环球医讯AI与医疗健康

本文分析了数字健康领域的五大发展趋势：电子患者档案（ePA）的推广现状、基于人工智能的患者分诊与系统入口、语音记录自动化文档、AI在临床治疗中的应用以及健康自决权与AI的互动。文章指出，虽然数字化有望优化医疗服务，但实际推广缓慢、技术依赖外部供应商、社会不平等加剧等问题仍然突出，需要在技术变革中配套相应的社会支持措施。

本文报道了在HIMSS26大会上，Sutter Health与Ferrum Health分享的案例，展示了如何通过三大核心护栏（统一模型接入、统一部署架构、统一验证与治理）将AI从试点推向企业级规模化应用，显著提升肺癌和乳腺癌早期检测率，改善患者预后，同时强调本地验证、持续监控和避免碎片化集成的重要性。

纽约州正在审议一项法案，旨在禁止AI聊天机器人冒充医生、护士等持证专业人员提供医疗或法律建议，并要求平台明确告知用户正在与AI对话。该法案允许用户对违规公司提起诉讼，是纽约州更广泛人工智能监管措施的一部分，旨在应对AI在医疗领域滥用风险，保护公众安全。

约翰·霍普金斯大学外科医生彼得·A·纳贾尔博士指出，人工智能模型能够比人类医生提前16个月发现胰腺癌的迹象，这种癌症通常在晚期才被诊断，五年生存率仅13%，但早期发现可将生存率提升至44%。此外，AI还加速了药物开发，通过计算机模拟测试潜在疗法，并改善患者体验，例如利用AI医疗抄写员自动记录病历，让医生有更多时间关注患者。不过纳贾尔强调，该技术仍处于早期阶段，需要更多真实世界证据。

本前沿研究主题聚焦于精准医学在三阴性乳腺癌中的进展，重点探讨生物标志物的发现与验证，以及人工智能驱动的方法在风险分层、早期检测、治疗选择、反应监测和耐药机制等方面的应用。文章涵盖了从早期到晚期/转移性疾病的各个阶段，包括基因组学、转录组学、蛋白质组学、免疫微环境、空间组织及克隆进化等多维数据整合，旨在定义可操作的亚组、优化现有及新兴疗法的患者选择，并加速数据驱动的临床转化。

本研究主题聚焦于利用人工智能技术整合并分析多样化的生物医学数据类型，以提升AI模型在精准医学中的性能和可靠性。精准医学旨在根据个体患者的独特特征定制诊断、治疗和预防策略。生物医学数据来源和格式多样，包括结构化临床数据（如实验室检查结果、诊断代码）、非结构化文本（如临床记录）、组学数据（如基因组学/转录组学/蛋白质组学）、医学影像（如CT、MRI）以及患者生成的数据（如可穿戴设备、移动健康应用）。这些异质数据集若能得到有效整合与分析，可提供互补性见解。在此背景下，机器学习和深度学习、统计学和数学方法等计算方法至关重要，因其能够从大规模复杂数据集中学习模式、处理高维度、整合不同类型数据、预测临床结局或识别疾病亚型。该主题面临多项重大挑战：生物医学数据的高度多样性使数据协调和互操作性困难；临床数据集常含缺失值、噪声和偏差，影响AI模型性能和泛化能力；组学和影像数据的高维度增加了计算复杂性和过拟合风险；许多AI模型作为“黑箱”引发可解释性和临床采纳方面的担忧；隐私、数据安全和伦理问题（如公平性和知情同意）仍是关键障碍。尽管如此，本研究主题的主要目标是呈现能够有效整合多模态生物医学数据以生成准确

本文指出当前医疗AI算法因训练数据缺乏多样性而存在严重偏见，例如脉搏血氧仪对深色皮肤人群测量不准确、氯吡格雷药物在不同族群中的疗效差异等。作者Brad Porter强调，若不纠正数据偏差，AI将固化医疗不平等。他呼吁标准化种族数据收集、促进全球数据共享，并确保AI工具反映服务人群的真实多样性。

日本神户大学的研究人员开发出一款人工智能模型，能够通过简单拍摄人手背部的照片来检测罕见的内分泌疾病——肢端肥大症。这种疾病因生长激素分泌过多引起，常导致手脚增大、面部特征改变，若不及时治疗会缩短约10年寿命。研究团队利用来自日本15家医疗中心的725名参与者（约半数患者）的1.1万余张手部图像训练AI模型，模型识别准确率高达88%，甚至优于经验丰富的内分泌科医生。该技术有望成为早期筛查工具，且手部照片比面部照片更具隐私优势。研究发表于《临床内分泌与代谢杂志》，未来或可扩展用于检测类风湿关节炎、贫血等其他疾病。

本文详细分析了OpenAI、Anthropic和Google三大科技巨头近期在医疗保健领域推出的人工智能工具，包括OpenAI的HealthBench基准测试和OpenAI for Healthcare、Anthropic的Claude for Healthcare以及Google的Gemini 3.0。文章探讨了这些工具的功能、适用场景以及它们在HIPAA合规性方面的表现，指出虽然各产品都可签署商业伙伴协议或通过脱敏数据实现合规，但实际效果需结合本地工作流测试。同时，文章提醒医疗系统不应仅依赖基准测试分数做采购决策，而应综合评估模型在真实患者数据、工作流和安全控制上的表现。此外，文章还分析了面向消费者的ChatGPT Health对患者参与度的潜在影响，认为医疗机构应借此机会加强AI驱动的患者体验投资。

美国参议院健康委员会听证会上，两党立法者对消费者健康应用程序及可穿戴设备收集的患者数据被上传至人工智能工具后的安全性表示担忧。与临床技术不同，第三方数字工具通常不受《健康保险流通与责任法案》的隐私保护，导致数据可能被用于商业化或金融收益。参议员比尔·卡西迪质疑AI系统使用患者数据的责任归属、隐私风险及财务利益分配。卫生与公众服务部正在征求公众意见，以制定潜在的政策和监管行动，但现行联邦法规无法管控患者自愿分享后的数据使用。