环球医讯AI与医疗健康

西奈山伊坎医学院研究人员在《自然·医学》发表的开创性研究显示，健康版ChatGPT在处理紧急医疗状况时存在严重安全隐患，对医生判定需紧急治疗的重症病例中超过52%存在评估不足问题。研究团队通过60种覆盖21个医学专科的临床场景，在960次交互测试中发现该AI工具在复杂情境下表现欠佳，例如识别出哮喘患者呼吸衰竭早期征兆却未建议紧急救治，且自杀风险预警系统存在严重不一致性——低风险场景错误触发而高危自残描述时却失效。研究人员强调消费者不应完全放弃AI医疗工具，但必须建立持续独立评估机制，因AI系统频繁更新可能导致性能波动，亟需确保其安全性和临床可靠性以保障患者生命安全。

威尔康奈尔医学院卡塔尔分校举办专题研讨会，深入分析人工智能在医疗应用中导致患者伤害的法律与伦理挑战，专家团队系统探讨了责任归属机制、伊斯兰生物伦理学视角下的医疗规范、开发者与医疗机构的合规义务，以及卡塔尔本土化法规建设路径，强调在保障患者安全的前提下推动技术创新，会议为医疗从业者、政策制定者及研究者提供了风险防控框架与安全实践指南，旨在构建兼顾创新激励与患者权益保护的医疗AI治理生态。

东北俄亥俄医学院(NEOMED)宣布将在克利夫兰中城区合作中心建立医疗创新中心，预计2026年夏季开放，该中心将提供劳动力发展项目、领导力培训及专业教育课程，使这所鲁茨敦医学院在克利夫兰拥有永久驻地；NEOMED将与大学医院合作开展战略项目，重点研究人工智能在医疗保健中的应用及改善母婴健康方案，加速新理念和技术从概念到社区效益的转化；同时学院推出新的心理健康实践理学硕士课程，与辛辛那提基督医院建立临床实习合作，并将迈阿密大学纳入早期保障计划，全面拓展医疗教育与创新网络。

本研究创新性地提出安全感知接收器操作特性(SA-ROC)框架，重新定义临床人工智能系统的操作安全标准，将操作安全明确界定为达到预设可靠性水平的能力。该框架通过科学划分规则纳入安全区、规则排除安全区和必须人工审核的灰色区域，首次建立AI系统自主行动与人类干预的量化边界，并引入灰色区域面积(ΓArea)指标精确测量决策不确定性带来的操作成本。在FDA批准的癌症筛查算法案例研究中，该框架揭示统计性能更优的模型在实际临床应用中可能反而操作安全性更低的关键现象，为医疗AI的主动治理提供科学工具，有效将临床政策转化为优化工作流程，显著补充传统监管安全评估体系，对推动人工智能在医疗领域的安全落地具有里程碑意义。

华盛顿大学研究人员开发出基于人工智能的自动化平台，通过机器学习算法高效筛选脂质纳米颗粒配方，将mRNA递送材料的研发周期从数月缩短至数天，该突破性技术成功应用于新冠疫苗改进及罕见病治疗研究，显著提升核酸药物的靶向递送效率和生物利用度，为个性化基因疗法开辟新路径，相关成果已发表在《自然·纳米技术》期刊并获美国国立卫生研究院资助。

一项发表在《放射学》杂志上的研究显示，中国研究人员基于1000多名心脏阻塞患者的八年随访数据，开发出人工智能预测模型，该模型在评估心脏病、中风、心律失常及死亡风险方面显著优于传统统计方法，能精准划分患者为低、中、高风险等级；芝加哥大学医学院放射科医生保罗·张博士强调，尽管AI展现出数据挖掘优势，但技术必须通过真实临床环境验证并切实改善患者预后才能落地应用，当前关键需解决"预测结果如何转化为差异化治疗方案"这一核心问题，避免陷入技术噱头而忽视实际医疗价值。

默克公司与梅奥诊所宣布建立战略研发合作，旨在将人工智能、高级分析和多模态临床数据整合到药物发现及早期开发流程中，通过结合梅奥诊所的临床见解与数据基础设施和默克的人工智能及机器学习能力（包括虚拟细胞技术），聚焦胃肠病学、皮肤病学和神经学三大领域，加速炎症性肠病、特应性皮炎及多发性硬化症等疾病的定制化疗法开发，提升靶点识别准确率并优化药物研发成功率，此举标志着梅奥诊所首次与全球生物制药企业开展同等级别的深度合作，同时依托安全数据环境整合实验室结果、医学影像等多源信息以支持转化研究。

前美国卫生与公众服务部代理部长埃里克·哈根在华盛顿特区华道夫-阿斯多里亚酒店举行的美国医疗峰会上表示，小罗伯特·F·肯尼迪部长组建的技术团队将加速人工智能在医疗领域的应用，他们不会因技术代际差异而退缩；人工智能政策专家尼尔·奇尔森强调AI能作为"智能放大器"打破地域限制实现专家级医疗资源普及，并预测当AI辅助诊断出错时，医疗事故律师未来或将质疑未使用AI工具的医生，标志法律责任认定标准将发生根本性转变。（128字）

生物技术初创公司正通过人工智能彻底重构药物商业化模式，突破传统制药巨头依赖规模扩张的路径依赖。新兴企业利用AI实现营销精准化、内容动态化和资源高效化，在药物研发到上市的全链条中削减浪费、精简团队，成功将历史成功率不足30%的首创新药上市挑战转化为新机遇。这种以学习为核心的AI驱动体系使初创公司无需等待收购即可独立完成商业化，从根本上改变生物医药行业的竞争格局，标志着制药领域进入智能化商业新纪元。（156字）

本研究开发了一种结合人工智能和人类智能的标准化自然语言处理框架，用于从电子健康记录中识别系统性红斑狼疮患者的临床表型和疾病轨迹，研究分析了262名符合纳入标准的患者数据，发现43%的患者在初次就诊时表现为高复杂性表型且随时间推移经历更多疾病发作，而低和中等复杂性表型患者在随访期间新出现的临床领域和药物使用增加更为显著，该基于真实世界数据的创新方法为研究系统性红斑狼疮的异质性及其疾病进展提供了新视角，对临床研究和患者管理实践具有重要应用价值，有望改善对这种复杂自身免疫性疾病的长期监测和个体化治疗策略。