环球医讯AI与医疗健康

本文深入探讨了马萨诸塞州医疗机构广泛应用AI听写员的现状，详细说明医生在患者同意前提下使用AI记录就诊过程的操作规范。麻省总医院布莱根医疗系统的首席健康信息官丽贝卡·米舒里斯医生阐释了该技术如何通过减少文书工作缓解医生职业倦怠，同时强调录音在生成医疗记录后即被删除的隐私保护机制。文章指出AI虽能平均每日节省16分钟工作时间，但减轻压力的核心在于消除认知超负荷；尽管存在误诊风险需医生人工复核，且系统已通过严格数据安全评估，专家仍呼吁患者主动询问数据使用方式以保障自身权益，医疗机构则需确保技术对所有患者公平可用。

美国糖果巨头好时公司意外发现，使用GLP-1类减肥药物（如司美格鲁肽Ozempic和Wegovy）的消费者群体正推动其薄荷糖和口香糖产品销量增长。据好时CEO透露，"冰破者"品牌销量增长8%，原因可能是这类药物导致部分用户出现"司美格鲁肽口臭"现象——打嗝或呼吸时产生鱼腥味。虽然制药商未将口臭列为正式副作用，但临床数据显示约9%的使用者报告打嗝，超40%报告恶心，近25%报告呕吐，这些发现揭示了减肥药物市场对相关消费品的意外连锁影响。

一项发表在《美国医学会儿科学杂志》的新研究发现，在美国12至21岁的人群中，约有五分之一的人曾使用AI聊天机器人寻求心理健康建议，其中近43%的人每月至少使用一次，92%的人认为这些建议有所帮助。然而，专家警告，AI聊天机器人可能取代真实的人际联系，对青少年心理健康产生潜在危害，特别是当它们模仿人类同理心但实际只是"模式识别机器人"时。全国儿童医院的儿科心理学家威廉·利弗博士建议父母与青少年一起实践"协同引导"(co-prompting)方法，并设定使用界限，以确保AI作为辅助工具而非替代真实心理健康支持，这一警告来得正是关键时刻，因为调查显示近半数儿童从未与父母讨论过AI安全性问题。

本文深入分析了量子计算与人工智能技术在精准医学领域应用的潜力与挑战。作者指出，尽管下一代测序技术已能大规模检测基因变异，但解读这些变异并转化为临床可行洞察仍是主要瓶颈。量子计算与AI的融合可突破当前变异解释框架的局限，通过处理基因组数据中固有的组合复杂性，实现更准确的变异分类、更快速的临床决策，以及对人类疾病更具代表性的建模。该技术有望推动医学向预测性、预防性方向转变，重塑公共卫生模式，但量子技术本身仍面临环境敏感性等挑战，需要建立稳健的监管框架确保安全应用，最终实现更加积极主动、公平和有效的医疗保健系统。

这篇文章深入探讨了人工智能在基因组医学领域的应用现状与挑战。作者指出，尽管AI技术正快速将基因组医学从专业研究领域转变为医疗机构的战略重点，但盲目追求技术热潮而忽视治理框架的建立将带来重大风险。文章系统分析了三大关键问题：数据质量、模型可解释性和机构协作结构，强调医疗机构需要建立完善的数据管理、模型验证、伦理审查和长期监督的治理框架。在精准肿瘤学、罕见病检测等敏感医疗领域，负责任的AI治理对于确保技术成功应用、维护公众信任和创造持久价值至关重要，这一平衡比单纯追求技术速度更为重要。

本文探讨了人工智能与技术如何助力连接更多社区获得优质医疗服务，强调技术应增强而非替代社区健康工作者的角色，提出应与社区共同设计AI工具、优先保障数据安全与信任、关注健康社会决定因素、投资提升社区健康工作者的AI素养、构建互操作性系统，并将关注点从"技术能否实现"转向"技术是否应该应用"，以确保技术创新能真正促进医疗公平性、可负担性和社区信任。

最新研究表明，尽管医疗AI在标准化污名调查中表现优于人类，显示出较少的明显偏见，但在实际情境判断任务中却暴露出显著的健康相关偏见，特别是在处理HIV、乙肝和心理健康状况时。研究发现中文提示比英文提示更容易引发污名化反应，而引导AI进行逐步推理可显著减少偏见。研究人员提出了九种减少AI偏见的策略，包括个体化关注和相关性过滤，并建议医疗AI开发公司在发布前实施基于情境判断任务的偏见审计，以确保AI在医疗决策中更加公平可靠。

密西西比州政府正积极采用人工智能技术，重点关注消除日常单调任务，提高工作效率。州长泰特·里夫斯推动将密西西比州打造为人工智能开发领导者，数十亿美元已投资于全州数据中心。信息技术服务部和密西西比人工智能网络引领这一进程，目前AI应用集中在财务会计等低风险领域，医疗部门也开始引入AI，但网络安全是首要考虑。2024至2025年AI项目增长近三倍达232个，但2026年仅增加8个，显示采用速度放缓。UPSKILL计划提供免费课程培训民众使用AI，专家建议将AI视为"实习生"，需人机协同工作，尽管担忧行政岗位可能被取代，但现行政策要求人类必须监督AI生成的工作，确保技术应用与人力发展同步推进。

卡内基梅隆大学计算机学院研究人员开发出名为AutoMiSeg的创新型AI工具，该系统通过文本指令自动识别医疗扫描图像中的器官与病灶区域，显著减少医生手动标注的时间成本。工具整合多个医学图像基础模型，无需针对新器官进行大量专项训练即可适应不同扫描设备，自动完成区域识别、边缘优化及质量校验，有效解决人工标注耗时长、一致性差的问题，有望大幅提升医学影像分析效率，为处理海量医疗图像数据提供技术支撑，对推进精准医疗具有重要实践价值。

穆罕默德·本·扎耶德人工智能大学校长杨强教授表示，阿联酋已成为全球少数几个塑造前沿人工智能未来的国家之一，而非仅仅是消费者。该大学在数字孪生技术、前沿语言模型等领域取得了显著进展，开发了K2等前沿大型语言模型和专为阿拉伯语设计的Jais模型，致力于构建自主可控的AI基础设施。特别是"虚拟细胞"项目，利用AI模拟药物与人体细胞的相互作用，有望在医疗健康领域带来突破。杨强强调，阿联酋的AI发展不仅仅是跟上全球趋势，更是建立技术主权，确保数据安全，并为未来培养顶尖人才，预计5到10年内将诞生可与Meta或OpenAI媲美的本土AI企业。