环球医讯AI与医疗健康

一项发表在《美国医学会杂志·儿科》上的新研究显示，12至21岁的年轻人中有五分之一使用AI聊天机器人获取心理健康建议，其中三分之二的使用者未告知任何人，尤其是父母。专家呼吁家长直接与孩子沟通，并寻求专业帮助。同时，另一项研究发现ChatGPT在简单交互中可能产生与自残相关的有害内容，凸显了专业援助的重要性。

一项新研究利用人工智能分析死亡记录，发现2020-2021年美国可能有多达15.5万例新冠相关死亡未被官方统计，约占同期记录死亡总数的16%。这些未计入的死亡多发生在医院外，且更集中于西班牙裔和其他有色人种群体，在南部和西南部地区（如阿拉巴马州、俄克拉荷马州和南卡罗来纳州）尤为常见。研究指出，过时的死亡调查系统、检测不足以及家属不愿将新冠列为死因等因素导致了统计缺口。专家强调，边缘人群因医疗可及性差而承受不成比例的死亡负担，AI方法的运用虽有助于揭示问题，但仍在发展完善中。

一项在2026年欧洲心脏病学会急性心血管护理大会上发布的研究显示，基于人工智能的心电图解读方法在检测无ST段抬高的闭塞性心肌梗死方面，比传统诊断路径具有更高的准确性和排除能力。该研究纳入1490名疑似急性冠脉综合征且初始心电图无ST段抬高的患者，AI算法正确识别闭塞性心肌梗死的准确率达84%，灵敏度77%，特异性99%，阴性预测值98%，而人工解读仅正确识别42%。研究认为AI心电图解读可作为现有决策工具的重要补充，有助于早期识别和及时有效治疗。

健康基金会的一项调查显示，55%的公众认为技术能改善医疗质量，但女性、年轻人和低收入群体的支持率较低；公众对AI持谨慎态度，70%的人要求AI结果须经人工核查，72%支持严格证据要求；NHS工作人员对技术和AI的支持率高于公众，但认为技术使护理变差的比例从2024年的6%升至19%。

一项最新研究显示，利用偏振光对捐赠的视网膜样本进行成像，并结合机器学习模型分析，能够以高达96%的准确率区分阿尔茨海默病与肌萎缩侧索硬化症（ALS）及额颞叶变性伴TDP-43蛋白病（FTLD-TDP）。该技术为非侵入性、快速且成本低廉的诊断工具奠定了基础，有助于在疾病早期进行干预，改善患者预后，尤其惠及医疗资源匮乏地区的患者。

美国伍斯特理工学院的研究人员开发了一种人工智能系统，通过分析超过800份脑部MRI扫描，能够以接近93%的准确率预测阿尔茨海默病。该AI可识别出脑部解剖结构变化，如海马体和内嗅皮层的脑容量损失，这些是预测阿尔茨海默病的关键因素。研究还发现男女脑部萎缩模式存在差异，这可能与性激素变化有关。研究人员认为，早期诊断能为患者和医生争取关键时间，以减缓疾病进展。目前美国超过720万人患有阿尔茨海默病，该研究有望改进诊断和治疗方法。

研究人员表示，利用人工智能技术，通过分析800多份脑部扫描图像，识别出大脑中预示阿尔茨海默病开始的解剖学变化，预测准确率接近93%。该研究来自马萨诸塞州的伍斯特理工学院，指出早期诊断对患者和医生至关重要，并揭示了大脑体积损失是主要预测因素，且男女患者脑萎缩区域存在差异，可能受性激素变化影响。目前美国超过720万人患有阿尔茨海默病。

研究人员利用人工智能分析超过800份脑部MRI扫描，以接近93%的准确率预测阿尔茨海默病。研究发现，脑容量减少尤其是海马体、杏仁核和内嗅皮层等区域的萎缩是首要预测指标，且男女脑萎缩区域存在差异：女性主要体现在左侧颞中皮层，男性则多见于右侧内嗅皮层。该技术可帮助早期诊断，为患者和医生争取关键准备时间，并有望延缓疾病进展。伍斯特理工学院助理研究教授Benjamin Nephew表示，机器学习技术能从扫描数据中分析大量信息，识别细微变化，准确预测阿尔茨海默病及相关认知状态。目前美国有超过720万人患有阿尔茨海默病，此项研究有助于改进诊断和治疗方法。

巴基斯坦首次全国医疗人工智能会议在拉合尔管理科学大学举行，汇聚临床医生、研究人员、政策制定者及技术专家，呼吁系统性改革以打破碎片化试点，将数字健康方案推广至全国。会议指出该国AI健康领域活跃但高度分散，各机构独立运作导致重复努力且无法规模化。与会者强调需建立统一的国家AI工具与数据集地图，协调部署，并关注偏见、操纵和幻觉等风险，同时推动创新、行为改变与治理深层次改革，方可实现系统性转型。

一项新研究发现，常规的钼靶（乳腺X光）检查不仅能筛查乳腺癌，还可通过人工智能分析乳腺动脉钙化程度，提前揭示女性患心脏病的风险。研究表明，钙化程度最严重的女性出现心脏病发作、中风、心力衰竭和死亡等重大心脏问题的风险，是未钙化女性的两倍。美国每年有超过4000万人接受钼靶检查，该发现为女性心血管疾病筛查提供了新的低成本机会。