环球医讯AI与医疗健康

一项发表在《英国医学杂志》上的最新研究表明，人工智能在健康咨询领域存在严重问题。研究测试了Google Gemini、DeepSeek、Meta AI、ChatGPT和Grok五种知名AI聊天机器人，发现它们对健康问题的回答中约50%存在问题，其中30%较为有问题，20%高度有问题。这意味着AI有时会建议无效甚至有害的治疗方法。尽管聊天机器人能提供24小时服务且匿名，在医疗资源紧张时填补了空缺，但它们主要从互联网论坛获取信息，难以访问付费墙后的科学资源。专家警告，在诊断方面存在"巨大问题"，同时用户输入的敏感健康信息可能面临隐私风险，形成"输入越详细回答越精准，但个人隐私泄露风险越高"的困境。

多项权威民调证实，约四分之一的美国成年人在近30天内曾使用人工智能工具获取健康信息或建议，主要出于寻求即时答案、评估医疗需求紧迫性等目的；该现象在年轻群体和低收入人群中尤为显著，反映出医疗成本上升与资源获取障碍问题；尽管医疗专家认可AI作为信息门户的辅助价值，但普遍强调其存在准确性风险与隐私隐忧，明确指出AI仅应作为专业医疗的补充工具而非替代方案，约三分之一的使用者对其健康建议持信任态度，相同比例者表示质疑，凸显公众认知的两极分化。

一项发表在《英国医学杂志》的最新研究显示，50%的AI健康咨询回答存在质量问题，其中30%被评为"较为有问题"，20%甚至被评为"高度有问题"。研究团队测试了Google Gemini、DeepSeek、Meta AI、ChatGPT和Grok五种主流聊天机器人，发现它们在癌症和疫苗领域表现相对较好，但在干细胞治疗、营养和运动表现方面问题较多。专家指出，虽然聊天机器人填补了医疗体系的空缺，特别是在心理健康、性健康等敏感话题上具有低门槛优势，但也存在信息不准确和数据隐私风险，公众需要提高对AI医疗咨询局限性的认识，避免因错误信息导致无效或有害的治疗选择。

新加坡南洋理工大学科学家团队开发出一种新型生物芯片，结合人工智能技术能快速准确检测极微量的微小RNA（microRNAs），这些遗传标记与心脏病等多种疾病密切相关。该技术将检测时间从传统方法的数小时大幅缩短至仅20分钟，通过特制纳米光子芯片与AI自动图像分析系统，可在单次快照中成像分析数千个microRNA信号，无需扩增或复杂准备过程。这一突破性技术有望实现大规模疾病筛查，推动个性化医疗发展，并在癌症、心血管疾病及病毒性疾病等领域展现出广泛的应用前景，准确率高达99%以上。

新加坡南洋理工大学科学家成功研发一款AI驱动的生物芯片，可在20分钟内高精度检测微量microRNA基因标记物，准确率达99%。该技术通过纳米光子芯片与AI图像分析相结合，无需传统PCR扩增步骤，能快速检测多种与心血管疾病、癌症等相关的生物标记物，有望实现大规模筛查和个性化医疗，为早期疾病诊断和治疗监测提供新途径，已发表于《先进材料》期刊，获得新加坡教育部和科技研究局支持，并有望在临床检测和药物测试领域广泛应用。

新加坡南洋理工大学科学家团队成功研发出一种AI生物芯片，该芯片能在20分钟内快速准确地检测出血液中的微小核糖核酸（miRNA）等基因标记物，相比传统PCR检测方法大幅缩短检测时间。这项发表在《先进材料》期刊上的创新技术结合了纳米光子芯片与AI图像分析，能同时检测多种疾病相关生物标记，有望应用于癌症、心血管疾病等早期筛查，推动个性化医疗发展，并已在肺癌细胞测试中取得成功，准确率超过99%，未来可能拓展至血液、唾液等样本的无创分子检测，为临床决策提供更精准依据。

一篇发表在BMJ Open上的新研究表明，近一半的AI聊天机器人回答存在准确性问题，尤其在营养学和运动表现领域表现最差；研究评估了五个主流AI模型对50个健康相关问题的回答，发现30%的回答存在一定程度问题，19.6%的回答问题严重，且参考文献经常不完整或虚构，同时回答的可读性过高（相当于大学水平），这对普通公众理解健康信息构成挑战，提醒专业人士和公众在使用AI获取健康建议时需保持警惕，验证信息来源，不应仅因回答流畅就轻信其准确性。

本文深入分析了2026年1月至3月间OpenAI、Anthropic、Amazon、Microsoft和Perplexity五家科技巨头推出的健康AI产品。研究表明，这些产品虽承诺不使用健康数据训练基础模型并将健康对话与普通聊天隔离，但在加密保护强度、人工访问限制透明度和治理框架独立性方面仍存在明显不足。文章特别指出，由于将隐私保护与数据整合功能捆绑销售，欧洲用户被完全排除在外，这反映了深层次的结构性问题而非单纯市场策略。作者呼吁隐私专业人士关注HIPAA法规缺口、"不训练"承诺的实际范围、网络安全集中风险等关键问题，并建议通过监管沙盒机制建立适当的治理框架，在保障创新的同时维护用户隐私权益。

美国凯斯西储大学获得620万美元资助，将利用人工智能和机器学习技术研究阿尔茨海默病的基因治疗靶点。研究团队计划分析全球最全面的阿尔茨海默病基因研究数据，检查1800多个潜在基因靶点，旨在发现能够预防、减缓甚至治愈该疾病的新方法。这项研究有望为制药公司和临床医生提供经过基因验证的药物靶点列表，开发下一代阿尔茨海默病疗法，解决现有药物仅能缓解症状而无法根治的问题。

美国西北大学Feinberg医学院五位杰出教师近日入选美国最古老的医学荣誉学会——美国临床研究学会(ASCI)和美国医师学会(AAP)。这五位教师包括放射肿瘤学系主任Mohamed Abazeed博士、肾病与高血压科副教授Pinelopi Kapitsinou博士、风湿病学教授Yvonne Lee博士、血液肿瘤科Seth Pollack博士和妇产科Lynn Yee博士。他们的研究涵盖癌症治疗、肾损伤治疗、风湿性疾病疼痛管理、免疫疗法抗药性及妊娠健康社会决定因素等多个领域，其中Abazeed博士团队开发的AI工具iSeg在肺癌治疗规划方面取得突破性进展。