环球医讯AI与医疗健康

美国肯尼索州立大学助理教授穆罕默德·伊姆兰开发基于人工智能与微型超声波技术的前列腺癌检测新方法，通过融合高分辨率影像与机器学习模型显著提升诊断准确性，有效减少假阳性导致的无效活检，降低患者痛苦及医疗成本；该技术可实现实时癌症风险评估，简化诊断流程，目前虽处早期验证阶段但已展现超越传统生物标志物的潜力，未来有望通过大规模数据测试推动癌症筛查革新，为全球男性健康领域带来突破性进展。

卡罗林斯卡学院新成立的人工智能创新中心旨在提升人工智能在医疗研究中的应用水平，通过汇集不同领域技能、制定相关政策、促进多学科合作，确保技术服务于医疗专业人员而非相反。中心将作为支持枢纽，既处理"由内而外"的创新，也支持"由外而内"的创新，与企业合作推动医疗人工智能发展，同时关注数据安全、伦理责任和患者利益，避免过去因数据样本过于狭窄导致的医疗偏差问题，强调"零号问题"——即该问题是否应该用人工智能来解决，确保医疗AI真正服务于人类健康需求。

本文深入探讨人工智能在医疗保健领域的结构性变革潜力，指出AI不应仅作为效率工具，而需通过重塑行政流程（如优化预先授权和理赔处理）与医疗服务模式（推动"左移"策略实现预防性护理），系统性减少会员体验中的摩擦点。作者强调医疗AI实施必须建立以人类为中心的治理框架，结合流程重构与人才培养，在保障数据隐私与消除算法偏见的前提下，构建更透明、响应迅速且人性化的医疗体系，最终实现改善健康结果与增强医患信任的双重目标。

一项最新研究发现，AI聊天机器人经常向癌症患者推荐化疗替代方案，其中近半数回答被专家评定为"有问题"，包括30%"有点问题"和19.6%"严重问题"。研究人员对Grok、ChatGPT等主流AI进行测试，发现它们倾向于对科学和非科学信息一视同仁，可能引导患者远离获批疗法。约四分之一美国成年人使用AI获取医疗指导，专家警告错误信息可能危及生命，强调需要加强监管和公众教育，防止患者因错误建议而放弃正规治疗，错失救命机会。

埃尔朗根-纽伦堡大学(FAU)Pooja Gupta博士领导的"AI-PREDICT"项目获得德国联邦研究、技术和航天部约200万欧元资助，利用人工智能技术深入研究炎症性肠病与帕金森病之间的潜在生物学联系，通过分析从肠道微生物组成到基因、蛋白质和代谢产物等多个生物层面的分子模式，旨在识别高风险人群并实现早期预测，研究成果有望不仅改善两种疾病的诊断与治疗，还为研究其他共病提供科学蓝图，推动未来医学发展。

Harbor-UCLA医学中心Lundquist生物医学创新研究所最新研究显示，主流AI聊天机器人在回答癌症相关问题时，近半数提供了"有问题的"建议。研究测试了包括ChatGPT、Gemini、Meta AI在内的多款聊天机器人，发现它们不仅会列出针灸、草药等缺乏科学依据的替代疗法，甚至推荐提供替代癌症治疗的诊所，可能导致患者放弃正规治疗。专家警告，AI在医疗领域的应用存在严重风险，已有患者因依赖AI预后信息而情绪崩溃，当前技术尚无法确保医疗AI的安全性和可靠性，亟需建立更严格的监管和验证机制以保障公众健康。

最新研究显示，包括谷歌Gemini、Meta AI、ChatGPT和马斯克Grok在内的主流AI聊天机器人，在测试中会向用户提供未经科学验证的癌症化疗替代疗法，近半数响应存在问题，其中19.6%存在严重误导风险。这些AI模型在应对"哪些替代疗法比化疗更好"等诱导性问题时，虽警告替代疗法风险，仍会列出针灸、草药及所谓"抗癌饮食"等方案，甚至推荐格森疗法等拒绝化疗的诊所，专家警告此类"虚假平衡"的响应可能导致患者延误正规治疗，已有患者因AI错误预后诊断而产生严重心理创伤，凸显当前AI医疗应用存在重大公共健康隐患。

瑞典初创公司AI Medical Technology开发的Dermalyser AI工具在涉及37家初级保健诊所的临床研究中展现出95%的敏感度和86%的特异性，能够比医生更准确地检测皮肤癌中的恶性黑色素瘤，该工具采用深度神经网络技术分析皮肤病变图像，医生通过安装皮肤镜的智能手机拍摄患者皮肤病变，几秒内即可获得高精度诊断支持，预计今年第四季度作为SaaS解决方案推向市场，有望提高早期癌症诊断效率并减轻皮肤科医生工作负担，目前已完成临床验证并准备申请CE认证。

本文深入探讨了AI在医疗诊断领域的应用现状、优势与局限，通过分析拜登被诊断出恶性前列腺癌的案例，详细比较了AI与人类医生在诊断准确度上的差异，指出尽管AI在特定领域（如医学影像识别）表现优异，但总体准确率仍落后专家医生15.8%，文章还探讨了医疗AI面临的数据质量、伦理责任和接受度等挑战，并预测未来将是"AI+医生"的协同发展模式，AI将作为辅助工具提升医疗效率和质量，而非完全取代人类医生，为个性化医疗和远程医疗带来新的可能性。

美国MD安德森癌症中心研究人员开发了一种名为Path-IO（病理驱动免疫疗法优化）的生物学引导型人工智能模型，该模型通过分析常规苏木精/伊红染色病理切片，能更准确地预测晚期肺癌患者对免疫检查点抑制剂疗法的反应。研究显示，被该模型判定为高风险的患者疾病进展或死亡风险是低风险患者的两倍以上，在MD安德森队列中无进展生存期风险比达2.34，总生存期风险比达2.11，且该模型的预测能力优于目前临床广泛使用的PD-L1表达标准生物标志物。整合放射组学和临床数据后，模型预测准确性进一步提升至无进展生存期C指数0.7，为个体化癌症免疫治疗决策提供了科学依据和新工具，有望减少不必要的治疗副作用并优化治疗方案选择。