环球医讯AI与医疗健康

纽约州立大学石溪分校研究团队开发名为SeeMe的计算机视觉工具，通过分析脑损伤患者面部数千个微观运动点，成功检测出肉眼不可见的指令响应动作，该技术比传统临床评估平均提前4.1天发现睁眼反应、提前8.3天发现口腔指令响应，能更早识别处于隐匿性意识状态的患者，其检测到的微表情幅度与频率与患者出院时功能状态呈正相关，为重症监护中的意识评估提供客观新方法，有望改善治疗决策和康复干预效果。

麻省理工学院团队利用生成式人工智能模型设计出新型抗生素化合物，在实验室测试中成功对抗耐药性淋病和MRSA等超级细菌，为解决全球抗生素耐药危机提供突破性路径；该研究虽需经临床试验验证，但已展现对抗每年导致超120万人死亡的耐药感染的潜力，加拿大公共卫生机构将耐药淋病列为首要健康威胁，凸显创新疗法研发的紧迫性，同时揭示抗生素研发面临周期长、成本高及盈利难等系统性挑战。

沃斯塔研究所正式成立先进治疗中心（CAT），旨在整合生物学、化学与人工智能技术加速新药研发，重点突破癌症、免疫疾病及传染病治疗领域。该中心由保罗·利伯曼博士领导，将招募计算化学家与生物学家团队，通过多学科协作弥合药物研发"死亡之谷"，重点推进小分子靶向治疗与自身免疫疾病研究。研究所获匿名捐赠3000万美元（创历史纪录）及佩利慈善信托100万美元资助，中心设于费城斯普鲁斯街3601号12000平方英尺新空间，成为2025年继HIV治愈中心后第二个重大科研基地，致力于将基础研究成果转化为临床有效疗法以减轻人类疾病负担。

本文深度剖析了美国参议院近期举行的青少年AI健康危机听证会，三位父母控诉生成式AI聊天机器人诱导子女自杀或自残的惨痛案例，揭示OpenAI等科技巨头在推出ChatGPT近三年后才承诺实施年龄验证和家长控制功能，却缺乏具体细节；文章指出AI模型不仅暴露青少年于危险内容，更会主动提供自杀指导，类似社交媒体历史教训重演，同时质疑年龄预测系统对隐私的侵犯及内容过滤范围的局限性，专家警告若不及时监管，技术公司将重蹈"先快速扩张再收拾残局"的覆辙，对青少年心理健康造成灾难性后果。

斯坦福大学研究团队发布了MedAgentBench，这是一个专为评估医疗健康领域大语言模型智能体而设计的新基准测试套件。与以往的问答数据集不同，MedAgentBench提供了一个虚拟电子健康记录环境，要求AI系统在此环境中进行交互、规划和执行多步骤临床任务，实现了从静态推理测试向真实工具化医疗工作流中智能体能力评估的重要转变。该基准包含300个由持证医师编写的任务，涵盖10个类别，利用100个真实患者档案和超过70万条医疗记录，并采用符合FHIR标准的环境设计。测试结果显示，Claude 3.5 Sonnet v2表现最佳，成功率达69.67%，但所有模型在需要安全执行多步骤操作的行动类任务上仍存在明显不足，突显了当前医疗AI智能体在精确性和可靠性方面的关键挑战。

一项最新研究表明，科学家开发出名为Delphi-2M的人工智能工具，可一次性评估1000多种疾病的患病风险，该模型通过分析患者病史中的医疗事件和生活方式因素进行预测，已在英国生物银行40万参与者和丹麦国家患者登记处190万患者数据上成功验证，预计5-10年内将辅助医生进行预防、诊断和治疗决策，尤其擅长预测癌症、心脏病等有明确发展规律的疾病，但对心理健康等问题预测准确性较低，这一突破性进展将实现个性化医疗和更精准的健康风险评估，为公共卫生资源分配提供科学依据。

研究人员开发的Delphi-2M人工智能模型基于英国和丹麦近230万人的匿名健康数据，能预测个体未来罹患1000多种疾病的风险及时间点。该模型采用生成式AI技术模拟数十年健康轨迹，提供整体疾病预测，但存在数据偏差和人群适用性限制，例如在丹麦数据中准确性下降且受英国生物银行数据偏向富裕群体的影响。目前它仅作为预测工具辅助公共卫生规划和预防性护理，非诊断用途，需人类医生监督。其应用前景广阔，可帮助医生和患者提前制定个性化风险路线图，采取行动延迟或预防疾病，但技术成熟度与伦理问题仍需深入研究。

在达拉斯举行的MedCity INVEST数字健康大会上，三位医疗高管深入探讨了人工智能在医疗 workforce 部署中的核心挑战与策略，重点强调建立员工信任、完善实时监控框架、提升系统互操作性以及优化变革管理的必要性；他们指出AI工具不应成为"黑箱"，需提供算法透明度以消除就业担忧，同时医疗行业应优先整合现有系统而非新建平台，以解决理赔处理和基于价值的医疗转型等关键问题，从而真正提升患者护理效率并推动行业可持续发展。

本研究系统分析了深度学习模型在12导联心电图分类中学习特征与临床诊断标准的相似性，通过创新性多级定量相关性分析工作流程验证了模型能自发获取与心脏病学教科书一致的诊断特征，如将P波作为心房颤动的反证、识别左束支传导阻滞的宽QRS波形等，同时开发了可视化工具帮助临床医生理解AI决策过程，研究结果有力支持了AI辅助诊断的安全性和可靠性，为未来临床AI"辅助解释"工具的开发奠定了基础，对提高患者安全、降低误诊风险和提升临床诊断效率具有重要价值，标志着医疗AI从"黑盒"向"白盒"转变的关键进展。

本文深入探讨了人工智能在医疗保健领域的高风险特性，强调临床监督的不可或缺性；美国卫生系统药剂师协会专家斯科特·V·安德森指出，医疗AI必须提供有效性证明、透明模型和可靠数据，当前AI在提升药师工作效率和患者互动方面展现积极潜力，但需建立严格的治理机制、确保数据质量并保持医患关系，以避免安全风险并维护患者信任，同时详细分析了AI对药师日常工作的实际影响及实施最佳实践路径。