环球医讯AI与医疗健康

研究人员开发出名为popEVE的人工智能工具，该模型利用跨越数十万物种的进化数据和人类群体遗传变异信息，能够精准识别并量化排序最可能导致疾病的蛋白质突变，即使这些突变在人类历史上从未被记录；这一突破可显著提升罕见病诊断效率，帮助医生优先关注最具破坏性的基因变异，特别适用于资源有限的医疗体系，并有效减少因遗传数据库欧洲中心偏见导致的误诊问题，已在31000多个家庭中验证其98%的准确率，同时发现123个全新疾病相关基因，为遗传病诊疗带来革命性变革。

在AMP25会议的主旨演讲中，辛辛那提儿童医院生物伦理学家塔昆达·马托塞博士系统阐述了医疗AI应用的伦理框架，指出当前过度追求数据量的误区，剖析AI系统固有偏见的不可避免性及其多维度影响，并提出"将人类置于设计中心"的核心原则——强调需超越技术层面关注人性本质，通过审慎考量患者、医护人员等多方利益相关者需求，建立新型监管框架以平衡创新与公平，最终实现更优质的临床体验和治疗效果，同时警示算法不确定性沟通对患者决策的关键意义。

一项发表于《自然·通讯医学》的突破性研究开发了AI-PPG年龄模型，该技术利用智能手表等可穿戴设备采集的光电容积描记术信号，精准估算血管生物学年龄；研究发现生物学年龄与实际年龄之间的“年龄差”能显著预测心血管风险，每增加一岁年龄差，主要不良心血管事件风险相应上升，当差距超过9年时风险大幅升高；这一非侵入性生物标志物通过深度学习分析PPG波形，聚焦舒张期峰值等生理关键点，已在英国生物银行等大规模数据集验证，可独立预测心血管事件和死亡率，且连续监测能动态评估风险变化；该技术兼容消费级可穿戴设备，为全球心血管疾病的早期筛查和个性化预防提供了实用工具，有望推动心脏病护理从被动治疗转向主动干预，显著降低疾病负担，同时研究团队强调其作为临床诊断补充工具的定位，需结合专业医疗建议应用。

伦敦城市圣乔治大学健康与医学科学教授Alicja Rudnicka在本文中深入探讨了人工智能在疾病筛查领域规模化应用的必要性与实施挑战。基于团队在《柳叶刀》发表的全球首个大规模商业AI系统评估研究，文章指出AI在糖尿病视网膜病变筛查中可达到96-99%的准确率，但成功实施需要解决数字基础设施、工作流程整合、成本效益、公平性等多方面问题。作者强调AI应作为辅助工具支持而非替代临床工作者，并提出了加强实际服务评估、建立共享数字基础设施、确保透明度与信任等实用建议，以实现AI在医疗筛查中的安全可持续应用，同时不损害医疗服务的公平性与患者信任。

本文深入探讨人工智能在自闭症谱系障碍领域的创新应用，指出AI技术通过分析海量数据识别传统方法难以发现的模式，可实现早期诊断和个性化干预；强调AI应作为辅助工具而非替代人类互动，需在伦理框架下谨慎应用，特别对中亚国家如哈萨克斯坦应对日益增长的自闭症病例具有重大意义，有助于提升患者社会适应能力、改善治疗效果并推动神经多样性研究。

本文基于脑科学原理分析AI伴侣监管困境，指出情感连接机制使传统监管措施失效；作者以美国地图比喻人类思维系统，解释AI如何通过不同"中继"直接抵达大脑情感"站点"；文章引用《纽约时报》和WIRED研究，揭示AI伴侣在缓解孤独症的同时可能引发婚姻危机，在16个州甚至构成法律意义上的通奸行为；作者主张建立AI精神病理学研究实验室而非依赖法规，强调监管需关注思维安全警示而非简单限制技术应用，这一观点对人工智能心理健康领域具有重要启示意义。

山间健康首席战略官丹·利利延奎斯特在贝克健康播客访谈中披露，该机构正加速推进约300个人工智能项目，通过自动化工具应对临床医生短缺危机并简化高负荷行政工作。AI已在索赔申诉处理中显著提升效率（单次申诉信撰写时间缩短30分钟），推动收入周期从劳动密集型向技术驱动型转型，同时利用云迁移降低开发成本。利利延奎斯特强调，传统医疗机构凭借现有医疗数据优势占据AI应用先机，但需警惕新型初创企业可能重构医患关系；AI治理已上升至董事会层面，未来五年AI将深度重塑医疗实践模式，尤其在用药调整等场景扩展服务可及性，以应对40%医护人员退休与医疗需求激增的双重压力。

随着假日购物季进入高峰，加拿大儿童发育与心理学专家警告家长警惕AI玩具潜在危害，指出此类玩具可能侵犯儿童隐私、干扰创造力发展并阻碍社交技能形成；美国"保护儿童免受技术危害"组织联合数十位专家发布警示声明，强调AI玩具通过模拟人类情感误导儿童认知，加拿大儿科协会明确反对向儿童推荐此类产品，同时呼吁加强监管以保护儿童大脑发育关键期免受算法干预。

哈佛医学院研究团队开发的新型人工智能模型popEVE通过整合跨物种进化数据与人类群体遗传信息，能精准预测基因变异致病概率及疾病严重程度，已在30,000例未确诊发育障碍患者中成功诊断约三分之一病例，并发现123个新型致病基因位点，该技术将显著提升罕见单基因遗传病诊断效率，为临床医生提供优先级排序的基因组分析视图，同时助力新药靶点发现，目前正与多家医疗机构合作推进临床验证，有望解决全球数百万罕见病患者长期无法确诊的困境。

研究人员利用深度学习AI模型，首次通过常规影像检查识别出可检测的慢性压力生物标志物——肾上腺体积指数(AVI)。该研究分析了2,842名参与者的胸部CT扫描、经验证的压力问卷、皮质醇测量和生理负荷指标，发现AI计算的肾上腺体积与压力问卷结果、循环皮质醇水平及未来心血管不良结果显著相关。这一突破为量化慢性压力对健康的影响提供了客观测量方法，可帮助心血管风险分层和指导预防性护理，无需额外检测或辐射暴露，对中老年人群的健康管理具有重要临床价值。