环球医讯AI与医疗健康

迈克尔与苏珊·戴尔通过戴尔基金会向德克萨斯大学奥斯汀分校捐赠7.5亿美元，用于建设美国首个原生AI医疗中心及先进计算研究中心，该中心将于2030年启用，聚焦疾病早期检测、个性化治疗与健康结果优化，同时整合MD安德森癌症中心资源推动医疗突破，此举使戴尔夫妇对德克萨斯大学的累计捐赠额突破10亿美元，成为该校历史上首位达成此里程碑的捐赠者，旨在通过医学、科学与计算技术的深度融合重塑医疗健康体系。

全球疟疾病例近期出现反弹，2024年记录约2.82亿例感染和61万例死亡，撒哈拉以南非洲5岁以下儿童受影响最为严重。德国伯纳德·诺克特热带医学研究所科学家利用人工智能分析疟原虫的var基因，揭示恶性疟原虫通过PfEMP1蛋白变体逃避人体免疫系统的机制，发现特定基因变体与疾病严重程度密切相关，这一突破为预测重症风险、实现更精准监测和治疗提供了新途径，有望系统性解码疟原虫复杂遗传多样性，显著提升全球疟疾防控能力。

戴尔基金会向德克萨斯大学捐赠超过7.5亿美元，用于在北奥斯汀前West Pickle研究中心建设UT戴尔先进研究校区和UT戴尔医学中心，使戴尔夫妇成为该校首位十亿美元级捐赠者。该项目将人工智能深度融入医疗系统设计，旨在打造国家级医疗中心，提供包括多器官专科、先进心脏病学和神经科学在内的复杂医疗服务，预计2030年底开始接收患者，为奥斯汀及周边地区居民提供更先进的医疗保健服务，同时解决医生短缺问题，减轻患者需前往休斯顿等地寻求专业治疗的负担，重新构想未来医疗系统的可能性。

美国癌症研究协会年会上展示的一项研究利用AI-HOPE平台分析了肠道微生物组与结直肠癌的关系，发现早发型结直肠癌与晚发型在微生物多样性、特定突变方面存在显著差异，且早发型病例内部因遗传背景、教育水平和体重指数不同而呈现微生物组差异，表明早发型结直肠癌是一种生物学和环境背景独特的疾病，需要整合基因组数据、微生物组特征及健康社会决定因素的个性化筛查与治疗策略，这为理解年轻人群结直肠癌发病率上升原因及开发早期检测工具提供了新方向。

本文深入探讨了AI健康建议的现状、风险与安全使用指南。随着生成式人工智能的兴起，约三分之一的美国成年人（8500万人）开始使用AI聊天机器人获取医疗信息，用于诊断症状、管理药物等。然而，由于AI可能提供不准确甚至危险的建议（如将脑膜炎症状误诊为只需休息），已被列为2026年最具危害性的健康技术。文章详细分析了AI聊天机器人的工作原理、"幻觉"问题、对心理健康的影响以及隐私风险，并介绍了伊利诺伊州和内华达州等通过的限制性法律。同时，文章提供了实用建议：使用AI获取健康提示和澄清医学术语，但重大医疗决策前务必咨询专业医生，要求提供多种可能性而非单一答案，并寻求基于证据的来源。对于紧急情况，应直接拨打911而非依赖AI。

一项发表在《BMJ Open》的研究显示，对五款主流AI模型进行的健康"压力测试"发现约70%的医疗建议存在问题，其中近20%被评定为"高度有问题"，主要问题包括虚构引用和缺乏必要的防护机制，专家警告AI医疗建议不应替代专业临床咨询，而应作为健康信息的初步参考，并需通过权威机构进行验证。

本文报道了一位75岁神经科学家乔·莱利被AI聊天机器人误导，拒绝接受慢性淋巴细胞白血病的正确治疗，最终因并发症去世的悲剧案例。多位医生警告，AI可以作为医疗决策的辅助工具，但不应取代专业医疗判断；患者使用AI进行自我诊断可能导致严重后果，如本案例中的直肠脓肿被误诊为痔疮。文章强调，AI在医疗领域的正确使用方式是帮助患者准备就诊问题，而非盲目依赖其诊断结果，医生与患者应保持专业沟通，共同做出治疗决策。

国际研究团队成功将人工智能技术应用于Leigh综合征的药物研发，通过结合计算模型和实验验证，发现了西地那非和塔拉罗唑等现有药物的新治疗潜力。这一突破不仅为这种影响每36,000人中的1人的罕见致命脑疾病带来了希望，还展示了AI加速药物再利用的潜力，可能为其他罕见神经疾病的治疗开辟新途径，标志着计算药物发现与传统实验方法融合的重要里程碑，为线粒体疾病治疗领域带来实质性进展。

英普利沃特公司首席医疗官肖恩·凯利医学博士警示，医疗领域部署的自主型人工智能系统正从辅助决策转向直接执行操作，但医疗工作流中不存在纯粹的行政事务——看似低风险的排班等操作可能引发严重临床后果，必须建立以身份认证、权限管控、实时监控为核心的治理体系，确保AI行为可追溯、可干预，将"不伤害"原则作为医疗AI的根本标准，任何能执行医疗操作的系统都需承担相应的责任界定。

纽约理工学院骨科医学院(NYITCOM)副教授米兰·托马(Milan Toma)领导的研究表明，当前流行的大型语言模型(LLMs)如ChatGPT、Claude等在医疗诊断方面存在严重缺陷，基本诊断错误率高达20%，且各模型对同一病例的解释差异巨大。研究强调，虽然专用医疗AI工具已在临床实践中广泛应用，但通用语言模型并非为诊断设计，它们会生成听起来权威但实际上可能错误或不一致的解释，因此所有医疗诊断必须由专业医生监督，这是不可协商的安全底线。