环球医讯AI与医疗健康

本文深入探讨了生物技术行业如何运用AI与新型治疗平台突破"不可成药"靶点的限制。Absci公司利用AI进行从头抗体设计，Expedition Medicines开发共价结合小分子药物，1910 Genetics攻克大环肽技术难题，Strand Therapeutics研发可编程mRNA疗法，这些创新正在扩展药物发现工具箱，有望满足未被满足的临床需求，为传统上被认为"不可成药"的靶点提供解决方案，推动治疗癌症、自身免疫疾病和神经系统疾病的新一代药物研发。

本文深入比较了AI医疗前台系统与传统人类医疗接待员在成本、可用性、优势领域和用户反馈等方面的差异，分析了AI如何改变医疗前台运作模式，探讨了在不同医疗场景下选择AI、人类或混合模式的实用策略，指出AI不应取代人类而是增强前台服务，使医疗接待既能提供24/7自助便利又能确保关键时刻的人工支持，为诊所和医疗机构提供了基于实际数据的决策参考，帮助他们在提高效率的同时维护患者体验和员工价值。

本文深入报道了美国食品药品监督管理局(FDA)与健康科技公司Paradigm Health的合作，介绍了一种利用人工智能加速临床试验执行和监管审查的新模式。文中详细描述了FDA如何通过AI基础设施直接从电子健康记录(EHR)中提取数据，实时评估关键指标，并将最重要的安全性和有效性信号传输给制药公司和监管机构，从而大幅缩短新药审批流程。同时，文章还探讨了医疗系统面临的挑战，包括医院定价、行业整合以及人工智能在医疗领域的应用前景，揭示了医疗创新与实际应用之间的鸿沟，以及各方为提高效率、降低成本而采取的创新举措，特别是FDA首次尝试通过AI技术实现实时临床试验数据传输，有望改变传统药物审批模式。

本文深入剖析了美国医疗保健系统中一个被忽视的关键瓶颈——依赖传真机的行政工作流程。文章详细介绍了由前Lyft和Cruise高管Kaled Alhanafi与美敦力心脏设备研发专家Chetan Patel共同创立的Basata公司，该公司利用AI技术革新初级保健医生与专科诊所之间的转诊流程。目前美国专科诊所仍主要通过传真接收数百甚至数千份转诊文件，导致大量患者流失。Basata系统能自动读取传真文件、提取临床信息，并通过AI语音代理直接联系患者安排预约，目标是让患者在看完初级保健医生后，走到停车场上车时就已经安排好预约。公司已处理约50万患者转诊，上月处理量达10万例，获得2450万美元融资，70%的新交易来自口碑推荐，显示出市场对解决这一顽固问题的迫切需求。

伦敦国王学院医院国民医疗服务体系信托基金会(King's College Hospital NHS Foundation Trust)率先在英国引入雅培血管公司(Abbott Vascular)开发的Ultreon 3.0人工智能软件，用于改善冠状动脉疾病患者的心脏血管成形术治疗。该技术通过提供血管内部高分辨率图像并结合先进AI算法，帮助临床医生实时准确评估动脉状况、识别易破裂斑块区域并优化支架放置决策，预计每年将使500名患者受益，同时降低并发症风险、提高手术安全性和长期治疗效果。Nilesh Pareek博士及其团队还在领导全英NHS机构的培训工作，推动AI技术在心脏病学领域的广泛应用，标志着英国国民医疗服务体系向数字化医疗和精准医学的重要转变，为应对心脏病这一英国主要致死原因提供了创新解决方案。

本研究验证了一种预训练人工智能工具在冠状动脉疾病患者中进行心脏磁共振电影成像自动化轮廓绘制和应变分析的准确性。研究纳入761名患者，在66个美国医疗中心使用GE、西门子和飞利浦三种厂商的扫描仪进行检查。结果显示，AI算法在93.6%-97.1%的案例中成功生成左心室轮廓，AI与人工测量结果之间存在高度相关性（相关系数0.79-0.94）。研究表明，自动化CMR分析技术具有高精度，可有效减少人工劳动、加快处理速度并降低变异性，有望在冠心病临床诊断和风险评估中发挥重要作用，但仍需进一步验证。

布法罗大学领导的研究团队在《通讯医学》杂志发表突破性成果，开发出一种人工智能模型能够从常规磁共振成像中识别出此前无法检测的大脑灰质皮层病变，这一技术突破使研究人员首次得以观察多发性硬化症患者大脑中隐藏的关键病变，为理解疾病进展和认知功能障碍提供了新视角，有望显著改进多发性硬化症的临床诊断与治疗监测，特别是在评估新药对灰质病变效果方面开辟了全新可能，该技术已成功在ORATORIO临床试验数据中检测出超过11,000个先前不可见的皮层病变。

华盛顿大学医学院研究人员联合西雅图华盛顿大学和基因泰克公司开发了名为OCTCube-M的新型人工智能系统，该系统通过分析3D眼部扫描图像，能更准确地诊断八种视网膜疾病，包括年龄相关性黄斑变性。研究显示，该AI系统在疾病识别准确率上比旧模型提高4-6个百分点，每1000名患者中可多发现43-60个病例。此外，该技术还能仅凭视网膜成像预测心脏病、中风和肾衰竭等全身性疾病风险，有望将简单眼部检查转变为全身健康评估工具，为早期诊断和精准治疗开辟新途径。

佛罗里达大学研究人员开发出一种名为"痴呆症自动影像区分工具"(AIDD)的人工智能系统，能以近乎完美的准确率区分阿尔茨海默病痴呆和路易体痴呆。该工具通过分析特殊MRI技术获取的脑部扫描图像，识别大脑中的细微水运动模式，帮助临床医生做出更准确的诊断。研究分析了519份来自2007-2022年的脑部扫描，使用387份进行模型训练与测试。研究显示高达50%的路易体痴呆患者曾被误诊为阿尔茨海默病，而准确诊断对选择适当的治疗方案至关重要，因为这两种疾病的治疗方法截然不同。该工具在13例经尸检确认的病例中实现了100%的准确识别率。

本研究展示了一种创新性人工智能工具，该工具能够通过分析糖尿病患者的视网膜眼底图像识别出与认知障碍风险相关的生物标志物。研究团队应用深度学习模型对2280张超广角眼底图像进行分析，成功区分了胰岛素依赖型2型糖尿病患者中的"低风险"与"高风险"认知衰退表型，且高风险组的认知功能相当于比低风险组老了14.5岁，为早期识别和干预糖尿病患者的认知障碍提供了潜在的客观筛查工具，具有重要的临床和公共卫生意义，标志着眼科组学在系统性健康评估领域的突破性应用。