环球医讯AI与医疗健康

AISAP公司新近获得FDA批准的AI平台将床旁超声与实时AI分析相结合，使护士执业者和医师助理能在几分钟内获得可操作的心脏信息，有效解决心血管疾病诊断中影像信息获取延迟的问题，尤其对农村和医疗资源不足地区的患者具有重要意义，该技术旨在扩展专家级见解至一线临床医生而非取代专业诊断，标志着AI辅助诊断工具正成为一线临床实践的重要组成部分，为应对心血管疾病负担增加和医疗资源短缺提供创新解决方案。

达特茅斯研究人员发现，AI起草的患者门户网站消息可能使医生编辑时间增加而非减少。研究团队分析了14.6万条患者与初级保健医生在达特茅斯医疗在线门户的交流记录，发现AI生成草稿常引入错误、多余细节且缺乏相关后续问题。尽管通过TADPOLE技术将模型适配到医生个人沟通风格可提高33%准确性并减少26%编辑时间，但若需修改消息的75%，编辑时间反而可能超过从头撰写。这项在计算语言学协会年会上发表的研究，为生成式AI是否真正减轻临床医生工作负担的争论增添了新证据，揭示了AI辅助可能只是重新分配而非减少医生工作量的现实挑战。

国际电信联盟(ITU)、世界卫生组织(WHO)和世界知识产权组织(WIPO)联合发布《AI赋能医疗创新与知识产权：从理念到影响》报告，为AI医疗创新提供知识产权策略指导。该报告详细阐述了如何在创新生命周期各阶段运用不同知识产权工具，通过混合IP方法保护创新成果，促进技术转化，并确保AI医疗技术能够安全、可信地惠及全球患者。报告强调知识产权在连接研究、商业、技术和政策方面的重要作用，帮助创新者在全球范围内实现AI医疗解决方案的规模化影响，解决医疗领域知识产权问题的复杂性。

随着人工智能在医疗健康领域的广泛应用，行业关注点已从推广采用转向责任治理。Inflo Health首席执行官安吉拉·亚当斯指出，医疗系统面临的最大挑战是如何建立有效的AI治理体系，确保在临床工作流程中人类与算法共享决策权时，能够明确责任归属、实现可追溯性，并防止自动化偏见。她强调，成功的AI应用不在于部署速度，而在于构建透明、负责的治理框架，保护医患关系核心，避免仅追求效率指标而损害医疗质量与信任。

AI医疗记录员通过环境监听技术自动记录和转录患者就诊过程，有效减轻了医生文书工作负担和职业倦怠，但最新研究表明其可能导致医疗编码强度上升，引发保险报销金额增加。Blue Cross Blue Shield Association研究显示，AI记录导致约2200万美元的额外孕产索赔支出，而Trilliant Health预测行业整体可能增加23亿美元医疗成本。这并非欺诈行为，而是AI生成的更完整记录自然支持更高级别编码的结果，医疗机构应加强内部编码审核并确保临床医生在最终确定前审查每份记录，以应对保险公司日益严格的审查和潜在的收入周期管理挑战。

日本东京大学研究人员开发出SpliceSelectNet(SSNet)新型AI模型，该模型采用分层Transformer架构可分析长达10万碱基对的DNA序列，同时保持单核苷酸分辨率。SSNet有效捕捉影响RNA剪接的远距离调控信号，解决了传统模型难以识别数千碱基对外调控信号的难题，在理解致病突变机制方面取得突破，为遗传病与癌症研究提供新工具，同时为精准基因组医学发展奠定基础，其技术还可应用于启动子-增强子互作、三维基因组组织等研究领域。

西北大学研究人员开发出一种受小脑启发的"记忆晶体管"设备，该设备能模拟大脑检测新奇事物的反射能力，在心电图异常心律检测中表现出色，准确率超98%，且计算量仅为传统AI方法的万分之一。这一技术突破将AI硬件设计理念从"多做"转向"少做"，通过仅在异常情况出现时做出反应的方式大幅降低能耗，有望应用于可穿戴医疗设备、自动驾驶、工业机器人和网络安全系统，解决当前AI系统持续处理常规数据导致的能源浪费问题，具有广阔的商业应用前景和环保价值，预计边缘AI市场将从2026年309亿美元增长至2035年2255亿美元。

达特茅斯学院最新研究表明，尽管人工智能在医疗领域的应用日益广泛，但AI生成的患者消息回复常包含不准确或不相关的医疗信息，且往往遗漏关键临床问题，导致医生需要大量编辑工作。研究分析了14.6万次医患对话，发现当AI系统适应医生个人沟通风格时，准确性可提高33%，编辑工作量减少26%。专家警告，若AI回复需修改超过75%，反而会增加医生工作负担，强调AI辅助工具必须真正减轻临床工作而非转移工作瓶颈，同时指出老年患者是数字医疗沟通的主要使用者，系统设计应考虑其需求。

犹他州今年初悄然推出的一项AI处方续开计划引发了医学界的重大辩论：人工智能是否已准备好接手此前只能由医生完成的任务？该计划允许犹他州居民跳过医生办公室，通过名为Doctronic的AI聊天机器人在线续开处方，但此举也引发医生、律师和公共卫生专家的担忧，他们质疑在现行法律框架下AI是否应被允许进行处方操作，以及如何平衡技术创新与患者安全，同时FDA采取的"放任"态度使这一问题更加复杂，而其他州如德克萨斯和怀俄明也在为AI医疗铺路，预计Doctronic等公司将在不同监管环境的州迅速扩张，但长期可能面临公众信任危机和行业反弹。

康奈尔大学主导的研究发现，在热应急规划中，AI算法与简单指数工具的优劣取决于具体应用场景和目标受众。研究表明，AI可能更适合实时决策和紧急警报，而人类可理解的指数则更适合测量"热脆弱性"等抽象概念。研究团队测试了纽约市热脆弱性指数(HVI)的敏感性，发现它对输入数据非常敏感，更适合长期规划而非短期响应。该研究评估了HVI的可靠性和有效性，并将其与联邦紧急事务管理局和疾病控制与预防中心的指数进行比较，为决策者提供了七个关键权衡点，有助于在不同情境下选择最合适的工具，从而提高热应急管理的效率和效果。