环球医讯AI与医疗健康

护理领导者警告在医疗护理中过快整合人工智能存在重大风险，指出技术部署速度已超过护理行业理解能力，可能导致临床判断能力逐渐退化与过度依赖系统输出；专家强调必须加强AI素养培训，确保护士掌握模型训练原理、局限性和干预时机，建立跨学科监督机制以审查算法偏见，最终实现人工智能作为辅助工具强化而非取代人性化护理的目标，从而保障患者安全与护理质量。

毕马威最新调查显示，尽管面临经济波动，80%的医疗保健首席执行官仍将人工智能列为核心投资重点，计划在未来一年投入预算的10%至20%用于AI发展；71%的企业聚焦保留和再培训高潜力人才以适应技术变革，视AI为重塑患者护理和优化劳动力管理的关键驱动力；同时52%的CEO担忧伦理问题，但72%相信组织能跟上AI快速演进步伐，凸显行业在创新与风险管理间的平衡，旨在构建韧性医疗系统以提升患者和社区长期结果。

牛津大学博士研究生梁子云带领团队开发出创新性AI模型IterMask3D，该无监督学习系统通过分析"正常"脑部MRI扫描数据训练，能够自动检测医学影像中的采集伪影和意外病灶，在无需人工标注异常样本的情况下实现高精度异常识别，显著提升医学影像分析可靠性，有效避免临床决策错误，为放射科医生提供重要辅助工具，相关成果荣获国际医学图像计算顶级期刊最佳论文奖。

德国研究人员开发的人工智能模型成功预测了银屑病关节炎和中轴型脊柱关节炎患者使用司库奇尤单抗治疗16周后的临床效果，包括低疾病活动度和高健康相关生活质量。该研究基于AQUILA真实世界多中心调查数据，分析1961名患者的基线临床、人口统计及实验室指标，识别出疾病活动指数、抑郁水平、体重指数等关键预测因素。通过结合可解释人工智能技术，模型不仅提升预测准确性，还增强临床决策透明度，为风湿病学家提供个性化治疗依据，标志着人工智能在慢性炎症性疾病管理中的重要突破，有望优化全球数百万患者的治疗方案。

欧盟委员会正式启动COMPASS-AI计划，旨在建立专家社区推动人工智能在医疗保健领域的安全有效应用。该计划作为"应用人工智能战略"的旗舰措施，将重点聚焦癌症护理和偏远地区医疗服务，通过建立互动数字平台分享最佳实践，提升医疗专业人员、医院管理者及患者的AI素养，并制定AI部署指南，以促进欧洲医疗系统中可信AI解决方案的广泛采用。COMPASS-AI将依托欧洲健康数据空间等关键优先事项，推动健康创新，并借助即将出台的《生物技术法案》，全面促进AI在欧洲医疗保健领域的整合与应用，从而改进诊断、加强个性化预防、支持医生工作并加速新疗法研发，最终改善欧洲民众的健康成果。

美国研究团队开发出名为LassoESM的新型大语言模型，专门用于预测拉索肽特性。拉索肽是细菌产生的天然产物，凭借独特的结状结构展现出高稳定性和多样生物活性，在癌症及传染病治疗领域潜力巨大。该模型通过捕捉肽特异性特征，精准预测酶-肽底物相互作用，显著提升药物研发效率。研究整合了机器学习与实验数据，成功识别兼容的拉索肽与环化酶配对，为开发稳定口服疗法提供新途径。团队计划扩展模型功能，靶向特定蛋白质设计功能肽，加速生物医药和工业应用的理性设计进程。

英国药品和医疗器械监管局(MHRA)将联合PhaSER生物医学公司和圣安德鲁斯大学，利用人工智能技术分析英国国家医疗服务体系(NHS)的匿名数据，预测多种药物组合可能产生的有害副作用。该研究从2025年10月启动为期一年，获得85.965万英镑政府资助，重点聚焦心血管药物相互作用。同时，MHRA还推进另外两个相关项目，分别获得100万英镑和25.925万英镑资助，旨在通过AI辅助工具和合成患者数据革新药品审批流程，在确保安全标准的前提下加速新疗法上市，全力支持英国政府在10年健康计划中提出的打造全球最先进人工智能医疗系统的战略目标。

科学家通过研究定义了五种独特的睡眠特征类型，每种类型与特定心理健康状况及大脑活动模式紧密关联。该研究基于770名22至36岁健康年轻人的数据，运用无监督机器学习分析匹兹堡睡眠质量指数等指标，揭示睡眠质量不仅取决于时长和中断频率，更受遗传因素及焦虑、抑郁等情绪状态影响。五种特征包括"睡眠困难者"、"睡眠弹性者"等，可能作为早期精神疾病的生物标志物，帮助临床医生超越简单询问睡眠时长，通过针对性评估改进治疗方案。研究显示某些特征可预测认知功能障碍风险，未来或能指导个性化干预措施，如为"短睡眠者"优先采用谈话疗法，有望解决约40%失眠患者对认知行为疗法无响应的临床难题，为心理健康领域带来突破性进展。

一项由瑞士洛桑联邦理工学院和加州大学圣地亚哥分校联合开展的AI研究证实，规律食用水果、蔬菜和谷物等健康食品对构建肠道微生物群的重要性与食品选择本身相当，研究显示不规律饮食会显著削弱健康食品的益处，且通过机器学习分析粪便样本与饮食数据可实现肠道菌群与饮食关联的85%准确率预测，这为解决营养研究中长期存在的数据收集难题提供了新途径，并有望推动个性化饮食干预策略的发展，对预防生活方式相关胃肠道疾病具有重要临床意义。

本文深入探讨了麻省理工科技评论报道的疼痛测量人工智能应用PainChek，该工具通过分析面部微表情如抬唇或皱眉来评估个体疼痛程度，旨在辅助医疗人员特别是针对无法自述疼痛的患者如痴呆症患者；然而技术存在明显局限性，包括依赖主观疼痛报告体系、对已能沟通患者价值有限，以及慢性疼痛治疗选项匮乏等挑战，新加坡国立大学疼痛神经科学家斯图尔特·德比希尔指出尽管十五年来脑扫描等技术持续发展，但疼痛测量系统始终"内嵌"主观报告，主观描述仍是不可替代的黄金标准，未来可能永远无法实现完全客观的"疼痛计"。