环球医讯AI与医疗健康

在Techonomy25会议上，医疗创新者深入探讨了人工智能如何重塑医疗体系，使其在手术精度、居家监护和预防性健身领域实现更高水平的精准化与人性化。文章展示了阿森苏斯外科公司(Asensus Surgical)的智能手术系统、珍爱健康公司(Cherish Health)的雷达监测技术和健身网格平台(FitGrid)的AI激励方案，强调有效的医疗技术应融入日常生活而不引人注目，通过计算机视觉、穿墙雷达和行为分析等技术提升服务质量，同时维护患者尊严与隐私，最终构建以人类为中心的算法化医疗生态，让未来护理在从手术室到家庭的全场景中既更安全智能又更具人文温度。

新加坡政府宣布投资2亿新元推动医疗AI应用，但独立全科诊所医生反映年均2200新元的使用成本过高、临床AI工具获取渠道有限且诊疗价值存疑，部分医生仅将AI用于基础行政工作，同时担忧患者数据安全问题，反映出政策愿景与基层实践间的现实差距，尤其在单体诊所难以承担技术投入的背景下，医疗AI的普及仍面临经济门槛与实用性质疑的双重挑战。

本系统性文献综述考察了生成式人工智能（GenAI）在糖尿病药物发现中的应用效果。研究遵循PRISMA指南，分析了2020-2024年间发表的15篇相关文献，发现GenAI技术如GANs、VAEs、GPT和扩散模型能有效解决传统药物研发方法耗时、费力且成本高昂的问题。这些技术可管理复杂数据并产生精确结果，在创建药物化合物、加速候选药物识别及降低研发成本方面展现出显著优势。然而，GenAI在应用中仍面临可解释性不足、数据质量限制、计算能力要求高以及伦理问题等挑战，需要政策制定者调整现有规则以应对隐私、安全和伦理关切，从而充分发挥其在糖尿病治疗领域的潜力。

NVIDIA与礼来公司宣布共同投资10亿美元建立AI药物发现联合创新实验室，旨在利用NVIDIA BioNeMo平台和Vera Rubin架构开发生物化学基础模型，通过整合礼来公司的科学专业知识与NVIDIA的计算能力，加速药物研发过程。该合作将探索持续学习系统、物理AI和机器人技术在制药全产业链的应用，有望彻底改变药物发现和生产方式，解决制药行业长期面临的研发速度和规模限制问题，为全球患者提供更高效、更可靠的创新药物解决方案。

美欧监管机构联合发布药物研发领域人工智能应用的"良好实践"准则，明确AI在药物全生命周期中的安全使用规范，涵盖从早期研究、临床试验到生产监测的全流程管理，旨在加速创新同时保障患者安全；该合作源于2024年FDA-欧盟双边会议，响应药企对AI缩短研发周期和减少动物测试的迫切需求，典型案例包括阿斯利康收购Modella AI强化肿瘤药物研究，以及礼来与英伟达斥资10亿美元共建旧金山湾区联合实验室，彰显AI技术正深度融入现代医药产业生态。

Multiply Labs宣布与NVIDIA达成技术合作，通过整合数字孪生、机器人基础模型及感知AI技术，革新细胞与基因疗法的生物制造流程。该公司开发的四机械臂并行机器人系统可提升洁净室空间利用率100倍，利用Isaac Sim进行高保真仿真验证，借助GR00T模型训练操作技能，并通过FoundationPose和FoundationStereo实现专家操作的数据采集，旨在解决传统手工生产中的效率瓶颈与变异性问题，推动个性化治疗药物的大规模普及，为癌症及自身免疫疾病患者提供更可靠的治疗方案。

斯坦福大学研究人员利用超过58.5万小时多导睡眠图数据开发出多模态睡眠基础模型SleepFM，该模型通过睡眠嵌入特征可准确预测130种疾病的风险，包括死亡、痴呆、心肌梗死等关键疾病，其中痴呆预测的C指数高达0.85。模型在独立数据集上验证展现出强大的迁移学习性能，睡眠分期分析F1分数达0.70-0.78，睡眠呼吸暂停检测准确率最高0.87，为疾病早期预警和睡眠医学研究提供了创新工具，相关成果已发表在《自然医学》期刊上，标志着人工智能在健康风险预测领域的重大突破。

日本东北大学正成为医疗人工智能研发的核心阵地，该校医学院联合医生、AI专家及健康科技企业建立了"医药中心"，致力于开发临床可用的AI医疗解决方案。目前重点推进两大项目：一是利用行为模仿学习技术开发云AI系统（DM-SAiL），为非专科医生提供精准胰岛素剂量建议，解决农村地区糖尿病 specialist 医师短缺问题；二是基于80万次透析数据训练AI模型，精准预测血液透析脱水量和低血压风险，辅助非专科医生安全实施治疗。这些技术已获日本医疗研究开发机构（AMED）支持，计划2024年开展临床试验，未来有望扩展至家庭治疗场景，缓解门诊压力并提升偏远地区医疗可及性，凸显了高质量医疗数据与跨领域协作对AI研发的关键作用。

OpenAI近日宣布以超过1亿美元收购医疗科技初创企业Torch，此举将显著增强其面向消费者的健康服务ChatGPT Health。Torch开发的"AI医疗记忆"技术能整合用户来自实验室检测、可穿戴设备及医疗机构的多源健康数据，帮助ChatGPT Health识别长期健康模式并提供个性化建议。该技术将使聊天机器人在处理大型文件上传时保持对话上下文完整，同时采用专用加密技术确保医疗数据隐私安全，标志着OpenAI在2026年全面进军医疗健康领域的重要战略布局。

斯坦福大学研究团队开发出一种人工智能计算机视觉模型，能够以85%的准确率识别鼻咽癌患者放疗后出现的颅底放射性骨坏死并发症，其诊断能力与经验丰富的临床医生相当。该研究聚焦于在亚裔美国人中高发的罕见致命癌症——鼻咽癌，利用192名患者的1500多张鼻咽内窥镜图像训练模型，虽在区分癌症复发与放射损伤方面表现中等，但有望通过更大数据集优化。研究成果由斯坦福亚洲健康研究中心资助，旨在通过人工智能提升医疗公平性，使资源匮乏地区的患者也能获得专家级诊断支持，同时强调AI仅作为临床医生决策辅助工具而非替代者，未来将在诊断、治疗和疾病监测中发挥重要作用，但不会取代医患关系。