环球医讯AI与医疗健康

在健康+人工智能技术展上，专家们指出一线医疗从业者对公众接受AI在医疗环境中实施存在担忧，尽管数据显示英国公众对医疗领域AI应用的支持度实际上高于其他领域。41%的英国成年人认为AI是危险技术不应在公共部门使用，而29%的人支持广泛采用，其中医疗应用获得公众最多支持，NHS中AI实施支持率达38%，反对率远低于警务、国防和社会护理等领域。专家呼吁在AI工具开发中充分整合临床医生意见，通过理解现有工作流程和临床决策过程，设计出真正符合医疗实践需求的人工智能解决方案。

在"健康+AI科技展"上，专家们讨论了AI在放射学领域的应用现状及其对工作量的影响。研究表明，尽管AI工具被广泛引入，但超过半数放射科临床主任认为其未能显著减轻工作负担，甚至有37%报告工作量增加。放射科面临严重的劳动力短缺和职业倦怠问题，专家呼吁在开发AI工具时应考虑实际工作环境和系统性问题，而非在脱离现实的真空中进行，同时需要解决责任归属和工作流程整合等关键挑战。

俄罗斯卫生部长Mikhail Murashko在对斯里兰卡为期三天的正式访问期间，与斯里兰卡卫生和大众媒体部长Nalinda Jayatissa举行会谈，双方就加强斯里兰卡初级卫生保健系统及在医疗领域应用人工智能等现代技术展开深入讨论。俄罗斯承诺提供AI健康支持系统、先进医疗设备培训及医学教育机会，特别介绍了一种能识别诊断42种疾病的AI技术系统，涵盖农业和城市地区的实验室服务与儿科诊断，并提议签署两国卫生部门谅解备忘录以深化合作，共同提升斯里兰卡医疗服务质量，同时表示愿在能源等领域提供支持。

本文总结了Kaggle上作用机制（MoA）预测竞赛，介绍了如何使用深度学习算法预测新药的作用机制。文章详细解释了竞赛数据集，包括基因表达特征和细胞活力特征，以及206个作用机制目标。作者比较了多种深度学习模型在多标签预测任务中的表现，并重点介绍了多层感知机、TabNet和DeepInsight CNN三种架构，展示了深度学习在药物发现领域的应用前景，为加速新药研发提供了创新思路。

随着生成式人工智能工具在医疗领域的应用日益广泛，每天有超过4000万人向ChatGPT咨询健康问题，但专家警告这些工具存在"幻觉"风险、数据隐私隐患和诊断局限性。本文详细介绍了如何安全有效地利用AI聊天机器人获取医疗信息，包括在预约前准备、解读实验室结果和回答日常健康问题等方面的应用场景，同时强调了避免将AI输出误认为诊断、保护个人隐私和验证信息来源的重要性，为公众在AI医疗辅助工具兴起的时代提供了实用指南，帮助用户在享受技术便利的同时规避潜在风险。

本文详细列举了2026年全美50家医疗系统在人工智能应用方面的最新进展，涵盖环境AI临床文档、AI代理与自动化、临床AI与诊断、财务与运营AI、电子健康记录中的AI、企业级AI合作、护理与远程医疗中的AI、专科护理与研究中的AI、收入周期管理中的AI以及AI治理与战略等多个领域，展示了AI技术已从试点阶段全面进入实际应用，为医疗系统带来显著的效率提升和临床价值，年创造价值超过1亿美元，降低脓毒症相关死亡率，减少医护人员职业倦怠，并在收入周期管理、患者体验和临床决策支持方面取得实质性成果。

数字脑双胞胎是一种利用真实生物数据构建的个性化计算模型，旨在模拟个体大脑的结构和功能。这些模型能够预测疾病发展轨迹、测试治疗方法并模拟认知过程，已在癫痫研究等领域展现出应用前景。尽管面临计算资源限制、验证难题和伦理问题等挑战，研究人员仍乐观认为这一技术将推动医学从反应式向预测式转变，实现更精准的个性化医疗，同时引发关于数据所有权、隐私保护和公平性的深刻讨论。该技术融合了人工智能、高性能计算和神经科学，正处于从抽象概念向科学目标转变的关键阶段，其发展将重新定义生物现实与数字表征之间的界限。

全球生物制药公司伦贝克与蛋白质工程人工智能平台Cradle宣布建立战略合作伙伴关系，将利用Cradle的AI驱动蛋白质设计平台加速脑部疾病治疗方法的研发。此次合作聚焦于两个针对中枢神经系统疾病的抗体项目，通过端到端AI引导的工作流程，将实验结果持续反馈至AI模型，显著提高预测准确性和候选药物收敛速度。作为伦贝克"仿生公司"战略的重要组成部分，该合作将结合近期与丹麦人工智能创新中心的合作，强化其端到端AI发现能力，有望将药物研发周期从数月缩短至24小时内，同时扩大科学搜索空间约50,000倍，为全球脑部疾病患者带来更有效的治疗选择。

麻省总医院最新研究显示，传统诊断决策支持系统DXplain在疾病诊断中仍优于ChatGPT和Gemini等生成式AI模型。在包含实验室数据的测试中，DXplain的正确诊断率达72%，明显高于ChatGPT的64%和Gemini的58%；即使在没有实验室数据的情况下，DXplain仍以56%的准确率领先。研究强调了传统系统在高压医疗环境中的可靠性价值，同时建议将生成式AI的语言处理能力与传统系统的数据驱动方法相结合，通过优势互补提升临床决策质量，为医疗人工智能的未来发展提供新思路。

最新研究表明，当前流行的聊天机器人在回答健康问题时准确率不足50%，且约五分之一的错误回答具有潜在危险性；尽管数百万人将AI工具作为健康咨询的第一站，但专家警告这些系统基于模式识别的工作方式无法替代医生的诊断能力，特别是在信息有限的情况下容易做出错误结论，消费者应将其视为医疗专业人员的补充而非替代。