环球医讯AI与医疗健康

耶鲁医学院团队在《JAMA Network Open》发表的多中心质量改进研究显示，263名门诊临床医生使用环境式AI语音记录工具30天后，职业倦怠率从51.9%显著降至38.8%（OR 0.26），同时认知任务负荷降低、下班后文书时间减少，医生反馈能更专注患者诊疗且门诊接诊能力提升；研究还发现该工具使临床记录时间最多减少25%，但专家提醒需区分技术实效与 hype，指出倦怠改善可能受其他因素影响且医生仍需操作电子健康记录系统。

德国欧洲分子生物学实验室与海德堡德国癌症研究中心联合开发的生成式人工智能模型Delphi-2M，通过分析40万人电子健康记录和生活方式数据，可提前20年预测1258种疾病的发病风险，其在癌症和心肌梗死等可预测疾病中表现优异，但对精神疾病和罕见病预测能力有限；专家指出该技术虽具革命性潜力，但需警惕算法偏见、患者知情权及预防性医疗伦理问题，强调预测结果不应被误读为命运判决，而应作为临床决策支持工具在严格监管框架下应用。

德国癌症研究中心与欧洲生物信息研究所联合开发的Delphi-2M模型首次将生成式人工智能架构应用于全生命周期疾病预测，通过分析英国生物银行40万参与者及丹麦近200万人的健康数据，同步预测超千种疾病风险。该模型将个体健康轨迹编码为序列化数据，能预判未来数十年疾病发展进程、模拟合成健康路径并识别风险放大的共病集群，其预测精度达到或超越单一病种模型，标志着疾病预测从狭窄病种突破至涵盖诊断时序、交互作用及生活方式复合效应的完整健康图谱构建，为慢性病管理、医疗资源优化及公共卫生政策制定提供革命性科学依据，有望显著降低全球医疗成本并重塑预防医学体系。

人工智能模型在科学家进行实验验证前，准确预测了新型抗生素enterololin对炎症性肠病的治疗效果；该窄谱抗生素能精准靶向肠杆菌科致病菌，避免破坏肠道有益菌群，显著降低耐药性和菌群失调风险；麦克马斯特大学与麻省理工学院合作研究表明，AI不仅将药物发现周期从两年缩短至六个月，还揭示了enterololin通过抑制LolCDE复合物的作用机制，为开发更安全有效的抗生素开辟了新路径，标志着AI在药物研发中从分子猜测向机制理解的根本性转变，有望加速临床应用进程。

耶鲁医学院主导的多中心研究证实，在门诊医疗环境中应用环境人工智能（AI）记录员能显著降低医生职业倦怠比例，从51.9%降至38.8%，同时减少行政负担并提升患者诊疗质量。该研究发表于《JAMA Network Open》，涵盖六家美国医疗系统的263名医护人员，表明AI技术通过自动化文档工作有效缓解医疗行业人才流失问题，使医生能更专注于患者护理，这一发现为解决电子健康记录引发的广泛不满提供了新途径，对改善医患双方体验具有重要实践意义。

麻省理工学院和麦克马斯特大学研究人员利用生成式AI模型DiffDock成功加速确定了新型抗生素enterololin的作用机制，该抗生素能精准抑制与克罗恩病发作相关的肠道细菌群而不破坏微生物组整体平衡，为炎症性肠病患者提供更安全的治疗方案。研究将传统需数年的药物作用机制验证周期缩短至六个月，显著降低研发成本，展示了AI在解析分子靶点中的革命性价值，并为解决抗菌素耐药性危机及开发新一代窄谱抗生素开辟了新路径，有望显著提升患者生活质量并推动药物发现范式转变。

本研究评估了GPT-4V在复杂临床诊断中的多模态能力，使用93个来自《新英格兰医学杂志》的医学挑战案例。研究发现，当同时提供文本和图像输入时，GPT-4V的诊断准确率达到80.6%，显著高于仅使用文本(66.7%)或仅使用图像(45.2%)的情况，经随机猜测校正后分别为70.5%、54.3%和29.3%。研究表明AI模型通过整合多源信息可有效辅助医生诊断，虽然在透明度和实际应用方面仍有改进空间，但预示着AI在提升医疗决策质量和效率方面的重大潜力，特别是在需要综合分析多种数据源的复杂病例中。

日本东北大学研究团队开发出一种人工智能模型，能够帮助特应性皮炎患者识别细菌或病毒感染等并发症，并区分湿疹与由血液癌症引起的皮肤病变。该AI模型基于卷积神经网络技术，使用非标准皮肤图像进行训练，其诊断准确率几乎等同于皮肤科医生的人工评估结果。研究人员正在开发智能手机应用程序，使患者仅需通过手机摄像头即可远程管理皮肤疾病，实现早期诊断和及时治疗，从而显著改善患者健康管理和治疗效果，为慢性皮肤病患者提供便捷、低成本的日常监测解决方案。

本文深入探讨了美国养老院如何通过人工智能和预测分析技术革新运营模式，多家机构分享了实际应用经验，包括Brickyard Healthcare使用远程护士岗位扫描风险记录、Ocean Healthcare开发患者健康预测工具减少再入院率、Journey Skilled Nursing优化转诊管理系统提升效率等案例，这些技术应用不仅帮助机构提前识别护理风险、优化人员配置，还显著降低了监管违规记录，在保障居民健康安全的同时实现了运营效益提升，展现了科技与医疗护理深度融合的创新实践。

墨尔本大学最新研究揭示，文心一言、ChatGPT和DeepSeek等AI聊天机器人在医疗诊断中准确率常超越人类医生，但存在严重过度医疗和加剧健康不平等的双重风险；实验显示它们推荐不必要检查比例高达90%以上，处方不当药物超半数，且对年长或高收入患者更易提供过度服务，若缺乏公平审查机制与人工监督，可能推高医疗成本并损害弱势群体健康权益，亟需通过协同设计确保AI工具在推广中兼顾安全、公平与社会信任。