环球医讯AI与医疗健康

本研究提出了一项系统性综述方案，旨在评估随机对照试验中AI医疗设备的算法错误和患者伤害情况。该综述将分析AI错误的频率、严重程度及分析方法，特别关注亚组水平结果的调查。研究通过系统搜索多个数据库和临床试验注册库，提取相关数据进行质量评估和综合分析，以期发现当前AI医疗设备在临床应用中的安全问题，为未来AI医疗设备的评价和监管提供依据，确保AI技术在医疗领域的安全、有效和公平应用，推动医疗AI技术在临床实践中的稳健发展和风险管控体系的完善。

本文探讨了AI聊天机器人在医疗领域的应用前景与潜在风险，作者作为一位内科医生分享了患者使用AI助手"Astrid"的实际案例，分析了医生对AI辅助诊疗的复杂情绪，指出虽然AI能提供即时帮助、弥补医疗资源不足，但存在"幻觉"、无法建立长期医患关系等局限，强调AI应作为医患合作的伙伴而非替代者，医生与开发者正努力使医疗AI更安全、公平且符合伦理。

布里斯托大学宣布启动国家AI数据设施建设，作为英国政府AI科学战略的核心组成部分，该设施将毗邻布里斯托和巴斯科学园的伊桑巴德-AI超级计算机，旨在整合存储英国最具价值的大规模数据集并实现高速处理，显著提升药物研发、气候研究、机器人技术等领域的科研能力；同时探索通过AI研究资源安全访问高影响力健康数据集的创新途径，推动科学突破并巩固英国全球科研领导地位，预计创造区域科技就业机会并助力西英格兰地区打造英国首个AI超级集群，为AI时代的国家数据基础设施树立新标杆。

慕尼黑工业大学团队通过前瞻性对照试验发现，利用符合数据保护法规的开源大语言模型自动简化癌症患者的CT报告，可将阅读时间从平均7分钟大幅缩短至2分钟；80%以上患者认为简化版更易理解、更有帮助且信息更丰富，但6%的AI生成报告存在事实错误，7%遗漏关键信息，3%添加冗余内容，因此必须由医疗专业人员审核；该研究发表于《放射学》期刊，证实AI辅助医疗沟通能显著提升患者健康素养和知情同意能力，但强调安全可靠的临床级AI解决方案和医生监督不可或缺，未来需进一步验证其对患者健康结局的实际改善作用。

日本京都大学与国家脑心血管中心团队开发出全球首个英/简体中/日三语种脑梗塞患者-护士床边对话合成数据集，该数据集通过大语言模型关联患者临床协变量表、护士特征及护理场景，生成标准化JSONL格式的结构化对话（每日7个场景），已通过日本学术振兴会资助验证；该合成数据不包含任何患者隐私信息，可应用于临床实践时间受限场景下的护理教学、护理记录质量评估实验研究，以及无法共享真实文本时的AI模型训练与基准测试，为医疗人工智能研发提供重要基础资源，同时规避了传统医疗语料因隐私限制导致的稀缺性问题。

本文深度剖析人工智能技术被滥用于医疗诈骗的新型手法，包括深度伪造医生视频、克隆语音及假冒远程医疗网站等欺诈手段。专家警示此类诈骗不仅造成财产损失，更导致健康数据泄露、误用无效药物等严重健康风险，并侵蚀公众对医疗系统的信任。文章系统梳理七大识别特征与防范策略，强调验证信息来源权威性、警惕即时支付要求、避免向非安全渠道透露敏感信息等关键措施，为公众提供全面实用的防护指南，助力在AI医疗技术快速发展的背景下守护个人健康与财产安全。

本文深入剖析了人工智能技术在医疗领域被滥用的新型诈骗手段，包括深度伪造医生视频、克隆语音及虚假远程医疗网站等，详细列举了识别红标志如紧急施压、索要敏感信息及异常支付方式等关键特征，并提供了实用防护策略如验证官方来源、使用加密支付及警惕无处方售药行为；同时强调了及时报告诈骗和联系权威机构的重要性，旨在帮助公众避免财务损失、医疗数据泄露及健康风险，维护对数字医疗平台的信任，为读者提供了系统化的安全指南以应对日益复杂的AI医疗欺诈威胁。

曼尼托巴省正将人工智能深度整合至医疗系统，通过AI技术将MRI扫描时间缩短50%并提升成像质量，九台现有扫描仪计划于2026年春季完成部署；同时开发化疗预约智能调度系统优化5519例月均治疗量，卫生部长公布的初步数据显示Boundary Trails医疗中心2025年10月扫描量达历史峰值1051次，Pan Am诊所同比提升90%，该省强调AI仅作为辅助工具不会取代医护人员，所有系统均采用本地化部署确保数据安全且不减少调度岗位。

拉筹伯大学获得澳大利亚国家健康与医学研究委员会总额390万澳元的两项重大资助，其中布莱恩·奥尔登堡教授主导的Connect4Health项目运用人工智能技术开发个性化支持系统，通过"社会处方"模式连接慢性病患者与社区服务资源，解决糖尿病和心脏病等疾病的社交心理挑战；格兰特·德拉蒙德教授团队则聚焦死亡率高达80%的腹主动脉瘤，探索新型药物治疗方案，两项研究均致力于填补现有医疗体系空白，提升社区健康水平并减少健康不平等，体现科技与人文关怀的深度融合。

伦敦医学科学MRC实验室研究团队开发出CardioKG创新方法，通过将心脏成像数据与人工智能知识图谱相结合，成功整合4280名心脏病患者和5304名健康参与者的医学影像，生成20余万个心脏结构功能特征，并与18个生物数据库信息融合构建百万级关系网络。该技术突破性地将个体级成像数据纳入知识图谱，精准预测基因-疾病关联，发现甲氨蝶呤可治疗心力衰竭、gliptins可治疗心房颤动等药物再利用机会，同时揭示咖啡因对心律不齐患者的保护作用，为精准医疗和药物开发开辟新途径，有望提升患者生存率并优化临床试验设计。