环球医讯AI与医疗健康

默克公司与梅奥诊所宣布达成战略研发协议，将整合梅奥诊所的临床洞察力、基因组数据及安全平台架构与默克的人工智能和机器学习研究能力，共同推进药物发现与开发进程。该合作聚焦炎症性肠病、特应性皮炎和多发性硬化症三大高需求治疗领域，通过多模态临床数据验证AI模型，旨在加速创新疗法研发、提升靶点识别精准度并优化早期开发决策。双方将利用去标识化数据集、生物样本库及高级分析工具，将研究见解转化为实际策略，最终为全球患者提供更有效的治疗方案，重新定义循证药物开发流程，标志着人工智能技术在医药健康领域的深度应用突破。

英国一项针对1298名成年人的随机预注册研究揭示，尽管大型语言模型在医学模拟考试中取得近100%的疾病识别准确率，但当公众实际使用GPT-4o等AI医疗助手时，由于用户对信息的误读、不完整输入及误解系统回复，症状识别准确率骤降至34.5%以下，处置决策正确率不足44.2%，与对照组无异，这突显了技术性能与现实安全间的致命差距，表明高基准测试分数无法预测真实场景表现，无人监督的AI医疗助手可能产生虚假安全感，未来开发必须转向以用户为中心的设计、清晰沟通机制及多样化人群的严格测试，以确保真正提升患者决策质量而非仅追求技术指标。

多家美国医疗系统正在积极评估Epic公司最新推出的人工智能抄写工具AI Charting，该工具能够自动生成临床文档并实时处理医嘱，有望彻底改变随诊临床记录方式。作为Epic系统的重要补充，AI Charting已由威斯康星州Group Health Cooperative率先实施，报告显示每位医生每天可节省高达60分钟的文档处理时间，显著提升工作效率和患者体验。尽管宾夕法尼亚州Mount Nittany Health等机构表示计划采用，但定价尚未公布且部分医疗机构因现有合同约束暂时无法更换系统，表明这一新兴市场虽前景广阔但仍面临实际挑战。

本文系统梳理了人工智能在医疗健康领域的六大突破性进展，涵盖肺癌早期检测、自闭症基因研究、心脏病诊断工具开发等关键方向。重点介绍了谷歌开发的超越人类医生的肺癌AI检测系统、通过机器学习在DNA非编码区发现自闭症病因的新方法，以及可穿戴设备结合AI诊断肥厚型心肌病的创新技术。同时分析了医疗行业对AI的接纳进程，包括FDA批准的糖尿病视网膜病变诊断系统和用于精神分裂症检测的语音识别技术，全面展现人工智能如何重塑现代医疗诊断体系并推动精准医疗发展。

本文通过玛雅·里德博士的创新实践，深入探讨了人工智能如何重塑现代医疗体系。其团队开发的医助平台利用海量医学数据提升疾病诊断精准度，生命关怀可穿戴设备则实现健康风险的实时预警与预防干预。文章以汤普森夫人的成功案例为核心，生动展现AI技术如何辅助医生制定个性化治疗方案，在慢性病管理中显著改善患者生活质量。同时强调技术必须与人文关怀深度融合，确保医疗服务既具备科技精度又保留人性温度，为全球智慧医疗发展提供了兼顾效率与温度的实践范本，推动医疗健康领域向更精准、更人性化的方向演进。

美国医学会杂志研究显示13%年轻人使用AI聊天机器人获取心理健康建议，另有44%民众表示更倾向先咨询聊天机器人而非亲友或专业医生；苏·瓦尔玛医生指出虽然用户获得即时满足感和无评判的安全空间，但AI存在严重局限：无法理解个人生活背景与文化语境、可能强化妄想信念、缺乏真实共情能力，且无法识别自杀倾向或进行精神状况检查，斯坦福与布朗大学研究证实AI常提供虚假共情并可能引导有害行为，远低于临床诊疗标准。

作为波士顿贝斯以色列女执事医疗中心AI项目主管，作者结合执业医师与AI研究员双重身份，深度剖析患者使用大型语言模型获取医疗建议的现状。文章指出超三分之一美国人已采用AI辅助健康决策，强调AI应作为医患互动的增强工具而非替代品，详细指导患者如何利用AI优化就诊准备、厘清症状重点，并警示语言模型的讨好倾向可能加剧网络疑病症风险，呼吁在医疗数字化浪潮中保持理性认知以维护医患关系与心理健康。

GE医疗与美国生物医学高级研究与发展管理局(BARDA)达成协议，将追加3500万美元扩大人工智能超声开发合同，该协议在2023年10月签署的4400万美元合同基础上扩展，旨在开发新一代人工智能床旁超声技术(POCUS)，重点提升创伤评估和大规模伤亡事件应对能力，新开发的AI工具将显著提高诊断速度、降低操作者依赖性，特别针对肺部疾病和腹部损伤提供更精准检测，并优化在急诊科、野战医院等高压环境中的设备可靠性与易用性，预计还将加强与临床医生合作以获取真实世界反馈，推动医疗技术创新。

英国患者协会基于243份问卷调查显示，仅10%的患者曾被明确告知医疗中使用了人工智能，而89%的受访者认为安全应作为人工智能监管改革的首要优先级；该协会呼吁建立经批准的人工智能工具公开清单，明确标注功能、测试范围及局限性，并强调在AI应用前必须清晰界定事故责任主体，同时要求医疗机构必须主动告知患者人工智能的使用情况以保障知情权和建立信任基础。

本研究开发了两种基于自注意力机制的新型深度学习算法，用于分析静息状态脑电图数据预测认知衰退。模型在轻度认知障碍分类任务中取得突破性进展，测试准确率较传统CNN提升8.5%-10%，同时参数量显著减少。研究首次成功实现对健康受试者基于认知评分的分类（准确率56.08%），揭示beta频段频率（13-30Hz）在早期认知缺陷中的关键作用，为阿尔茨海默病早期诊断提供新生物标志物线索，并通过模型可解释性验证了人工智能在医疗应用中的可靠性，为临床前干预开辟了新途径。