环球医讯AI与医疗健康

本周健康科技简报涵盖5月4日至5月8日的重要新闻，包括Tether推出的可在手机和可穿戴设备上直接运行的医疗AI模型QVAC MedPsy、Elation Health整合美国心脏协会的心血管疾病风险预测(PREVENT)计算器、Perplexity与VisualDx合作将临床验证的医学影像引入生成式AI，以及Medaptus为医院医学推出整合电子健康记录的24/7运营"指挥中心"，这些创新展现了医疗AI技术在效率提升、临床决策支持和医院运营优化方面的最新进展。

本文深入探讨了Health-LLM和MDAgents两大创新框架如何解决大语言模型在医疗健康领域的实际应用挑战。Health-LLM通过精心设计的上下文工程将可穿戴设备数据流转化为有价值的健康预测，而MDAgents则通过模拟真实临床工作流程的自适应多智能体协作系统实现复杂临床决策支持。文章详细分析了监管环境演变、成本效益权衡及实用实施策略，为医疗科技企业部署AI提供了基于实证的蓝图，标志着AI技术从能力展示向临床实际应用的关键转变，为未来医疗AI产品开发指明了方向。

Abridge公司宣布其专为护士开发的环境AI文档技术现已在美国全国范围内的医疗系统客户中推出，该技术通过在患者诊疗过程中自动完成文档工作，旨在减轻护理人员的行政负担并使其更专注于患者护理；该技术由250多家医疗机构参与联合开发，包括梅奥诊所、约翰霍普金斯医学等知名机构，并与Epic系统公司合作打造，能够整合《新英格兰医学杂志》和JAMA Network等权威医学期刊的临床证据，通过环境AI监听医患对话自动提供循证医学答案，标志着人工智能在优化护理工作流程方面的重大突破。

纽约大学研究人员开发出一种新型人工智能工具，能够通过分析肿瘤组织数字图像和基础临床信息，更快、更经济地预测乳腺癌复发风险。该系统采用自监督学习方法，可将结果在几小时内提供，远快于需要数周的传统基因组测试，同时避免消耗宝贵的组织样本，为患者提供更精准的治疗指导，标志着向个性化乳腺癌治疗迈出的重要一步。

圣路易斯华盛顿大学医学院研究人员开发出名为OCTCube-M的实验性AI系统，该系统通过分析视网膜3D图像能够更准确地识别八种视网膜疾病，包括年龄相关性黄斑变性，准确率比旧模型高出4-6个百分点；此外，该技术还能仅凭视网膜成像预测心脏病发作、中风等全身性疾病风险，并有望加速药物临床试验进程，为500万地理萎缩患者提供更精准的病情监测和治疗方案，相关研究成果已发表在《自然-生物医学工程》期刊上。

圣路易斯华盛顿大学医学院的研究团队开发了名为OCTCube-M的实验性人工智能系统，该系统能更准确地识别八种视网膜疾病，包括年龄相关性黄斑变性。相比旧模型，新AI系统在诊断准确率上提高了4-6个百分点，且在预测地理性萎缩进展速度方面比现有模型准确率高出近50%。此外，该系统还能仅凭视网膜成像推断心脏病、中风和肾衰竭等全身健康风险，有望将常规眼部检查转变为早期发现多种疾病的强大工具，为患者提供更及时有效的治疗，同时降低临床试验成本并加速新疗法的研发进程。

韩国忠南大学与三星电子合作开发了一种AI算法，集成在Galaxy手表中，可提前5分钟预测血管迷走性晕厥，准确率达84.6%。该技术通过监测心率变异性等生物信号，为患者提供预警时间，有助于预防晕厥导致的意外伤害。研究发表在《欧洲心脏杂志-数字健康》上，标志着消费级可穿戴设备向医疗监测工具的重要转变，有望在预防医学领域发挥更大作用，尤其对心脏病患者、老年人和偏远地区居民具有重要意义，但专家也提醒这些设备应作为专业医疗评估的补充而非替代品，数据准确性、临床验证和隐私保护仍需关注。

德克萨斯大学奥斯汀分校于4月6日开始在门诊诊所部署Epic电子健康记录系统，为计划2030年开放的新学术医疗中心做准备。此次实施包括Epic的AI工具套件以及Workday、Kodiak等配套系统，是该校"基石项目"的重要组成部分，旨在打造高度集成的技术平台，提升患者体验和医疗服务效率，目前MyChart已拥有近7000名用户，约60%的患者使用自助签到功能，平均注册时间不到5分钟，平均医生等待时间不足13分钟，体现了该校对AI和自动化的前瞻性应用。

EverythingALS推出SAVA AI人工智能工具，能够即时将肌萎缩侧索硬化症(ALS)患者与合适的临床试验进行匹配，该工具通过对话式界面收集患者健康信息，分析后与全球临床试验数据库进行比对，可在几秒钟内为患者找到潜在的匹配试验，目前已达到92%的匹配准确率，有效解决了ALS患者因诊断延迟导致的临床试验参与时间窗口短、信息获取困难等问题，让患者不再受限于地理位置或个人关系即可获取前沿治疗机会，极大提升了临床试验参与效率并加速了ALS治愈研究进程。

科学家利用66,000多名成年人的磁共振成像数据开发了人工智能驱动的体成分分析工具，发现内脏脂肪和骨骼肌脂肪分数升高与糖尿病风险增加显著相关，肌内脂肪和骨骼肌脂肪分数升高与主要不良心血管事件风险增加相关，骨骼肌减少与全因死亡率升高相关，这些发现超越了传统风险因素，可帮助改进健康筛查和早期干预策略，具有重要的临床应用价值。