环球医讯AI与医疗健康

弗吉尼亚大学健康系统开展的一项研究招募了50名家庭医学、内科和急诊医学医生，比较Chat GPT Plus与传统方法在诊断复杂病例中的表现。结果显示，医生使用Chat GPT Plus的诊断准确率为76.3%，与传统方法的73.7%相近，但单独使用Chat GPT Plus的准确率超过92%。研究指出人工智能应作为医生的辅助工具而非替代品，医生需要接受专门培训才能有效利用AI技术提升诊断能力，研究团队已建立ARiSE网络进一步评估生成式人工智能在医疗领域的应用效果。

克利夫兰诊所通过实施Ambience的AI环境式记录系统，成功减轻了医生的行政负担并改善了患者体验。该系统在2024年启动试点后迅速获得广泛采用，已有约5000名医护人员积极使用，预计到2025年8月将完成100万次患者就诊记录。医生反馈表明，这一技术不仅将每次就诊的文书工作时间缩短2分钟、每天总计节省14分钟，更重要的是让医生重获"工作乐趣"，使他们能够更加专注于患者护理而非沉溺于文书工作中，同时提升了医患互动质量。

全球医疗保健行业正面临日益加剧的压力，数十年的投入不足与老龄化人口需求激增同时发生，世界卫生组织警告到2030年将出现1100万工作人员短缺。文章详细介绍了纽约特殊外科医院(HSS)如何采用智能AI技术自动化复杂行政任务和临床决策，首席数字与技术官Barad医生指出智能AI能处理细微复杂场景，实现每月1100份保险理赔处理，将申诉时间从45分钟缩短至5分钟，成功率从65%提升至100%。文章强调AI智能体不应被视为特定用例而应作为通用技术整合，通过创建统一数据策略和AI实验室，医院正在实现90%非临床任务自动化，使医护人员能专注于最复杂的"白手套"工作，最终实现"重新人性化医疗保健"的愿景，让医护人员从繁重的行政工作中解放出来，真正专注于患者护理的核心价值。

谷歌通过Project Debug计划在佛罗里达州和加利福尼亚州释放3200万只经人工智能培育的携带沃尔巴克氏菌的雄性蚊子，旨在减少蚊子种群数量并遏制登革热、寨卡病毒等疾病的传播。该技术采用自然存在的细菌而非化学物质，已在新加坡取得显著成效，目前正等待美国环保署的审批，若获批准将在未来两年内分阶段实施，有望为全球蚊媒疾病防控提供创新解决方案。

德克萨斯大学MD安德森癌症中心研究人员通过单细胞基因组研究开发出一个包含13个基因的预测面板和机器学习模型，能准确预测三阴性乳腺癌患者对化疗的反应。该研究首次全面分析了肿瘤微环境中的细胞特征，识别出与化疗效果显著相关的特定巨噬细胞亚型和转录特征，为个性化治疗策略奠定基础，有望显著改善三阴性乳腺癌患者的治疗效果和生活质量，代表了乳腺癌精准医疗领域的重要突破。

洛桑联邦理工学院生命科学学院与工程学院的研究人员合作开发了一种名为"全蛋白质生成的潜在扩散"(LD-FPG)的AI生成框架，首次成功创建了运动中蛋白质的全原子动态模型，突破了AlphaFold等现有系统仅能生成静态蛋白质结构的局限，该技术能精准捕捉蛋白质侧链原子的细微运动，为药物研发尤其是针对G蛋白偶联受体的药物设计提供了全新视角，研究成果已发表在《NeurIPS 2025会议录》上，标志着AI在结构生物学领域的重要进展。

OpenBind联盟首次发布的实验数据标志着改善人工智能在药物发现中应用的重要里程碑。该数据集包含699种化合物与EV-A71病毒蛋白结合的详细X射线图像，其中601种化合物的结合强度已测量，是单个蛋白质靶点最大的公开数据集之一。OpenBind由牛津大学和Diamond Light Source共同创立，获得英国科学、创新和技术部800万英镑资助，旨在为AI药物发现提供高质量、标准化的数据基础。该项目汇集了全球多家顶尖机构的研究力量，通过生成大量实验数据，帮助AI模型超越识别现有模式，开始对新药物做出更可靠的预测，从而加速药物研发进程。

谷歌计划在美国加利福尼亚州和佛罗里达州释放3200万只感染沃尔巴克氏体细菌的蚊子，以控制传播西尼罗河病毒等疾病的野生蚊群。该项目名为Debug，采用不育昆虫技术，利用AI驱动的视觉分类系统和机器人技术培育并筛选蚊子，旨在减少蚊媒疾病传播。尽管该技术有望大幅降低野生蚊子数量，但部分当地居民对实验表示担忧，认为可能存在不可预见的风险。美国环境保护署目前正在审查该实验使用许可申请，并接受公众反馈。

荷兰伦理与健康中心（CEG）发布报告指出，社会对人工智能在医疗保健领域的期望与其引发的伦理问题所引发的社会讨论严重不成比例。该中心敦促荷兰政府和议会审慎评估人工智能是否真正为医疗领域挑战提供切实解决方案，警告"技术解决主义"可能导致忽视实际问题。报告强调，在应用AI前必须明确要解决的问题，否则将如同用绷带治疗断腿，治标不治本，并指出AI可能加剧医疗不平等、增加环境负担及使医疗系统过度依赖科技巨头等潜在风险。

本文深入探讨医疗等严格监管行业应用人工智能的核心挑战，指出创新速度必须与责任担当同步推进。强调医疗AI不能套用互联网行业的"快速行动打破常规"思维，需将合规性、数据隐私和人类监督嵌入产品全生命周期，通过透明化机制建立医患信任。提出将监管视为创新条件而非障碍，构建"负责任的速度"体系，确保在提升诊断效率、药物研发和患者服务的同时，始终维护科学可信度与公共信任安全。