗中的准确性和跨机构适用性。

伦敦国王学院研究人员开发了一种新型自训练人工智能模型，通过分析60000余份脑部MRI扫描及对应放射科报告，无需专家手动标注即可准确识别中风、多发性硬化症、脑肿瘤及动脉瘤等异常，该模型能实时标记异常扫描、检索相似病例、检测报告错误并辅助临床决策，有望缓解全球放射科医生短缺导致的诊断积压问题，缩短患者等待时间并改善治疗效果，相关研究发表于《放射学人工智能》期刊，计划于2026年在英国开展多中心临床试验验证实际应用价值。