环球医讯AI与医疗健康

约翰斯·霍普金斯大学布隆伯格公共卫生学院宣布将于2026年5月8日在马里兰州巴尔的摩Mustang Alley举办首届"人工智能+医疗保健创意论坛"，活动邀请五位参赛者展示如何创新应用人工智能解决公共卫生挑战的5分钟演讲，内容涵盖诊断、医疗设备和药物发现等领域，活动包括下午1:30-2:00的创新交流会和2:00-3:00的演讲比赛，三位获胜者将获得250-1000美元奖金，评委团队由Popper and Company联合创始人Caroline Popper、JHTV人工智能创新总监Sha Zhan和Techstars董事总经理Nick Culbertson组成，他们均在医疗AI领域拥有丰富的行业经验和专业背景。

凯雷集团宣布收购美国领先的医疗收入周期管理(RCM)服务提供商Knack RCM和EqualizeRCM的控股权，旨在打造一个AI原生、全球性的多专科医疗收入周期管理平台。此次合并将结合两家公司在耐用医疗设备、麻醉、眼科护理、行为健康等领域的专业优势，利用人工智能技术提升医疗提供商的财务健康和患者护理质量，预计将增强运营规模和多样化，扩大交付范围，并加速AI能力以改善客户成果。该平台将服务于医师团体、耐用医疗设备提供商、乡村医院及其他专科服务提供商，以应对美国医疗市场不断增长的需求，解决利润率压缩、劳动力短缺和向基于价值护理转变带来的挑战。

罗维拉-威尔吉利大学研究团队开发出名为CoCoGraph的化学感知人工智能系统，该系统能够生成数百万种符合化学规律的新分子，且100%生成物在化学上有效。测试显示，化学专家在40%的情况下无法区分AI生成分子与真实分子，该技术在约三分之二的物理化学特性上优于现有模型。这项突破有望大幅加速新药研发进程，为材料科学和药物设计提供革命性工具，有望在几乎未被探索的化学宇宙中快速发现具有特定功能的新分子，对医药健康领域产生深远影响。

英国伯明翰大学研究人员在《癌症医学》杂志发表最新研究，发现胰腺癌、肥胖和糖尿病患者体内存在共同活跃的六种炎症相关基因（ITGAM、PECAM1、CCL5、STAT1、STAT2和CD44）。这些基因在代谢疾病和胰腺癌中形成共享的生物学联系，解释了为何肥胖和糖尿病患者胰腺癌预后更差，并为识别高风险患者及开发针对性治疗方法提供了新思路。该研究采用整合性多阶段方法，结合人类和小鼠遗传数据大规模分析、胰腺肿瘤单细胞分析及实验室验证，揭示了特定免疫细胞群在肿瘤微环境中与代谢功能障碍和癌症进展相关的炎症活性。

美国乡村音乐巨星兰迪·特拉维斯在2013年经历毁灭性脑卒中导致失语瘫痪后，于2026年4月启动"更多人生"巡演，坐轮椅谢幕时获观众起立欢呼。其妻子玛丽披露拒绝医生终止生命支持建议的康复历程，并详解如何通过人工智能技术提取特拉维斯原始人声制作新曲，巡演中由歌手詹姆斯·杜普雷代唱结合历史影像呈现其艺术生涯，展现科技与医疗康复的深度融合，为神经系统疾病患者带来希望之光。

克利夫兰诊所实施的AI语音记录员试点项目大获成功，4000名临床医生主动采用该技术，有效减轻了医生文书工作负担，每天节省14分钟工作时间，让医生能够更加专注于患者护理，重获"职业乐趣"。这项环境AI技术通过手机应用记录医患对话，自动生成结构化报告，但需医生审核确保准确性，目前已有约5000名医疗人员使用，展示了人工智能在医疗领域的巨大潜力和应用前景，为解决医疗系统中的文书工作过载问题提供了创新方案，同时也引发了关于AI在医疗中应用边界和数据隐私的重要讨论。

克利夫兰诊所宣布其量子创新催化器计划最新入选的3家初创企业——EntangleBio、Polaris Quantum Biotech和Singularity Quantum，这些公司将利用克利夫兰诊所的IBM量子系统One开展为期12个月的研究项目，聚焦罕见病基因研究、药物开发AI模型优化及心血管风险实时预测，同时有望获得K5东京黑基金最高25万美元投资。该计划是克利夫兰诊所与IBM为期10年"发现加速器"合作的重要组成部分，旨在通过量子计算技术推动医疗健康和生命科学研究的创新突破，加速生物医学研究进程。

克利夫兰诊所正与初创公司Luminai合作，测试AI如何优化医院运营流程。Luminai开发的虚拟收件箱代理能自动处理转诊传真，提取患者信息并匹配合适医生，将处理时间从数天缩短至1分钟内。该技术旨在成为医疗系统行政操作平台，整合转诊、资格认证、预约和后续护理等多环节工作流，有望显著提高医院运营效率，减轻医护人员行政负担，改善患者体验，同时应对医疗系统面临的成本压力、人员配置限制和运营复杂性挑战。

伊利诺伊大学厄巴纳-香槟分校的研究人员开发了一种名为MRx的多路复用MRI技术，该技术能够使用标准临床MRI系统同时高分辨率映射超过20种生物标志物，为脑部提供全面视图。这项AI驱动的成像技术无需对比剂即可测量多种生物标志物，通过超快数据采集和基于物理的机器学习方法，可在约14分钟内完成全脑扫描，显著缩短了传统多对比MRI协议所需的时间。研究人员已成功将该技术应用于脑肿瘤和多发性硬化症患者的诊断，通过捕捉结构、生理和分子变化，为肿瘤微环境和潜在生理过程提供了多方面评估，观察到代谢改变、水肿、轴突损伤和脱髓鞘等现象，有助于更精确地区分肿瘤状态，预测多发性硬化症病变进展，有望提高诊断和治疗的精确性，改善患者预后。

一项发表在《儿科研究》杂志上的研究显示，使用真实临床案例评估发现，先进的AI模型在诊断准确性方面，尤其是在罕见病诊断上，表现优于儿科医生，而人机结合的方法则取得了最高的总体成功率。这项研究由西班牙巴塞罗那圣胡安德迪奥斯医院的克里斯蒂安·劳内斯博士领导，评估了四种高级语言模型与78名儿科医生在50个病例中的表现，这些病例包括常见疾病和罕见病。研究表明，AI可作为临床医生监督下的第二意见，特别是在涉及罕见病的疑难病例中，帮助拓宽鉴别诊断范围，降低漏诊可能性，但需要在严格的监督框架下批判性地解释AI输出结果。