环球医讯AI与医疗健康

本文采访了Medallia公司健康护理与生命科学副总裁Amber Maraccini博士，深入探讨了ChatGPT Health、Amazon One Medical的Health AI和Anthropic的Claude for Healthcare等人工智能工具如何重塑患者护理流程。文章详细分析了AI在患者检验结果解读、预约前准备等方面的应用价值，强调AI实施得当能增强医患关系而非削弱信任。Maraccini博士指出，正确使用AI能帮助患者在见到医生前理解健康数据，减少焦虑，并使医患对话更聚焦于患者价值观和目标，最终实现更高效、更有意义的诊疗体验，同时避免医生被技术取代的担忧。

本文深入分析了亚太地区医疗保健系统面临的四大核心挑战——需求激增、供应受限、成本攀升和质量不均，指出尽管该地区健康成果取得进展，但地理、收入和系统设计因素严重限制了医疗可及性。文章系统阐述了数字健康技术如何通过预防干预、远程医疗、AI诊断和数据驱动等四个关键路径破解困境，并强调政策制定者需围绕预防服务嵌入、数字劳动力增强、互操作基础设施投资和治理信任建立协同发力，才能实现公平可持续的医疗系统转型，这对拥有48亿人口的亚太地区健康未来至关重要。

宾夕法尼亚大学研究人员通过分析超过40万条Reddit帖子，发现减肥药物如司美格鲁肽和替泽帕肽可能与月经变化、体温异常和疲劳等新副作用相关，这些发现虽不能证明直接因果关系，但为未来临床研究提供了重要方向，展示了人工智能在药物安全监测中的潜力与局限性，同时揭示了社交媒体作为早期预警系统在公共卫生领域的应用价值。

AI"数字孪生"技术正在重塑心脏病诊断与治疗方法，通过创建患者心脏的虚拟模型来模拟疾病发展和测试治疗方案，但当前医疗数据中存在对性别差异的忽视，可能导致这些技术在女性患者中的应用效果不佳。文章探讨了数字孪生技术在心血管医学中的潜力，分析了数据代表性不足对实现真正个性化医疗的挑战，并强调了将性别差异纳入医学研究的必要性，只有确保数字模型反映人类生物学的全部多样性，才能使这项技术惠及每一位患者而非仅"平均"患者。

海德堡生物技术公司Molecular Health已进入破产程序，该公司由SAP联合创始人迪特马尔·霍普控股。曼海姆地方法院于6月1日启动破产程序并下令自主管理，目前正计划通过部分出售来挽救约半数工作岗位。该公司成立于2004年，专注于开发将医学专业知识与AI支持的数据分析相结合的软件解决方案，客户包括SAP、柏林夏里特医院和德国癌症研究中心。首席执行官表示，一位大客户的流失是导致公司陷入困境的主要原因，尽管其他业务此前运行良好。

美国联合委员会于2026年6月1日正式启动"医疗保健中负责任地使用人工智能"（RUAIH）自愿认证体系，旨在认可已建立完善AI治理框架的医疗机构。该认证应对照超过80%执业医师已在临床环境中使用AI技术但监管机制滞后的现状推出，重点评估治理结构、数据管理、风险偏见控制、安全性能监测及教育培训五大核心领域。认证不针对具体AI工具而是认可组织整体能力，获得健康人工智能联盟的权威支持，其标准与行业最新治理指南高度协同，既能为已建立内部治理体系的机构提供外部验证基准，也为起步阶段组织提供实施蓝图，有效减少行业混乱并加速负责任AI在医疗场景的安全落地。

欧盟委员会近日发布了三份关于人工智能法案下高风险系统分类的指导文件，旨在帮助企业确定其产品（包括含人工智能组件的医疗设备）是否属于高风险类别。这些指南详细解释了分类标准，并明确了人工智能法案的要求将叠加在现有的医疗器械法规之上而非替代。文章还探讨了防止医疗器械面临双重监管的努力，包括数字综合法案和医疗器械法规修订提案，以期简化合规流程并避免重复要求，同时确保医疗AI的安全性和有效性，为行业提供了明确的合规路径和时间表。

随着人工智能技术的快速发展，数以千万计的人们开始使用AI聊天机器人咨询健康问题，但通用AI模型提供的医疗建议往往不够准确甚至可能带来风险。为此，微软与美国著名医疗机构梅奥诊所宣布合作，共同开发专门针对医疗领域的AI模型，该模型将基于梅奥诊所的医疗记录、研究成果和临床专业知识进行训练，旨在为患者和医护人员提供更可靠的医疗信息支持，有望帮助患者更好地理解诊断结果和治疗方案，同时辅助医生提高诊疗效率，这一合作代表了AI技术在医疗健康领域应用的重要进展，标志着科技巨头与专业医疗机构深度合作的新趋势。

加州大学旧金山分校和伯克利分校研究人员开发了一种名为Mirai的开源AI模型，该模型通过对4,100多例乳腺X光检查进行分析，成功识别出12.7%的高风险女性患者。这一AI分诊系统使异常结果女性能够在同一天完成从影像检查到评估甚至活检的全部诊断流程，将诊断评估等待时间从数周缩短至约1小时，乳腺癌患者活检等待时间从两个多月减少到不足10天。该技术作为放射科医生的辅助工具，不取代医生诊断，而是通过风险分层实现个性化乳腺癌筛查，为高风险女性提供及时诊疗服务，标志着人工智能在医疗健康领域的重要应用进展，展现了科技与医学的深度融合对改善患者预后的积极影响。

本文探讨了人工智能在医院医学中的应用现状，指出虽然三分之二的医院医师已在临床工作中使用AI工具，特别是基于大型语言模型的平台，但实施质量而非使用率将决定其最终影响。文章借鉴电子健康记录实施的经验，强调AI必须通过循证培训、精心设计的工作流程和组织文化支持，才能有效嵌入临床推理过程。作者提出三个关键优先事项：培训临床医生理解AI输入和解释输出、应用实施科学框架部署AI、建立持续评估策略。实施科学框架如PRISM模型可帮助系统评估工作流程整合、培训需求和潜在风险，而学习型健康系统基础设施则支持持续监测和迭代改进。文章警示，AI的广泛采用本身并不保证医疗服务改善，关键在于实施方式能否真正推进优化患者结果、健康公平性、成本控制及提升患者和临床医生体验的五重目标。