环球医讯AI与医疗健康

人工智能教父杰弗里·辛顿指出，尽管AI将颠覆绝大多数行业并加剧美国贫富差距，但医疗保健领域将相对免于大规模岗位流失，主要源于医疗服务需求几乎无上限且医疗决策需要人类特有的精细判断、患者互动和伦理考量，不过AI仍可能在诊断辅助、行政事务、个性化分析及远程医疗等方面重塑医疗工作模式，这既减轻医生负担又可能改变诊所人力资源配置。

一项由美国埃默里大学团队主导的新研究揭示，常规乳房X光检查在筛查乳腺癌的同时，通过人工智能技术分析乳腺组织动脉中的钙化程度，可有效预测女性未来心脏病风险。研究基于5.6万余名女性五年的跟踪数据，发现钙化严重者五年内心脏事件风险高达近三倍，尤其对60岁以下女性预测价值显著。这一突破有望将现有筛查转化为双重健康评估工具，无需额外检查即可提供心脏健康信息，突显了人工智能在医疗领域的创新应用潜力，并可能推动心脏病早期检测的普及化与精准化，为女性健康防护开辟新途径。

南非私立医疗集团Netcare与荷兰医疗技术公司Corsano Health合作，将采用医疗级可穿戴设备对其全国约6000张普通病房床位的患者进行24小时不间断监测。这些设备能够监测血压、心率、血氧饱和度等关键生命体征，通过与电子医疗记录系统整合，将住院护理从被动反应模式转变为主动预测模式，减轻医护人员工作负担，并为临床研究和人工智能驱动的医疗创新提供高分辨率数据集，旨在建立持续监测的新标准，实现从医院到家庭的全方位预测性医疗保健。

美国Advocate Health医疗系统通过整合人工智能技术为约22,000名医生及高级执业提供者减轻行政负担，成功重获美国医学会"医学中的喜悦"金奖认证。该系统作为全美最大医疗网络，采用微软Dragon Copilot环境临床文档系统和Epic人工智能病历摘要工具，使医护人员能专注患者诊疗而非文书工作，每年节省30,000小时工作时间；通过减少职业倦怠、提升留任率及优化临床体验，显著改善医疗服务质量，为人工智能赋能医护人员提供了可复制的行业范本，彰显科技与人文关怀在医疗领域的深度结合。

葡萄牙科英布拉大学研究团队开发了一种基于纹理的光学相干断层扫描(OCT)图像分析方法，能够检测2型糖尿病早期阶段的视网膜变化，该技术通过量化微观纹理参数揭示了传统方法无法检测的神经血管异常，其敏感度足以在临床症状出现前识别亚临床病变，为糖尿病视网膜病变的早期诊断提供了新途径，这种AI启发的技术有望整合到常规眼科检查中，帮助医生在患者视力看似正常时发现微观结构紊乱，从而实现个性化干预、预防不可逆损伤并减轻全球糖尿病失明负担，相关研究已发表在《Eye and Vision》期刊上。

金斯顿大学参与的研究在《柳叶刀·数字健康》发表重要成果，展示了世界首个独立评估AI疾病检测系统的平台，该平台成功验证了商业AI算法在英国国家医疗服务体系中安全可靠地检测糖尿病视网膜病变的能力，特别证明了在不同种族群体中表现一致且准确率高达95.8%至99.5%，远超人类分析速度，为建立全国性AI医疗基础设施铺平道路，将消除医疗差异、加速患者诊断，并有望成为癌症和心脏病等其他慢性疾病AI工具评估的行业标准，显著提升公众对医疗AI的信任度与接受度。

2025年11月，Becker牙科评论采访了多位牙科行业领袖，深入探讨了劳动力短缺、战略增长及技术应用等核心议题。Fireside牙科公司首席财务官约翰·贝尔指出解决卫生师短缺需双管齐下，通过职业推广增加供给并借助AI优化工作流程；Cal Dental USA首席执行官詹姆斯·琼斯强调人性化服务不可替代，亲力亲为的管理更能满足患者需求；Tend首席牙医官克里斯·萨利尔诺分享了创新薪酬模型以支持扩张计划，平衡文化传承与技术创新；Beam福利公司斯科特·卡尔尼兹预测2026年牙医将面临运营复杂性与护理质量的平衡挑战，主张通过AI实现行政任务自动化。这些观点系统揭示了牙科行业在变革中的系统性应对策略。

Relias公司2025年医疗保健技术报告基于对2000多名专业人士的全国调查显示，44%的医疗保健从业者认为人工智能能通过提升运营效率缓解人员短缺危机，但53%完全不知如何使用AI，暴露出巨大知识鸿沟；66%受访者将人员短缺列为首要挑战，而排班优化AI等工具对一线人员仍属陌生概念，后急性护理领域技术采用率显著落后于急性护理，仅16%对人员管理策略满意，虚拟现实培训因成本障碍仅5%机构采用，但使用机构报告培训效率大幅提升至10-15分钟完成，凸显行业亟需加强技术培训与绩效整合以应对支付方实时报告需求。

密苏里州圣路易斯华盛顿大学医学院研究团队通过分析1164名健康成年人的全身MRI扫描数据，结合人工智能算法量化肌肉与脂肪分布，发现肌肉量更高且内脏脂肪更少的身体轮廓与更年轻的大脑显著相关；该研究表明维持肌肉量并减少腹部隐性脂肪可有效延缓脑龄衰老，从而降低阿尔茨海默病等神经退行性疾病风险，同时提示GLP-1类减肥药物在靶向减少内脏脂肪时需优化方案以最小化肌肉流失影响，相关发现将于北美放射学会年会上公布。

哈佛医学院与巴塞罗那基因组调控中心的研究团队在《自然·遗传学》发表突破性成果，开发出popEVE人工智能模型，该模型创新性整合进化数据和人类群体数据库，实现全蛋白质组范围的基因变异有害性精准评估，有效解决罕见疾病诊断中错义变异的解读难题；popEVE使医生仅凭患者自身遗传信息即可优先聚焦高破坏性变异，在31,000多个发育障碍儿童家庭验证中以98%准确率识别致病突变，性能超越AlphaMissense等现有技术，并发现123个全新候选疾病基因，同时通过缓解遗传数据库人群代表性不足问题，显著提升诊断效率、降低成本并促进医疗公平性，为全球罕见病诊疗带来革命性突破。