环球医讯AI与医疗健康

乌尔斯特大学获得北爱尔兰肾脏研究基金10.2万英镑资助，用于开发名为"NephroNet"的AI血液检测技术，该技术能提前一年预测肾功能变化，有望显著减少需要透析的患者数量，改善慢性肾病管理，为医疗系统节省成本，目前项目已在德里阿尔塔格文医院CTRIC中心启动，得到肾脏科专家高度评价，被视为肾脏疾病诊疗领域的重要突破。

肥胖医学协会(OMA)于2026年4月2日推出名为"OMAr"的AI模拟对话工具，作为"先治疗肥胖"(Treating Obesity First)计划的核心组成部分，旨在帮助医疗专业人员练习与患者进行肥胖症相关对话。该工具提供五种不同患者角色模拟场景，采用"5A"肥胖管理框架(询问、评估、建议、达成共识、协助)，帮助临床医生克服对话障碍，提升沟通技巧。多位医疗专家指出，尽管大多数医生在面对肥胖症这种污名化疾病时缺乏基础知识和个性化支持，但此工具能有效填补知识空白，即使经验丰富的医生也能通过模拟练习优化语言表达，为日常临床实践提供实用指导，特别有助于解决女性患者普遍存在的体重不安全感问题。

杜克大学医学院研究人员开发的人工智能模型可基于常规医疗记录数据提前数年识别儿童ADHD风险该模型分析了超过14万名儿童的医疗历史能准确预测5岁及以上儿童的ADHD风险为早期干预提供可能但研究人员强调这仅是风险评估工具不能替代专业诊断目前仍在研究阶段尚未投入临床应用且模型表现不受性别种族民族或医疗保险状况影响显示出广泛适用性

柏林工业大学最新研究显示，ChatGPT等大型语言模型在处理健康咨询时表现过于谨慎，倾向于将多数健康问题归类为需要就医，而非可以自我护理。研究团队测试了22个ChatGPT版本，对45个真实病例进行了9,900次评估，发现模型准确率仅为74%，尤其在判断轻微症状时错误率高达70%。这种保守的分诊行为可能导致不必要的医疗资源浪费，无法有效引导患者合理使用医疗服务。研究建议将AI模型整合到有质量保证的医疗应用程序中，而非直接作为独立的健康咨询工具，以确保医疗服务的高效和合理分配。

一项发表在《BMJ Open》上的新研究发现，AI聊天机器人在回答健康咨询时约有一半时间提供误导性或不妥当的建议。研究测试了ChatGPT、Gemini、Grok等主流AI系统，针对癌症、疫苗等50个医疗问题进行评估，结果显示近50%的回答被标记为有问题，30%缺乏安全医疗决策所需的完整背景信息。牛津大学专家警告，AI尚未准备好替代医生角色，患者向AI咨询症状可能导致错误诊断且无法识别紧急医疗需求，研究呼吁AI系统应像新药一样经过严格临床测试，而非仅依赖标准化评估。

本文深入探讨了人工智能与肠道微生物组医学的前沿融合如何开启精准治疗新时代。通过分析海量微生物组数据，AI能够预测个体对饮食和治疗的特异性反应，识别疾病早期生物标志物，并为每位患者量身定制个性化营养和治疗方案。这一技术革命将彻底改变肠道健康管理模式，使益生菌、益生元及草药补充剂的使用更加精准有效，为炎症性肠病、结直肠癌等疾病的预防和治疗提供创新思路，最终实现基于个体微生物组特征的真正精准医疗，为全球数亿肠道疾病患者带来全新希望。

一项由杜克医疗中心和杜克大学医学院研究团队在《自然·心理健康》期刊发表的重要研究表明，人工智能可通过分析儿童早期医疗记录提前数年识别注意力缺陷多动障碍风险，该系统在分析14万余名儿童电子病历时展现出高准确性，且不受性别、种族、民族和医保状况影响，虽然AI系统不提供正式诊断，但可帮助医生及早识别需关注的儿童，促进更及时的儿科评估和专业转诊，从而避免因ADHD未及时诊断而导致的学业困难、社交问题和心理发展障碍，为全球数百万ADHD患儿提供早期干预新途径。

麻省总医院布莱根医疗系统研究团队开发的FaceAge人工智能工具可通过面部照片估算人体生物年龄，最新研究表明该工具的面部衰老速率(FAR)指标能有效预测癌症患者预后。研究分析了2,279名癌症患者在治疗期间不同时间点拍摄的面部照片，发现面部衰老速率越快的患者生存概率显著降低，这一非侵入性生物标志物或可帮助医生优化个性化治疗方案、改善患者咨询并指导肿瘤学随访频率与强度，为临床决策提供新依据，在癌症精准医疗领域展现出重要应用前景。

本文系统阐述了人工智能在卒中护理全流程中的创新应用与发展趋势，详细分析了机器学习和深度学习技术如何在院前评估、远程卒中诊疗、急性期影像解读及康复计划制定等环节提升医疗效率，同时深入探讨了当前面临的跨人群验证、伦理考量、临床工作流程整合等关键挑战，强调了对AI系统在卒中预防、识别、治疗到长期康复连续体中进行系统评估的必要性，为推动智能化卒中护理体系建设提供了重要学术参考，具有显著的临床转化价值和医疗实践指导意义。

麻省理工学院研究团队开发出首个专门用于预防阿尔茨海默病的人工智能基础模型FINGERS-7B，该模型通过整合生活方式、临床、基因组和蛋白质组等多维度数据形成"生物指纹"，实现临床前诊断准确性提高4倍，响应者分层能力提升130%，可在症状出现前十年识别疾病风险，将阿尔茨海默病从不可逆衰退转变为可管理和预防的疾病，目前该模型已开源并在40多个国家的AD Workbench安全云平台上部署使用，使全球科研人员能够在不移动敏感患者数据的情况下进行阿尔茨海默病的早期预防研究。