环球医讯AI与医疗健康

美国梅奥诊所研发的新型人工智能模型能够在常规CT扫描中识别出人眼无法察觉的胰腺癌早期迹象，将诊断时间提前长达三年，显著提高治愈机会。该系统对最终确诊前平均16个月的扫描可识别73%的病例，在诊断前两年以上的扫描中检测能力提升近三倍。这一突破性技术已发表在《Gut》期刊上，有望解决胰腺癌因早期难以发现而导致高死亡率的难题，预计到2030年将使胰腺癌成为癌症相关死亡的第二大原因，对全球医疗健康领域具有重大意义。

前英格兰橄榄球国手刘易斯·穆迪在被诊断出运动神经元疾病(MND)后，通过使用人工智能技术保存自己的声音，他表示这一过程让他感到"温暖"；MND是一种无法治愈且会限制寿命的神经性疾病，会影响大脑和脊髓中的神经，导致言语能力逐渐丧失；穆迪透露他已录制大量声音和行为数据用于创建个性化AI声音，以保持未来沟通能力，并计划进行500英里骑行为MND研究筹款，同时分享了多位知名橄榄球运动员包括多迪·韦尔、乔斯特·范德韦斯特胡森和罗布·伯罗都曾罹患此病的情况，以及自己如何积极面对病情变化的心理历程。

澳大利亚眼科研究中心的凯瑟琳·简博士因开发AI辅助青光眼筛查技术而获得2026年维多利亚州卫生与医学研究州长奖，该技术已在200多家验光诊所部署，并开发出全球首个在全科医生诊所使用的AI青光眼筛查亭子，有望显著提高青光眼早期检测率，减少澳大利亚63%未被诊断的青光眼患者，避免可预防的视力损失，同时为医疗系统带来显著节约，目前该团队正与世界卫生组织开展合作，将类似技术应用于糖尿病等其他疾病的筛查。

一项发表在《制造与服务运营管理》杂志上的新研究显示，盖辛格健康系统实施的AI引导癌症筛查外展项目有效提高了结直肠癌筛查率并降低了患者死亡率。研究表明，接受AI识别并参与外展项目的患者三个月内完成结肠镜检查的可能性提高6%，六个月内提高6.9%，两年死亡率降低6.2%，相当于对照组死亡率的43%降幅。该研究证明了机器学习与人工外展相结合的模式能精准识别高风险人群，促进早期筛查干预，为医疗系统优化癌症预防策略提供了科学依据，具有重要的公共卫生意义和临床应用价值。

本文探讨了牙科服务组织在数字时代的成功转型路径，指出人工智能将消除诊疗不确定性而非取代牙医，行业评判标准正从规模扩张转向诊所质量提升，口腔健康将深度融入整体医疗体系，强调投资预防医学和跨学科整合的组织将引领医疗健康未来，对DSO战略发展具有重要指导意义。

AI-CARE联盟开发了一种创新的数据标准化流程，成功整合了来自德国14个州级癌症登记系统的肺癌、乳腺癌、甲状腺癌和非霍奇金淋巴瘤数据，处理了超过100万名患者的记录。该方法解决了各地区癌症登记系统间因文档标准差异和自由文本条目导致的数据不一致问题，显著提高了数据质量，使跨登记研究成为可能，特别是对罕见肿瘤类型的研究具有重大意义。该成果发表在《国际医学信息学杂志》上，标志着德国在癌症数据整合与人工智能应用领域取得突破性进展，为基于人群的癌症研究和循证肿瘤学提供了更可靠的数据基础。

布法罗大学领导的国际研究团队开发出一种基于人工智能的创新技术，能够从常规MRI扫描中检测出多发性硬化症患者的皮层病变，这些病变以往在标准成像中难以发现却与残疾和认知障碍密切相关。该技术通过多模态皮层病变增强(MMCLE)方法，分析700多名参与者数据，成功识别出超过11,000个皮层病变，为MS疾病研究和临床治疗提供了关键突破，将对评估现有及未来临床试验数据产生深远影响。

韩国2021-2023年护理机器人公共讨论的文本挖掘研究表明，护理机器人具有健康、劳动、经济和创新四大社会价值领域。研究发现护理机器人不仅能提供功能支持，还能解决更广泛的社会挑战，如改善老年人生活质量、减轻护理人员负担、降低医疗成本并推动系统创新。然而，当前讨论主要由服务提供商主导，需要更多公众参与和用户中心的方法，未来研究应结合用户生成内容和定性方法捕捉患者及护理人员的亲身经历。

一项名为PsyEval的新基准测试评估了11个先进大型语言模型在心理健康领域的表现，研究发现尽管AI模型在医学知识测试中表现良好，但在情感洞察、准确诊断和临床判断方面仍存在明显不足，特别是在处理紧急精神科场景和提供深度情感支持时，人类咨询师在提出探索性问题方面仍显著优于AI模型，研究揭示了AI在诊断中存在"反向缩放"现象，安全机制与诊断准确性之间存在权衡，小型模型可能过度诊断，而大型模型则倾向于回避诊断，研究强调未来AI开发需纳入文化多样数据并设计更智能的安全机制。

MAMMAL是一种用于生物医学发现的分子对齐多模态架构和语言模型，由IBM研究团队开发。该模型在20亿个蛋白质和抗体序列、小分子以及基因表达谱样本上进行了预训练，能够执行跨模态输入的分类、回归和生成任务。在涵盖药物发现流程多个阶段的11个基准测试中，MAMMAL在9个任务上达到最先进水平，在2个任务上表现具有竞争力。特别是在抗体-抗原结合预测方面，MAMMAL的性能显著优于AlphaFold3的置信度评分。该模型框架和预训练模型已公开提供，以支持开放和协作研究，有望加速药物发现进程并提高预测准确性，为解决复杂的生物医学问题提供新思路。