环球医讯AI与医疗健康

本文综述了本周医疗保健领域的五大重要新闻，包括阿斯利康CEO阐述AI如何革新药物开发流程、Perrigo公司高管变动事件、英国国家医疗服务体系部署微软AI减轻医护人员行政负担、强生斥资10亿美元收购Firefly Bio拓展抗体治疗领域以及AMD与伦敦帝国理工学院合作推进医疗AI基础设施建设，全面展示了人工智能技术在药物研发、临床管理、医疗创新等关键环节的最新应用进展和行业动态，为读者提供了全球医疗健康领域技术融合发展的深度洞察。

可穿戴健康设备的普及使患者能够收集大量健康数据，但医生面临数据过载和整合难题。文章探讨了当前医疗系统难以处理持续健康数据流的问题，分析了将可穿戴数据整合到电子健康记录中的技术挑战，以及医生对数据准确性的担忧。同时，文章也指出人工智能和开源平台可能是解决方案，专家呼吁建立公共健康数据基础设施，强调健康是公共产品而非纯粹的商业行为。医生们正在寻找方法筛选有用数据，而行业并购和政策制定也在推动这一领域的变革。

普林斯顿大学研究人员开发了一种人工智能工具，能够将细胞内关键结构——生物分子凝聚体的形态分类为四种基本类型，包括一种此前未被发现的"花型"。该技术通过分析核仁形状变化，揭示了不同药物如何影响细胞内的RNA相关过程和拓扑异构酶I功能，为单细胞水平监测药物反应提供了新方法，有望推动阿尔茨海默病、肌萎缩侧索硬化症和癌症等疾病的药物研发与治疗策略优化，同时为理解细胞结构形成机制提供了突破性见解。

LinkedIn联合创始人里德·霍夫曼认为不采用AI作为第二意见的医生行为近乎医疗失当，他强调当今最先进的AI模型能提供医生不应忽视的见解，尽管有专家警告AI在医疗决策中尚未准备好完全取代医生，但已有27%的临床医生表示AI帮助他们识别潜在医疗错误，霍夫曼已辞去微软董事职务，全身心投入其AI药物发现初创公司Manas AI，致力于利用AI加速新药研发进程，他预测十年内每种主要疾病都将有能够产生实质性影响的靶向分子。

本周重要科技动态包括：日本宇宙航空研究开发机构(JAXA)与玩具制造商TOMY合作开发的可变形微型月球探测器LEV-2，受变形球玩具启发成功完成月球表面自主探索任务；医学研究人员经过数十年努力终于确定炎症性肠病(IBD)的病因，发现部分患者免疫系统对白细胞介素-10产生自身免疫反应导致肠道炎症失控；耶鲁大学团队研发出新型高效脑机接口技术，通过顺应大脑神经通路几何结构，使用户仅需不到一小时训练即可用思维控制游戏角色，为脑机接口领域带来突破性进展。

本文首次在真实世界医学院入学环境中对AI生成的多站迷你面试(MMI)题目进行了心理测量学评估，分析了2025年Monash大学入学周期中56个MMI题目(17个AI生成，39个传统开发)，通过克朗巴哈α系数评估信度，通过分数标准差和范围评估区分能力。结果显示AI生成题目(平均α=0.82)与传统题目(平均α=0.81)具有相当的内部一致性信度，AI生成题目中更优比例达到最优信度水平(41.2% vs 33.3%)，需审查比例更低(5.9% vs 12.8%)。研究证实AI可作为MMI题目开发的有效工具，提供可扩展方法减轻教师资源负担，同时保持心理测量学质量，这对解决传统MMI题目开发资源密集且易受人为因素影响的问题具有重要意义，但强调了持续质量保证对确保公平性和有效性的必要性。

普华永道最新报告揭示，医疗机构正利用AI工具优化医疗计费流程，通过记录更详细的诊断信息将基础病症编码升级为高收费编码，导致2027年医疗成本可能上涨9%。数据显示，某医院系统在产后出血性贫血的计费代码使用率从2022年的4%飙升至2025年的12.3%，而实际输血治疗量几乎未变，审计发现仅不足20%病例符合临床诊断标准。尽管AI未来可能通过自动化行政工作降低成本，但当前其在医疗领域的主要应用反而推高了患者负担，凸显技术应用中商业利益与公共健康之间的深刻矛盾。

人工智能已成功设计出全球首个利用AI和计算建模开发的实验性疫苗pEVAC-PS，该DNA疫苗旨在识别整个冠状病毒家族的共同特征而非特定毒株，目前已完成I期临床试验，证明其安全性良好且能触发针对保守冠状病毒靶点的免疫反应，为未来疫苗开发提供了从被动应对转向主动预防的新思路，这项突破性研究发表在《感染杂志》上，有望在未来疫情爆发前提供有效防护。

本文深入探讨了人工智能在医疗保健领域的应用现状与挑战，重点分析了AI如何影响医疗专业人员日常工作、患者对AI的主要关切、阻碍AI实施的关键数据挑战以及AI在现实医疗环境中的实际应用。文章强调，成功的AI整合需要优先考虑医疗专业人员的工作流程效率和系统可靠性，建立患者对AI的信任依赖于透明度、可访问性和强大的数据隐私保护措施，同时必须克服数据稀缺、固有偏见和关键安全问题等挑战，才能充分发挥AI在诊断、临床决策支持和患者参与方面的变革潜力，最终实现提升整体医疗质量和患者体验的目标。

本研究分析了903款FDA授权的人工智能赋能医疗设备，发现缺乏临床性能研究信息的设备召回风险更高；使用相关问题最常触发召回，凸显AI系统独特安全挑战。研究还表明，设备特征与上市后证据共同决定安全状况，建立统一监测框架可增强安全信号检测。这些发现强调了加强AI设备临床验证和上市后监管的重要性，为谨慎推进AI医疗应用提供了实证依据。