环球医讯AI与医疗健康

美国罗切斯特大学领衔的国际研究团队利用物理信息人工智能技术成功解析了大脑类淋巴系统的流体动力学特征，发现该系统在深度睡眠期间清除代谢废物存在快慢两种流动模式：快速流动以每秒数微米速度在大脑表面区域运行，而慢速流动则以约1/50的速度渗透大脑深部组织。这项发表在《科学进展》的研究突破了传统MRI技术无法捕捉缓慢流体速度的局限，通过分析染料在脑组织扩散的视频数据，揭示了β淀粉样蛋白等有害物质的清除机制，为理解阿尔茨海默病等神经退行性疾病的发病机制提供了新视角，有望开发基于脑脊液循环评估的早期诊断工具和干预策略，对睡眠医学和神经健康研究具有重要临床价值。

本文探讨了社交媒体、人工智能和数字监控如何作为健康决定因素影响个人和群体健康，分析了数字化转型对健康的三层影响机制，指出数字技术不仅是工具，更是决定健康公平性的关键因素，并呼吁国际社会采取行动确保数字化转型促进健康而非造成伤害，特别强调了历史上被剥削群体和数字素养不足人群面临的特殊风险，以及数字不平等如何被编码进技术系统进一步加剧健康不平等。

香港上市的AI药物研发公司英矽智能与美国人类长寿公司宣布合作，共同开发行业首个大规模人工智能基础模型，旨在症状出现前数十年预测包括癌症在内的各类疾病。这项价值数百万美元的合作正值全球长寿市场迅速扩张之际，该市场目前估值约5.3万亿美元，预计到2030年将增长至8万亿美元。双方将通过新成立的人类生命基础模型公司，整合英矽智能在多模态AI和药物发现平台的专业能力，以及人类长寿公司积累的全球最全面长寿数据集，致力于创建新一代AI系统解码衰老生物学机制，实现疾病早期预测和健康寿命延长，标志着人工智能在预防医学和衰老研究领域的重要突破。

宾夕法尼亚大学研究人员开展了一项开创性研究，利用人工智能分析近7万名用户的超过40万条Reddit帖子，发现GLP-1类药物如奥司美肽的潜在副作用，包括疲劳、温度敏感性和月经不规律等，这些症状在传统临床试验中可能未被充分记录，但研究强调这些发现仅显示患者讨论模式而非证实因果关系，为药物警戒提供了新视角，表明社交媒体数据可补充传统药物安全监测系统，帮助临床医生更好地了解患者在正式医疗环境中可能不愿提及的症状。

研究表明，机器学习技术正在有效填补孕妇用药安全研究中的重大证据缺口。过去十年中，仅有4%的临床试验包括孕妇作为参与者，这一趋势可追溯至1977年FDA建议不在1-2期临床试验中纳入孕妇的规定。当前研究通过BOOST-HP项目（基于树的数据挖掘方法）和BIONIC研究（结合因果推断与机器学习）分析大型数据集，识别药物暴露与妊娠结果间的潜在关联，同时强调模型透明度的重要性，避免"黑箱"方法导致的流行病学错误，为改善孕妇用药安全评估提供了创新途径，有望解决这一长期存在的医疗研究空白问题。

马萨诸塞州总医院布里格姆医疗领导的研究表明，长新冠的实际患病率可能高达16.3%，是当前估计的两倍，影响超过1800万美国人。研究团队利用创新的人工智能算法分析了美国58家医院近46万名患者的电子健康记录，发现传统诊断编码仅能捕获不到7%的长新冠病例。研究还揭示了长新冠临床表现的区域差异，以及其患病率在所有研究地区持续上升的趋势，表明病毒仍在引发新的长期健康问题。该研究为利用人工智能填补公共卫生监测缺口提供了新思路，有望推动针对长新冠的靶向治疗研究。

非营利研究组织Biohub发布了一款由人工智能驱动的蛋白质生物学"世界模型"，该模型基于包含68亿种蛋白质和11亿种结构的ESM图谱，能加速新疗法的预测、设计和发现。这一开源工具可大幅缩短蛋白质结构预测时间，已在癌症和免疫学领域取得36-88%的"微型结合物"设计成功率，作为AlphaFold等系统的有力竞争者，有望将传统需数月甚至数年的蛋白质结合物发现过程缩短至数天或几小时，Biohub承诺向全球研究人员免费开放以加速个性化医疗发展。

罗切斯特大学、布朗大学和哥本哈根大学的研究团队利用基于物理的人工智能技术，成功从磁共振成像数据中精确测定睡眠大脑中的流体流动速度。研究发现脑脊液系统清洗大脑存在两种主要方式：一种是在大脑表面区域(如颅骨与大脑之间)以每秒几微米的速度快速流动；另一种是在深层组织中缓慢流动，速度约为前者的五十分之一。这一突破性发现为阿尔茨海默病等神经退行性疾病的早期筛查和干预提供了新思路，有望未来应用于评估脑震荡后大脑循环功能，对理解大脑废物清除机制具有重大科学价值。

高威大学、CÚRAM(爱尔兰研究医学设备中心)和比利时鲁汶大学的多学科研究团队成功破解了物理力量如何减缓癌症生长的长期科学谜题。他们开发了AI加速计算模型，证实肿瘤在外部机械压力下，细胞无法通过渗透作用达到分裂所需大小，导致生长停滞。这一发现不仅阐明了肿瘤物理结构作为疾病积极参与者的角色，还可能为"机械疗法"在癌症治疗中开辟新途径，对改善药物反应和设计新型治疗方案具有重大意义，有望重塑癌症治疗方法，为未来癌症治疗提供全新思路。

全球每年有超过100万人死于耐药性感染，科学家们正面临一场与细菌的永无止境的战争。麻省总医院和哈佛-麻省理工Broad研究所的研究人员利用人工智能技术，从数百万化合物中高效筛选出能有效对抗耐药细菌的新抗生素。通过深度神经网络分析分子化学结构，研究人员发现了名为halicin的新型抗生素，它能杀死多重耐药、广泛耐药和完全耐药的细菌。AI技术有望大幅提高抗生素研发效率，为应对日益严峻的抗生素耐药性危机提供新希望，帮助重新充实已经枯竭的关键药物管线。