环球医讯AI与医疗健康

美国医疗保险在六个州试点实施了由人工智能驱动的"浪费与不适当服务减少模型"(WISeR)预先授权系统，旨在防止欺诈和不必要的医疗支出。然而，该系统在实际运行中导致了患者和医生面临混乱、错误、长时间等待和压力。医生报告称即使提供了充分的医疗记录，系统仍会错误拒绝申请，怀疑AI的"幻觉"导致决策错误，这引发了对AI在医疗决策中角色的担忧，以及预先授权是否会从控制特定欺诈服务扩展到几乎所有医疗程序的疑虑。

本新闻详细报道了三项重要医疗健康进展：克利夫兰研究团队发现脑衰老的关键蛋白质KLF4，该蛋白质维持血脑屏障功能；医疗保险试点的人工智能审批系统引发患者和临床医生对服务延误和错误拒绝的担忧；妙佑医疗中心研究人员发现1940年代的老药丙磺舒可帮助治疗多囊肾病，与现有药物联合使用能减少30%尿量。这些发现代表了脑科学、人工智能应用和药物研发领域的最新突破，对改善老年人认知功能、优化医疗保险服务和治疗遗传性肾脏疾病具有重要意义。

本文深入探讨了人工智能在医疗保健领域的快速发展及其对残障人士的双重影响。文章指出，尽管AI技术在诊断、药物研发和行政任务处理等方面展现出巨大潜力，但也带来了准确性问题和加剧医疗不平等的风险。研究表明，超过60%的AI工具存在数据检索不准确的问题，60%以上的医生表示AI工具经常拒绝为患者提供必要的医疗保障，使用AI进行预先授权使拒绝率增加了16%。文章特别关注AI聊天机器人对心理健康的影响，指出它们可能增加精神病风险并强化社交退缩，同时警告质量调整生命年(QALY)指标与AI结合可能进一步歧视残障人士。作者强调，AI系统需要既反能力主义又具有可访问性，并呼吁法规应要求涉及医疗必要性的决定必须包含有意义的人类临床审查，不能仅依赖自动算法，同时应强制要求透明度、定期审核偏见、保护患者隐私，以及要求AI系统考虑每位患者的具体临床情况。

2026年医疗保健行业面临AI与人力资源整合的重大挑战，调查显示近半数护士已在工作中使用生成式AI，45%认为AI可通过自动化文档处理减轻职业倦怠。医疗领导者将人机AI整合列为首要挑战，强调文化接纳和角色重新设计比技术部署更为关键。多家医疗机构如耶鲁纽黑文健康中心、内布拉斯加儿童医院已通过AI实现工作流程优化，每年节省数千小时人力。同时，AI治理问题已进入劳资谈判，2026年至少发生11起相关医疗罢工，凸显技术变革带来的社会影响。

皇家飞利浦2026年发布的报告显示，尽管人工智能在改善临床医生福祉、扩大临床能力和支持临床决策方面取得显著成效，但医疗保健领域AI的采用速度已超过医疗机构的准备程度。72%的医疗专业人员在系统提供的工具不足时会转向个人AI工具，同时77%的受访者表示缺乏足够的AI工具培训。报告强调，虽然84%的医疗人员认为AI能改善患者结果，但医疗机构需加强AI生态系统建设、提供针对性培训并重新设计包含AI赋能的医护流程，以实现更个性化的医疗护理。

本文深入探讨了医疗保健领域人工智能应用的下一阶段发展方向——AI协调。ModMed联合创始人丹尼尔·凯恩认为，随着环境化AI工具的普及，医疗机构面临的挑战已从优化单个任务转向连接多个自动化系统，实现工作流程的协调。这种AI协调模式有望在预先授权、理赔管理、支付方合规和转诊协调等复杂行政流程中发挥重要作用，通过"智能红利"释放医护人员时间，使其专注于更高价值的工作，同时保持必要的人工监督以确保准确性、合规性和患者安全，从而应对日益增长的行政负担、人员短缺和财务压力。

本文深入分析了医疗保健领域语音AI面临的信任挑战，指出68%的美国成年人担忧AI会削弱医患关系。作者基于自身作为Insight Health联合创始人兼CTO的经验，阐述了语音AI在医疗场景中必须克服的四大关键问题：延迟作为信任信号、演示与生产环境的巨大差距、专业化系统需求以及真正个性化的重要性。研究表明，患者对语音AI的接受度受过往与垃圾电话和功能不佳聊天机器人的负面经历影响，解决方案需从产品设计层面入手，包括使用情境相关的微回复、建立专业分工的并行处理系统，以及构建感觉像人类而非仅听起来像人类的系统，才能真正赢得患者信任并实现医疗保健的积极影响。

梅奥诊所最新研究表明，常规乳腺X光检查不仅能检测乳腺癌，还能帮助识别心脏病早期风险。研究团队利用人工智能技术开发了一种算法，可准确测量乳腺动脉钙化程度，发现严重乳腺动脉钙化的女性五年内心血管事件风险比无或轻度钙化女性高出10倍以上。这一突破性发现有望将心脏病筛查整合到女性常规乳腺检查中，无需额外辐射或检测，对填补女性心脏病早期检测空白具有重大临床意义，将彻底改变女性健康筛查工作流程。

匹兹堡大学推出全新的医疗保健人工智能理学硕士（MSAIH）面授课程，该课程共需36学分，包括7门必修课程（21学分）和5门选修课程（15学分）。必修课程涵盖健康信息学基础、医疗保健分析、机器学习与数据可视化、数据库设计与大数据分析、数字健康与人工智能、生成式人工智能在医疗保健中的应用以及AI伦理法律社会问题等内容；选修课程提供R语言统计编程、Python健康信息学应用、医疗保健系统、财务管理、信息系统安全、设计思维与项目管理等多领域知识，旨在培养精通AI技术且深谙医疗健康领域的复合型专业人才。

本课程由康奈尔大学法学院兼职教授朱迪思·格曼诺设计，专注于医疗保健领域日益增长的网络安全和人工智能风险管理挑战，内容涵盖识别网络威胁、评估患者数据系统风险、分析人工智能在医疗保健中的变革性影响等关键主题，适合医疗保健组织高管、技术安全领导者、数据专业人员以及公共政策制定者学习，旨在帮助参与者预见潜在威胁、评估系统性风险并应用有效策略保护患者数据和医疗系统安全，为应对日益复杂的医疗技术安全环境提供专业指导。