环球医讯AI与医疗健康

哈佛大学与马萨诸塞州总医院布里格姆联合研究证实，一种非药物可穿戴心率变异性生物反馈智能贴片能实时辅助物质使用障碍患者管理压力、降低渴求并减少复吸风险；为期八周的2期临床试验显示，使用该设备的参与者负面情绪显著减少，酒精或药物渴求感下降，且每日物质使用可能性降低64%，尤其针对康复第一年这一高危阶段提供创新支持，设备通过人工智能技术检测压力状态并引导呼吸练习，为成瘾治疗开辟了新路径，但需进一步研究验证长期效果。

杜克大学研究人员成功开发出基于人工智能的纳米颗粒药物递送设计新方法，在实验室癌症药物测试中取得显著突破。该技术利用AI算法生成创新性成分组合方案，优化了维奈托克和曲美替尼等抗癌药物的递送系统，不仅大幅提升药物溶解效率和靶向性，更将潜在有毒成分使用量降低75%，为开发更安全有效的个性化治疗方案奠定重要基础，有望推动癌症治疗领域进入精准医疗新阶段。

本文探讨了人工智能在各行业的广泛应用现状，指出虽然AI技术源自科技领域，但最先进的AI业务已渗透至金融、医疗保健、零售、能源和交通运输等17个非科技行业。文章以强生公司为例，详细介绍了其"灯塔"框架下的AI应用策略，强调成功实施AI的关键在于从问题出发而非盲目追求技术，以及由CEO主导的多年战略愿景、强调重新设计整个工作流程、IT与业务部门共同负责、人才投资和技术数据支持等五大因素。研究显示，仅有5%的公司实现了"规模化"的AI价值，即从AI投资中获得比同行更多的收入增长或成本降低，这凸显了企业在AI转型过程中面临的挑战与机遇。

本文系统阐述了人工智能在医学影像领域的应用现状，涵盖疾病诊断、图像分割分析、个性化治疗、图像增强及工作流程优化等核心场景；深入剖析了数据质量、模型可解释性及伦理监管等挑战；前瞻性地展望了早期精准诊断、多模态数据整合、实时决策支持等未来方向，强调人机协同将显著提升医疗效率与患者预后，为智慧医疗发展奠定基石，推动医疗健康体系向更精准、高效、普惠的方向演进。

麻省理工学院研究人员开发出一种受大脑神经振荡启发的线性振荡状态空间模型（LinOSS），该模型基于受迫谐振子物理原理，有效解决了传统状态空间模型在处理长序列数据时的不稳定性与高计算资源消耗问题；实证测试表明，LinOSS在气候趋势预测、生物信号分析等序列任务中性能卓越，比主流Mamba模型提升近两倍效率，且已入选ICLR 2025顶级会议口头报告；该技术将显著推动医疗保健分析、气候科学、自动驾驶及金融预测等领域发展，同时为神经科学研究提供新视角，有望深化人类对大脑工作机制的理解，兼具理论突破与广泛实用价值。

美国食品药品监督管理局（FDA）近期发布公众意见征询请求，旨在收集关于评估人工智能医疗设备（含生成式AI技术）真实世界性能的专业见解，重点关注性能指标定义、评估方法优化、数据质量管理、监测触发机制、人机交互影响及隐私保护策略等六大核心议题，要求利益相关方于2025年12月1日前提交反馈，此举将推动建立全生命周期安全监管体系，确保AI医疗设备在临床应用中持续保持准确性与可靠性，为全球人工智能医疗监管提供重要实践参考。

美国科学家团队利用类似ChatGPT的AI技术成功绘制出迄今最精细的小鼠大脑图谱，精准标注1300个区域及子区域，其中多个此前未被科学界记录。这项由加利福尼亚大学旧金山分校与艾伦脑科学研究所主导的研究发表在《自然·通讯》期刊，揭示了AI驱动的空间转录组学分析如何突破传统人工绘图局限，为理解大脑功能分区及开发精准神经疾病疗法奠定基础，虽然人类大脑全图绘制仍需十年以上数据积累，但该技术已展现出革命性医疗应用潜力。

本文专访德国人工智能研究中心保罗·卢科维奇教授，深入探讨大型语言模型在医疗领域的应用潜力与挑战；指出基础模型虽非万能解决方案，但能显著提升医疗效率，尤其在农村地区诊疗支持和个性化健康管理方面前景广阔；强调必须清晰界定模型能力边界、加强健康数据保护信任机制，并警惕过度依赖技术导致的专业判断缺失，同时预测五年内AI将深度融入诊疗流程而不替代医生核心角色。

科学家运用类似ChatGPT的人工智能模型成功绘制了包含1300个区域的小鼠大脑新地图，首次在无需人工干预的情况下详细描绘了此前难以绘制的大脑区域。这项发表在《自然通讯》期刊上的研究由加州大学旧金山分校和艾伦细胞科学研究所的科学家完成，他们开发的CellTransformer系统能够分析空间转录组学数据，生成比人工标注更精确的脑区地图，甚至发现了之前未被记录的精细区域。该技术有望扩展到人体其他组织的绘制，为理解大脑功能和开发神经疾病治疗方法提供新途径，同时为未来应用于人类大脑研究奠定基础。

美国加州大学旧金山分校和艾伦脑科学研究所研究人员成功开发出名为"CellTransformer"的AI模型，该模型基于Transformer架构，能够自动识别并绘制包含1300个区域/子区域的小鼠脑图谱，为神经科学领域带来革命性突破。这项研究发表在《自然·通讯》上，首次实现了完全数据驱动的大脑区域划分，无需依赖人类专家注释，可精准关联特定脑区与功能、行为及疾病状态，未来还可扩展应用于癌症等其他组织研究，为理解健康和疾病的生物学机制及开发新疗法提供强大工具，代表了人工智能与神经科学融合的重要里程碑。