环球医讯AI与医疗健康

华盛顿大学圣路易斯分校AI for Health研究所创始主任Chenyang Lu博士在接受《医疗创新》杂志采访时强调，通过跨学科合作将AI专家与医疗健康专业人士联合起来，能够更有效地解决重大健康问题。该研究所汇集了来自8个学院的120多名教职员工，利用电子健康记录等多模态数据开发预测模型，如预测颈椎病（CSM）的早期诊断。研究所还设立了种子资助计划支持跨学科团队，并致力于在医学课程中融入AI素养教育，培养未来医生批判性评估AI工具的能力，同时讨论了AI在医疗领域实施面临的治理、监控和监管挑战。

本文详细分析了华为智能手表血糖追踪技术的发展历程与现状，重点介绍了Watch GT 6 Pro搭载的糖尿病风险研究功能的工作原理，澄清了该功能并非直接测量血糖而是评估风险的本质，回顾了华为从2022年Watch D血压监测到2026年糖尿病风险预警的健康技术演进路径，解释了为什么这与真正的血糖监测存在本质区别，列举了当前实际可用的健康监测功能与局限性，并展望了未来智能手表健康监测技术的发展趋势与挑战，为消费者和行业人士提供了关于可穿戴设备健康功能的清晰认识。

英国肯特和坎特伯雷医院成为英格兰首家采用MEMORI人工智能工具的医疗机构，该技术通过分析患者常规临床数据自动创建感染风险等级，帮助医生在早期阶段识别感染并及时干预，有效降低败血症等严重并发症风险；该工具由东肯特医院信托与英国健康科技公司Sanome合作开发，基于数千名患者数据训练而成，已在NHS体系内成功试点应用，为医护人员提供更大的干预窗口期，有望显著改善患者预后并减轻医护工作负担，标志着人工智能在临床感染管理领域取得突破性进展。

英国东肯特医院NHS信托机构(EKHUFT)成为全国首个部署AI感染预警系统的医疗机构，其在坎特伯雷医院启用的MEMORI系统通过分析血液检测、血压和体温等临床数据，为每位患者生成个性化感染风险评分。该系统由英国医疗技术公司Sanome与医院合作开发，已获得医疗设备认证，85%的临床医生每日使用。病房主管朱莉·琼斯强调该工具不会取代医护人员，而是将他们从繁琐的病历记录中解放出来，使医护人员能更专注于患者护理，提升早期干预效率，优化医院床位流转，对患者康复和医疗质量产生积极影响，标志着NHS十年数字化转型计划的重要进展。

本文探讨了医疗机构使用人工智能系统自动检测亲密伴侣暴力的伦理困境，指出医院将患者临床记录和影像报告输入AI模型计算暴力风险评分的做法虽出于善意但存在严重问题，这种未经患者知情同意的筛查剥夺了幸存者自主决定披露时机和对象的权利，可能加剧隐私担忧且缺乏证据证明能改善健康结果，作者强调幸存者应有权决定AI在其护理中扮演的角色，而非由技术单方面决定。

本文全面分析了截至2025年美国医院人工智能应用的最新趋势与统计数据，显示71%的非联邦急性护理医院已集成预测性人工智能系统，较2023年增长5个百分点；医生采用率从38%激增至66%。研究揭示大型教学医院采用率高达90-96%，而小型农村医院不足50%，凸显资源差距。文章通过克利夫兰诊所脓毒症AI、麻省总医院肿瘤学应用等案例，证实人工智能可减少46%脓毒症漏诊、降低40%医生职业倦怠，但同时面临算法偏见、责任归属和投资回报率不明确等挑战，为医疗决策者提供了平衡创新与风险管理的实用指南。

西达赛奈健康科学大学研究人员开发了一种基于人工智能的模型，能够识别住院患者在低血糖发生前长达24小时的风险。这种长短期记忆(LSTM)模型发表在《npj Digital Medicine》期刊上，可以帮助临床医生更早干预，预防并发症，包括在严重情况下可能发生的抽搐、昏迷和长期心律失常。该模型解决了医院护理中长期存在的挑战，通过分析患者电子健康记录中的药物、实验室结果、饮食和其他数据，每四小时收集一次信息，持续五天，以预测患者是否会在未来24小时内出现低血糖。研究人员使用超过14.3万例成年患者住院数据开发测试了该模型，估计可帮助大型医院每天预防3-4例低血糖事件，若全球推广，影响将十分显著。

本文强调AI素养已成为医疗领导者不可或缺的核心临床能力，指出AI已深度融入临床文档、排班、影像等关键环节，医疗机构必须建立三级培训体系：一线人员需掌握场景化实操技能并识别工具局限性，部门倡导者负责连接实践与决策，治理层则需制定规则框架并监测安全指标。世界卫生组织已发布40余项治理指南，美国医学会更将AI素养纳入医学教育标准，文章呼吁将培训常规化而非事后补救，确保技术应用始终以患者安全为先，避免因误用AI导致医疗风险，强调这不仅是技术倡议更是患者安全与信任建设的核心举措。

本文深入探讨了医疗领域自主人工智能的发展现状及其带来的机遇与挑战，分析了从决策支持到自主决策的转变过程，强调了算法错误、数据偏差、责任归属和网络安全等关键问题，指出尽管自主AI有望解决全球医疗系统面临的劳动力短缺、成本上升和人口老龄化等问题，但必须在提高效率与确保患者安全之间找到平衡点，世界卫生组织建议应保持"人在回路中"的原则，确保人类临床医生的判断、同理心和专业责任不被完全取代。

本文深入剖析医疗行业AI应用的核心瓶颈，指出组织面临的真正挑战并非技术采纳率不足，而是基础设施与运营准备度欠缺。作者分析了门诊护理分散化趋势下工作流程复杂性放大、数据质量参差不齐、治理框架缺失等关键问题，强调AI应被视为基础架构层而非独立应用。文章通过详实数据论证，成功的AI实施需要统一的技术生态、清晰的责任机制和与临床流程的深度整合，为医疗组织从"实验阶段"迈向"规模化应用"提供了战略路径，指明在AI竞赛中决定胜负的关键在于构建可持续的技术基础而非单纯追求部署速度。