环球医讯AI与医疗健康

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。

美国研究人员开发出首个单一人工智能平台，通过整合光学相干断层扫描和眼底摄影技术，同步检测糖尿病视网膜病变、青光眼及早产儿视网膜病变三大致盲病因；该系统创新性地提供病理特征解释与不确定性评估功能，可部署于远程医疗及新生儿重症监护等场景，旨在辅助而非替代医生决策，目前正推进多中心临床验证以优化跨人群适用性，有望显著提升全球可预防性失明的早期干预效率。

德国专业制药公司Neuraxpharm与西班牙数字健康初创公司mjn-neuro联合开发的Episeras可穿戴设备，采用人工智能算法实时监测大脑电信号模式，能在癫痫发作前数分钟发出预警，为药物难治性癫痫患者提供重要安全保障。该设备已获欧洲IIa类医疗器械认证并取得欧盟CE标志及英国UKCA认证，计划于2026年下半年在欧洲全面上市，目前正于西班牙、英国和德国开展前瞻性临床试验，标志着"超越药片"战略取得实质性突破，有望显著改善患者日常生活质量与安全状况，为全球约30%的药物难治性癫痫患者带来革命性解决方案。

英国研究人员开发了全球首个评估平台，用于测试商业AI算法在NHS应用中的公平性和适用性。该平台分析了120万张视网膜图像，评估八种AI系统检测糖尿病视网膜病变的能力，结果显示算法准确率在83.7%至98.7%之间，且在不同种族和年龄群体中表现稳定。这项发表于《柳叶刀-数字健康》的研究为AI医疗应用建立了严格评估标准，克服了数据偏见风险，未来可扩展至癌症和心脏病等慢性病领域，为英国400万糖尿病患者的筛查提供技术支持，标志着医疗AI安全应用的重要突破。

研究人员开发出新型测试平台，首次以糖尿病性眼病为案例验证商业AI算法在英国国家医疗服务体系中的公平应用能力；该平台通过隔离企业数据访问权限，在可信研究环境中评估25家CE认证算法，成功消除公司推广AI软件时产生的商业偏见，确保算法在32%白人、17%黑人及39%南亚裔群体中保持83.7%-98.7%的检测准确率，效率较人工提升50倍以上，为AI医疗应用建立首个公平透明的评估标准，同时推动社区糖尿病眼病筛查每年减少12万个医院预约量。

第八届物理医学和医疗康复国际会议在阿联酋阿布扎比成功举办，汇聚600余名本地、区域及国际专家共同探讨神经康复、肌肉骨骼疾病、脊髓损伤等领域的前沿创新。会议重点展示了人工智能与先进技术在优化循证治疗方法、提升康复服务效率及改善患者预后方面的突破性应用，通过科学专题讨论与互动工作坊深入交流实践经验，为医疗机构提供推进当前实践、获取专业知识和制定战略的宝贵平台，同时突显了创新技术手段对增强治疗效果、提高结果准确性和改善各年龄段患者生活质量的重要价值。

世卫组织欧洲区域办事处发布报告指出，随着人工智能在欧洲医疗系统加速应用，仅8%的国家制定了专项国家AI健康战略，近三分之二国家已采用AI辅助诊断技术。报告强调必须建立更完善的法律框架以解决患者安全、隐私保护及医疗公平性风险，包括明确责任归属、设立伤害补救机制，并要求AI系统在应用于患者前必须经过安全性、公平性及实际效果测试，避免因监管滞后导致临床信任危机和边缘群体医疗不平等加剧。

瑞典厄勒布鲁大学研究人员开发出两种新型人工智能模型，通过分析脑电图信号中的α波、β波和γ波等频段特征，能以80%以上的准确率区分健康人群与痴呆症患者（包括阿尔茨海默病和额颞叶痴呆），该技术结合了可解释性深度学习框架与时间卷积网络、长短期记忆网络等方法，具有快速、低成本及隐私安全优势，有望成为基层医疗和家庭检测的实用工具，为早期干预提供关键支持。