环球医讯AI与医疗健康

高威大学、CÚRAM(爱尔兰研究医学设备中心)和比利时鲁汶大学的多学科研究团队成功破解了物理力量如何减缓癌症生长的长期科学谜题。他们开发了AI加速计算模型，证实肿瘤在外部机械压力下，细胞无法通过渗透作用达到分裂所需大小，导致生长停滞。这一发现不仅阐明了肿瘤物理结构作为疾病积极参与者的角色，还可能为"机械疗法"在癌症治疗中开辟新途径，对改善药物反应和设计新型治疗方案具有重大意义，有望重塑癌症治疗方法，为未来癌症治疗提供全新思路。

全球每年有超过100万人死于耐药性感染，科学家们正面临一场与细菌的永无止境的战争。麻省总医院和哈佛-麻省理工Broad研究所的研究人员利用人工智能技术，从数百万化合物中高效筛选出能有效对抗耐药细菌的新抗生素。通过深度神经网络分析分子化学结构，研究人员发现了名为halicin的新型抗生素，它能杀死多重耐药、广泛耐药和完全耐药的细菌。AI技术有望大幅提高抗生素研发效率，为应对日益严峻的抗生素耐药性危机提供新希望，帮助重新充实已经枯竭的关键药物管线。

美国科技企业家马克·扎克伯格及其妻子普莉希拉·陈博士的慈善机构Biohub近日推出了一款基于第四代进化规模建模(ESM)的蛋白质生物学AI世界模型，旨在加速药物发现过程。该开源模型能够帮助科学家设计稳定有效的新型蛋白质，已在免疫疾病和癌症研究中展现出潜力。Biohub科学主管表示，该模型将通过合作平台和biohub.ai向研究人员开放，并提供计算资源支持。自2015年成立以来，陈-扎克伯格夫妇已承诺超过70亿美元用于慈善，其中包括通过收购AI生物学公司EvolutionaryScale强化其在生物医学领域的投入，他们还计划捐出99%的Meta股份用于公益事业。

伦敦国王学院联合机构最新研究表明，15%的英国民众曾使用AI聊天机器人替代就医，10%的人用AI替代心理健康咨询；20%的AI健康咨询者表示AI未鼓励其寻求专业意见，21%因AI建议放弃就医，而AI在早期医疗案例中误诊率高达80%；公众对AI医疗态度分化明显，38%反对临床决策使用AI，女性和年轻人反对比例更高，76%支持对AI医疗工具进行官方监管，且多数人认为医生应为AI失误负责，而非技术开发者。

美国宾夕法尼亚大学科研团队创新性地运用人工智能技术分析Reddit平台用户帖子，评估GLP-1类处方药物的实际安全性和副作用情况。该研究通过大语言模型处理41万余条真实用药记录，发现43.5%的用户报告了副作用，其中胃肠道问题占比最高，同时首次识别出月经异常等未被充分研究的潜在风险信号。尽管存在社交媒体用户群体偏差等局限，这项技术为补充美国食品药品监督管理局现有监测系统提供了新途径，能更高效获取大规模、长期的真实世界用药数据，对改进药物安全评估体系具有重要价值。

本文深入探讨了老年人在使用数字健康工具时面临的严峻挑战，包括复杂的登录系统、隐私担忧和用户界面不友好等问题。CVS Health的研究显示，尽管86%的老年人愿意使用数字健康服务，但过时的设备、密码问题和对网络诈骗的担忧使他们难以充分利用这些服务。文章详细分析了老年人面临的四大主要问题，并提供了九项实用建议，包括安全保管登录信息、避免点击可疑链接、开启双重验证等，帮助老年人更安全地使用健康应用程序。同时强调了健康技术应以用户为中心的设计理念，以及在数字健康领域中人工智能可能发挥的积极作用与潜在挑战，对提高老年人数字健康素养具有重要指导意义。

美国国家质量保证委员会(NCQA)推出AI学习协作项目，旨在推动医疗保健领域负责任的人工智能应用。该项目聚焦于预先授权等高质量特定用例，通过同行学习、领先实践指导和成果导向的实施手册，帮助医疗组织评估AI实施效果，加强治理框架，减少操作风险，并提高公众信任。该协作项目针对不同AI成熟度的组织，提供结构化学习、结果评估和持续改进机制，解决医疗AI实施中的碎片化问题，确保技术应用不仅提升效率，更能切实改善医疗质量、患者体验和决策透明度，满足CMS-0057等监管要求，促进行业在快速发展的AI技术中保持负责任的创新步伐。

本文介绍了机器学习如何帮助填补妊娠期药物安全数据空白，指出过去十年中仅4%的临床试验纳入孕妇作为参与者，这一现象源于1977年美国食品药品监督管理局建议不在1、2期临床试验中纳入孕妇或可能怀孕女性，导致妊娠期用药安全证据严重缺失；文章重点介绍了两项创新研究：采用基于树的数据挖掘方法的BOOST-HP项目和结合因果推断与机器学习的BIONIC研究，强调透明度的重要性，指出研究团队使用可追踪决策路径的AI模型避免"黑箱"模型可能导致的关键流行病学错误风险，进一步完善机器学习模型设计并获取更大更全面的数据集有望有效填补这一长期存在的药物安全证据空白，为孕妇用药安全提供更可靠的科学依据。

梅奥诊所医生利用"生物医学数据翻译器"这一人工智能工具成功救治了一名患超罕见疾病的新生儿乔里·克劳斯。通过基因组测序和AI分析，医生从庞大药物数据库中快速识别出克洛纳宾作为有效治疗方案，使原本面临生命危险、无法正常发育的婴儿迅速恢复活动能力。这一突破性案例不仅展示了AI在罕见病诊疗中的关键作用，还催生了"乔里效应"组织推广该治疗方法，目前已帮助其他类似病情的儿童从无法说话到能够表达完整句子，为全球罕见病患者带来了新希望，彰显了人工智能与精准医学结合的巨大潜力。

本文详细介绍了人工智能如何加速神经系统疾病的治疗方法研发，特别是通过药物再利用策略。英国爱丁堡的痴呆症研究所科学家利用AI分析患者语音录音、虹膜扫描和实验室培养的脑细胞，快速筛选已获批药物对肌萎缩侧索硬化症、帕金森病和痴呆症的潜在疗效。文章阐述了AI工作流程的五个阶段：数据收集、细胞创建、药物筛选、AI预测和临床试验，并介绍了MND-SMART试验等创新方法。同时提到了MIT和哈佛等机构的相关研究，以及该领域面临的挑战和希望，为读者提供了AI在神经医学领域应用的全面视角。