环球医讯AI与医疗健康

本文深入剖析制药行业如何突破人工智能应用瓶颈，指出68%的生命科学研发人员已采用AI技术，但52%因数据质量问题受阻，核心挑战并非技术限制而是业务转型——仅15%的AI项目涉及模型开发，85%需解决业务适配问题。作者提出五步框架：从明确可衡量业务成果入手、建立业务与IT共同责任机制、实施中心辐射式治理、构建模块化解决方案、规划数据民主化访问，强调通过Merck等案例证明AI可将临床研究报告生成时间从180小时缩短至80小时，最终加速救命药物研发进程，使企业决策速度超越IT实施速度，实现从概念验证到企业级价值的跨越。

英斯泰罗创始人达芙妮·科勒在专访中系统阐述了人工智能驱动药物发现的实践路径，强调突破性进展不会源于炒作或模型幻觉，必须依靠为科学发现量身构建的真实数据体系；她详细解析了与礼来、百时美施贵宝等药企达成战略合作的关键成果，指出人工智能在生物医学领域的应用需从根本上重构数据收集与分析流程，警示科学界警惕生成式AI带来的"因果错觉"风险，坚持实验验证的科研本质，同时分享了从教育科技转型生物技术领域对人工智能局限性的深刻认知，为行业提供了兼具战略高度与实操价值的创新范式。

本文探讨医生使用ChatGPT获取医疗第二意见的现象，通过土拉菌病成功诊断与误食泳池清洁剂导致精神疾病的正反案例，揭示AI诊断的潜在风险与价值。专家警告普通患者需谨慎对待AI医疗建议，因其存在"讨好倾向"和幻觉风险，但肯定其在辅助医患沟通、解释专业术语方面的优势。研究显示半数临床医生已使用AI工具，未来AI或将成为医疗助手而非替代医生，关键在于患者与医生应公开讨论各自对大语言模型的使用情况，以建立更高效的诊疗合作。

本研究由西班牙巴塞罗那庞培法布拉大学、巴塞罗那超级计算中心—国家超级计算中心(BSC-CNS)和罗维拉-比尔吉利大学联合PRISMA协会开展，探索如何开发包容跨性别者的医疗人工智能系统。研究发现当前AI常复制创建者的二元性别偏见，导致跨性别者在使用语音应用等医疗技术时产生情感不适，可能影响其心理健康与生活质量。研究建议通过让跨性别者参与AI设计过程、实现个性化激素治疗方案、改善医疗专业人员培训等方式，开发更具包容性的医疗AI，确保人工智能在医疗领域的突破能公平惠及所有人群，特别是历史上被边缘化的跨性别群体。

约翰霍普金斯大学凯瑞商学院的一项新研究揭示，尽管生成式人工智能在推进医疗保健领域具有显著潜力，但医生在临床决策中过度依赖该技术会引发同行的严重质疑，被视为临床技能与整体能力不足的象征，导致患者护理质量感知下降；研究通过276名执业临床医生的随机实验发现，AI依赖程度越高，"能力惩罚"效应越明显，将AI定位为"第二意见"仅能部分缓解负面评价，而不使用AI反而获得最有利的同行认可，这突显了社会心理障碍对医疗AI adoption的实际阻碍，同时临床医生仍认可AI在提升评估精确性方面的价值，强调需平衡技术创新与专业信任维护。

科学家们开发出名为Delphi-2M的人工智能模型，该模型通过分析医疗记录中的模式，能够预测未来十年内1231种疾病的发病风险，其原理类似于天气预报中的概率预测。该技术已在英国生物银行40多万人的数据集和丹麦190万人的医疗记录中得到验证，尤其在2型糖尿病、心脏病发作等具有明确进展路径的疾病上表现突出。研究人员计划利用此AI早期识别高风险患者以实施干预，例如通过药物或生活方式建议预防疾病，并帮助医院预测未来医疗需求，如2030年诺里奇地区的心脏病发作数量，从而优化资源规划。目前该模型仍处于研究阶段，需解决数据偏差（主要基于40-70岁人群）并经过严格测试后才能临床应用，预计从技术成熟到常规使用将经历约十年过程，标志着人类健康预测进入新纪元。

杜克大学医疗系统首席护理执行官特里·麦克唐奈阐述了该机构在人工智能应用方面的核心策略，强调尽管人工智能无法替代医护人员的临床经验判断，但能通过自动化处理行政事务显著减轻其负担，使临床人员更专注于患者护理；杜克采取自主构建与外部采购相结合的方式开发AI工具，包括监测患者病情恶化的内部模型、脓毒症预警系统以及与Artisight合作的计算机视觉应用，同时开展与微软Nuance和Abridge的临床文档自动化试点，其所有AI项目均以解决实际问题为起点，优先评估市场现有方案，再考虑合作开发或自主构建，确保技术真正优化工作流程并持续改善患者治疗效果，避免盲目追逐技术潮流。

本文深入探讨人工智能在医疗转录领域的革命性应用，指出AI技术通过自然语言处理解析医患对话并生成结构化电子健康记录，使医生日均节省3小时文书时间，显著降低职业倦怠率并提升患者满意度；同时对比了传统转录服务、语音识别软件与AI辅助系统的核心差异，阐明AI医疗转录以可承受成本实现人类转录员质量的技术突破，正在重塑现代医疗中"照护之乐"的回归路径，全文基于美国医疗体系现状展开分析。

美国技术政策助理部长办公室（ASTP）最新报告显示，2024年71%的非联邦急性护理医院在其电子健康记录中集成预测性人工智能，较2023年上升5个百分点，主要应用于计费自动化、预约安排及高风险患者识别；然而临界接入医院和乡村医院采用率分别仅为50%和56%，独立医院仅37%，凸显持续存在的数字鸿沟。医院普遍开展AI准确性评估（82%）和偏差检查（74%），但用于健康监测和治疗推荐的应用仍较少，主要受限于高错误风险及治理结构复杂性，反映出医疗资源分配不均与技术落地挑战。

本文基于TIME与Statista的联合全球分析，系统评析了2025年最具影响力的医疗科技企业，重点指出人工智能与数据分析领域凭借疾病筛查、诊断优化及精准治疗匹配取得显著突破，如Qure AI的深度学习影像诊断技术；同时揭示预防医学因医疗体系对慢性病预防激励不足而发展滞后，而Fedo和Canary Speech等公司正通过自拍生命体征监测与语音认知障碍识别推动诊断创新，数字健康则通过可穿戴设备和远程医疗赋能患者实现更自主的健康管理，整体反映医疗行业数字化转型中的机遇与结构性挑战。