环球医讯AI与医疗健康

随着人工智能技术在医疗领域的快速应用，美国各大医疗系统正在重新评估其电子健康记录(EHR)系统的升级策略，从每年一次到每季度一次不等；Northwell Health每年进行两次EHR升级，将两个季度版本合并为"双重升级"，Cleveland Clinic和Sentara Health等机构正努力缩短升级周期以紧跟技术发展；文章详细介绍了RWJ Barnabas Health计划2027年转向季度升级、Nebraska Methodist Health System谨慎评估升级频率、Memorial Hermann Health System采用平衡策略等多家医疗机构的实践案例，展示了如何在保持系统稳定性的同时整合生成式AI等创新功能，优化临床决策支持、患者安全和收入周期运营，反映了医疗信息技术与人工智能深度融合的最新趋势和行业应对策略。

Routledge出版社出版了圭亚那学者Prem Misir教授的最新著作《医疗保健中人工智能的伦理与治理》，该书从社会学视角深入探讨了人工智能在公共卫生和医学中的作用，揭示了技术设计与部署中存在的结构性失衡，特别是与阶级、种族、性别和权力相关的不平等问题，强调在缺乏有力干预的情况下，人工智能可能加剧现有不平等，同时提出了基于社会科学的新治理框架，确保伦理考量和人权在人工智能开发与部署的每个阶段都得到保障，为学者、医疗专业人员和政策制定者提供了关键参考。

美国制药巨头强生公司正积极应用人工智能技术革新药物研发流程，已成功将新药研发线索识别时间缩短50%。该公司在肿瘤学、免疫学等领域利用AI优化研究、生产流程和供应链管理，临床试验报告撰写时间从700-900小时大幅缩减至15分钟。强生IT总监斯旺森强调，AI不是取代员工，而是扩展其能力，约4000名IT专家正通过整合新技术拓展工作角色。在新药研发通常耗时十余年、成本数十亿美元的行业背景下，AI已成为提升竞争力与创新效率的关键工具，为更快将新疗法带给患者提供了可能。

宾夕法尼亚大学专家在《自然健康》杂志发表突破性研究，通过人工智能分析2019至2025年间约7万名用户发布的40余万条社交媒体帖子，揭示了流行减肥药物除常见胃肠道问题外的五个隐藏副作用，包括月经不规律、体温异常变化、极度疲劳、精神症状及情感扁平化；研究同时指出这些发现仅表明相关性而非因果关系，且存在样本偏向年轻美国人群等局限性，专家强调患者不应擅自停药，而应在出现异常时及时咨询专业医生，将研究结果作为健康警示而非恐慌依据。

杜克大学研究人员开发了一种基于人工智能的工具，能够通过分析常规电子健康记录提前数年预测儿童患注意力缺陷多动障碍(ADHD)的风险。该研究发表在《自然·心理健康》期刊上，表明AI模型可以从出生至9岁的医疗历史中识别出潜在的ADHD模式，准确率达92%。这一发现有望帮助医疗专业人员更早识别需要关注的儿童，提供及时干预，从而改善ADHD患儿的长期学术、社交和健康结果。

美国食品药品监督管理局(FDA)宣布将启动临床试验实时跟踪系统试点项目，阿斯利康和安进公司的两项临床试验将参与测试，旨在通过实时监测安全信号和终点指标，大幅缩短药物研发周期，改变60年来传统临床试验模式，使监管决策更加高效，同时确保患者安全，该创新方法有望将新药上市时间从10-12年显著缩短，为全球药物研发流程带来革命性变革，标志着FDA利用现代技术推动医药审批体系现代化的重要一步，体现了监管机构与制药企业合作提升医疗创新效率的共同愿景。

本文报道了贝克尔第16届年度会议上关于可信赖临床AI的讨论，多位医疗高管分享了建立可信AI决策支持系统的框架。文章指出，当临床医生不信任AI时会产生"灰色工作"，降低效率并增加成本；强调了治理机制的重要性，包括"人在环"原则和独立咨询委员会；同时指出临床医生早期参与AI工具设计与部署是成功关键，建议医疗机构不要急于求成，而是通过建立原则和流程确保AI应用的可信度和有效性，最终实现提升医患关系和医疗质量的目标。

彼得森健康技术研究所最新报告显示，尽管人工智能在医疗行政管理中减少了部分人工工作量，但同时大幅增加了交易量和整体系统成本，尤其在计费和预先授权领域。AI助手导致医疗服务提供者计费强度增加，引发保险公司对"激进医疗编码"的担忧；预先授权过程中的"机器人战争"使双方沟通更加频繁而成本更高。更值得关注的是，未采用AI工具的小型和独立医疗机构因健康计划方的反制措施而遭受不公平的收入削减，加剧了本已脆弱的医疗服务体系。这一现象与早期远程医疗发展轨迹相似，表明技术本身无法修复系统性问题，必须重新设计流程而非仅优化现有流程。

本文探讨了人工智能在医疗保健领域的快速普及与证据支持不足之间的矛盾，指出尽管65%的美国医院已采用AI辅助预测工具，但只有三分之二的机构评估了系统准确性，更少机构检查潜在偏见；文章分析了AI在医疗中的应用现状，强调了准确性不等于临床效果，讨论了环境AI等应用可能带来的非预期后果，并指出未来需要超越技术验证，考察AI在现实世界中的影响，以实现AI与医疗保健的平衡整合。

马萨诸塞州总医院布里格姆医疗系统的研究表明，尽管大型语言模型在完整信息条件下诊断准确率超过90%，但在医疗诊断的关键环节——鉴别诊断方面仍存在显著不足。研究评估了21种AI模型，发现它们在信息不完整时难以生成合理的鉴别诊断清单，往往过早锁定单一诊断，缺乏应对不确定性的临床推理能力。这表明当前AI更适合辅助确认诊断而非独立进行诊断，医疗决策仍需人类医生主导并密切监督AI系统，这一发现对医疗机构合理应用人工智能技术具有重要指导意义。