环球医讯AI与医疗健康

Midjourney公司宣布进军医疗健康领域，推出名为Midjourney Medical的雄心勃勃项目，开发一种能在60秒内通过超声波和人工智能创建人体详细3D图像的扫描系统。该技术有望提供肌肉、器官、骨骼等详细信息，帮助用户早期发现健康问题并监测健康变化，计划于2027年在旧金山开设首个配备热水浴缸和桑拿的健康中心。尽管该技术仍在开发中且需监管批准，但公司愿景是让高级健康成像变得更加快速、普及，成为日常健康监测的常规手段。

本文介绍了一种智能AI框架，用于脑出血(ICH)的综合决策支持和手术规划。该框架整合了自动影像分析、基于指南的推理和轨迹优化，通过对50例自发性脑出血患者的CT和CTA数据集进行回顾性分析，实现了皮肤、颅骨、大脑、脑室和血肿的多类解剖分割，以及体积量化和影像生物标志物结构化编码。研究结果显示，AI生成的治疗建议与专家建议的一致性达82%，AI生成的轨迹与专家定义的轨迹之间中位角度偏差仅为7.6°，且在大多数情况下AI轨迹显示出相等或更大的安全边界，有望减少操作者差异性并提高微创血肿清除规划的精确度。

特拉维夫大学与谢巴医疗中心合作开发了一种基于人工智能的无创血液检测系统，该系统通过分析眼睛结膜微小血管的短视频即可评估血红蛋白水平和红细胞计数，无需传统针刺采血。研究对224名参与者进行测试，系统检测贫血的准确率达82.8%，且与实验室结果高度相关。研究发现，极细血管因血细胞单行流动特性提供了最精确的预测信息，而视频稳定和去噪处理对系统性能至关重要，缺失这些步骤会使血红蛋白预测准确性下降38%。这项概念验证研究有望发展成便携式手持设备，作为诊所、社区医疗甚至家庭的一线筛查工具，特别有利于医疗服务有限地区，为全球约30%受贫血影响的人口提供更便捷的检测途径，代表了将物理学、光学和人工智能结合应用于医学的重大突破。

剑桥大学与DIOSynVax公司研发的pEVAC-PS疫苗是全球首款活性成分完全由人工智能设计的通用冠状病毒疫苗，已成功通过I期人体安全性试验。该疫苗采用AI分析沙贝科病毒家族全部遗传序列，设计出能识别SARS、COVID-19及蝙蝠冠状病毒等多种病毒的"超级抗原"，在39名健康志愿者中展现出良好的安全性并触发跨病毒免疫反应，标志着AI驱动的疫苗设计平台战略正式开启，为应对未来冠状病毒大流行及流感、埃博拉等其他病毒威胁提供了新希望，目前团队正推进II期有效性试验并拓展AI疫苗平台至其他病毒家族。

西弗吉尼亚大学医学联合镇医院引入FDA批准的自主AI视网膜筛查技术，通过8分钟无散瞳检查实现糖尿病视网膜病变的早期诊断，使筛查率从26%提升至73%，显著优化医疗流程。该技术单次筛查成本仅为视网膜注射治疗费用的零头，在减少患者两次就诊需求的同时，为医疗机构带来近两倍的保险报销率，尤其惠及农村及低收入人群，有效预防可避免的失明风险并降低长期医疗支出，获得院方"质量达标、增收显著、解决医疗公平性难题"的高度评价。

Withings收购法国呼吸健康监测公司Biosency以强化其呼吸疾病管理业务，该技术可实现慢性阻塞性肺病早期检测；Iambic AI与拜耳达成AI药物研发合作，运用Enchant和NeuralPLexer技术攻克难治靶点；默克公司联合孕产妇健康企业Mae通过多州项目支持黑人准妈妈，通过导乐师培训和医疗补助计划参与提升健康公平性，三方合作共同推动数字健康在呼吸疾病管理、AI药物研发及孕产妇健康领域的创新应用。

Viz.ai与Cortechs.ai宣布合作，将Cortechs.ai的NeuroQuant MS软件集成到Viz.ai的临床协调平台中，旨在改善多发性硬化症患者的治疗。该合作利用定量脑部MRI分析技术，使病灶负担和脑容量测量数据能够直接融入医生工作流程，避免了传统上需要神经科医生专门查找的静态报告模式。这项技术有望实现更早诊断、更快治疗启动和更一致的纵向疾病监测，从而改善多发性硬化症患者的护理质量，代表了人工智能在医疗健康领域的创新应用，展示了AI技术如何有效解决医疗数据传递与临床决策支持的关键挑战。

Bajpai实验室近日发布TargetIQ平台，这是一款基于人工智能的疾病靶点发现解决方案，能够在2-4周内提供8-15个经充分证据支持的可成药靶点，显著缩短传统生物信息学分析周期。该平台通过多组学整合、知识图谱图神经网络和可成药性评分技术，解决了药物研发中因靶点选择错误导致项目失败的关键问题，提供从靶点发现到项目组合评审的全流程决策支持，标志着人工智能技术在药物研发早期阶段的深度应用与突破，有望提高药物研发成功率并缩短研发周期。

Google Research基于五百万用户超过一万亿分钟的可穿戴设备数据，开发了名为SensorFM的通用AI健康模型。该模型在35项健康任务中的34项上超越了专用算法，能同时处理心率分析、睡眠评估和活动识别等多项功能。这一技术预示着智能手表将从单纯展示数据转向智能解读健康状况，但同时也引发了关于健康数据隐私和使用边界的伦理争议。该模型目前仅处于研究阶段，但已展示了健康AI领域的重要发展方向。

庆应义塾大学研究人员开发了基于二次优化退火因子分解机(FMQA)的RNA逆折叠框架，发现编码策略在AI和伊辛机驱动的RNA设计中起决定性作用，其中One-hot和域壁编码表现最佳，能产生更低标准化集合缺陷值和更高成功率；当鸟嘌呤和胞嘧啶被分配到特定状态时，G-C碱基对在干区积累更频繁，提高了热力学稳定性；FMQA方法相比随机搜索、遗传算法和贝叶斯优化等方法能以更少的函数评估识别高质量RNA设计，在实验验证耗时且成本高的情况下展现出显著效率优势，这一研究不仅推动RNA分子设计进步，还为生物分子工程、材料发现和量子生物学开辟了新方向。