环球医讯AI与医疗健康

据彭博社报道，苹果公司历时多年开发的AI健康教练服务"Mulberry"项目遭遇重大挫折，原计划作为iOS 26核心功能推出后经历多次延期至iOS 27/watchOS 27，现因高管调整面临实质性搁置甚至取消；在健康业务主管埃迪·库接手后，苹果将加快健康领域创新步伐，部分数据分析功能可能整合至现有健康应用，同时探索包括iPhone步态分析在内的替代方案，此举或缓解用户日益增长的订阅疲劳问题，但具体服务形态仍待2026年9月WWDC开发者大会揭晓。

哈佛医学院研究人员开发出名为BrainIAC的通用人工智能模型，该模型通过分析32,000余份未标注脑部MRI扫描学习基础解剖结构，仅需每类1-5个训练样本即可适应阿尔茨海默病到癌症等多类疾病分析。该技术在预测脑癌患者生存期、检测基因突变及早期痴呆等七项医疗挑战中表现卓越，其中肿瘤基因突变预测AUC值达0.79，显著超越医生仅凭影像的诊断能力。特别针对每年仅影响数十名儿童的罕见脑癌，BrainIAC利用极少量数据（如4个样本）即可实现有效分类，解决了小患者群体疾病难以收集大规模训练数据的核心难题，有望加速资源有限地区的医疗AI工具开发，但目前仍处于研究阶段，尚未获临床应用批准。

日本东京科学研究所Takebe教授团队利用人诱导多能干细胞构建肝脏类器官模型，首次揭示抗胸腺细胞球蛋白（ATG）通过激活补体系统引发快速凝血及TGF-β通路导致炎症的双阶段机制，阐明了肝移植患者出现严重肝损伤副作用的原因，为开发更安全的免疫抑制方案提供新靶点，该研究证实药物副作用仅存在于人源血管系统，解决了既往动物实验无法复现临床症状的长期困惑。

本文深入剖析人工智能如何突破传统药物研发中"不可成药"靶点的历史局限，阐述AI通过高质量数据集、计算理性及涌现特性将偶然性转化为战略的过程。文章详细解释几何深度学习揭示隐蔽结合位点、靶向蛋白质降解剂等创新疗法的工作原理，同时警示过度依赖现有数据可能导致创新局限，强调未来药物研发需平衡AI计算效率与人类直觉，构建人机协同模式以攻克癌症、神经系统疾病等曾被视为无法治疗的疾病，为生命科学领域带来革命性变革。

哈佛医学院研究人员开发出名为BrainIAC的基础模型，该模型通过3.2万份无标注脑部MRI扫描学习通用解剖结构后，仅需每类1-5个训练样本即可适应阿尔茨海默病早期筛查、脑癌生存期预测等七项不同医疗任务，在罕见儿科脑癌等小样本场景下性能显著优于传统AI系统，其注意力机制聚焦海马体等关键区域，为医疗资源匮乏地区及罕见病研究提供突破性工具，有望解决医学AI领域数据标注成本高、样本量不足的核心难题。

苹果公司正在缩减其名为"Mulberry"的AI健康教练项目计划，据彭博社报道，该项目将被分解为单独功能逐步推出而非作为整体发布。这一调整发生在资深服务主管Eddy Cue接手健康技术项目之际，苹果正面临来自Oura、Peloton以及谷歌和OpenAI等公司的竞争压力，后者最近推出了ChatGPT Health。苹果此前已在Apple Watch和AirPods中添加了睡眠呼吸暂停检测和听力测试等健康功能，这些成功案例可能是新策略的参考依据，表明公司正重新评估其在健康科技领域的整合方式。

宾夕法尼亚大学医学中心开发的Chart Hero是一款基于生成式人工智能的聊天系统，可嵌入电子健康记录侧边栏，帮助医生通过简单查询在一两分钟内自动收集、整理、综合患者数据，避免传统繁琐检索；该工具显著提升诊疗效率（如放射科医生日均节省两小时），已从2025年8月10名测试用户扩展至30名，通过关联原始数据源和双AI审核机制减少幻觉风险，并与环境监听技术协同优化医患互动；其核心价值在于以人文本简化医疗流程，为临床医生创造更多专注患者的时间，推动人工智能在健康领域的可持续应用，体现了技术赋能医疗的创新实践，为全球医疗系统提供可复制的数字化转型范例。

2026年健康科技领域将迎来四大关键趋势：首先是"代理式AI"（Agentic AI）的广泛应用，虽然能自动化处理重复性工作提升效率，但信任度和成本问题仍需谨慎考量；其次是安全与临床工作流程的平衡，美国HIPAA法规可能更新带来新的网络安全要求，资源有限的医疗机构将面临合规挑战；第三是智能诊疗连续体和患者体验的持续优化，通过AI工具实现更无缝的患者旅程，解决医疗流程碎片化问题；最后是数据治理的强化，作为AI应用的基础，医疗机构正着力提升数据质量和治理标准，推动"最小可行数据治理"实践。这些趋势共同指向医疗行业在效率提升、安全保障与患者关怀之间的精细化平衡。

美国非党派患者安全组织ECRI发布2026年医疗技术隐患报告，将人工智能聊天机器人列为首要风险，指出其可能生成虚假诊断建议、发明不存在的人体器官并加剧健康不平等，强调需建立AI治理委员会验证所有输出内容；报告同步警示数字系统瘫痪、劣质医疗器械等其余九大隐患，要求医疗机构加强监管培训以保障患者安全，避免因成本压力导致患者误将聊天机器人替代专业诊疗。

麻省总医院布里格姆研究人员开发出名为BrainIAC的AI基础模型，该模型通过分析近4.9万份脑部核磁共振扫描数据，能够精准预测痴呆风险、评估脑龄、检测脑肿瘤基因突变并预判脑癌生存率；该开源工具采用自监督学习技术突破传统医疗AI局限，在标注数据稀缺情况下仍保持高准确率，可帮助临床医生及早实施运动干预、认知训练等预防措施，或为携带特定基因突变的患者匹配靶向疗法，显著提升脑卒中、癌症及痴呆等疾病的早期风险分层与治疗规划能力，目前已获全球研究机构广泛关注。