环球医讯AI与医疗健康

密歇根大学健康西部医院在急诊科安装了一套人工智能驱动的武器检测系统，旨在应对针对医护人员日益频繁的言语和身体攻击。医院安全主管表示，该系统利用AI区分潜在武器与日常金属物品，减少误报。此外，医院还引入了训犬团队协助缓解紧张局势，作为分层安全措施的一部分。仅2月份就执行了74次警犬部署、1227次公众接触和62次患者探访，目标是通过预防避免危险发生。

加州大学旧金山分校的研究人员开发了一种新型多视图深度神经网络架构，能够同时从超声心动图的多个二维视图中提取信息，显著提高了对左心室和右心室异常、舒张功能障碍及瓣膜反流等三种心脏疾病的诊断准确性。与传统单视图方法相比，该多视图架构更好地捕捉了复杂的三维心脏解剖与生理学信息，代表了医学影像AI性能的重要进展。

本文介绍了现代医疗技术的多种创新，包括人工智能、机器人手术、远程医疗、智能医疗设备和可穿戴设备。人工智能通过分析组织切片检测癌症，机器人手术实现微创治疗，远程医疗使患者远程就医，智能设备实时监测健康数据，可穿戴设备跟踪生理指标。这些技术正在改变医疗保健领域，提高诊断准确性和治疗效果，但同时也面临监管和校准等挑战。

一种新型人工智能系统能够通过分析个人医疗历史和生活方式数据，在症状出现前数年预测超过1000种疾病的风险。该系统由德国癌症研究中心的莫里茨·格施通团队开发，基于英国生物银行约40万份记录和丹麦医院登记系统近200万份数据训练。与传统单一疾病预测工具不同，该模型将疾病视为有序链条，可同时评估多种疾病发生的概率和时间。研究显示，该系统对心脏病、糖尿病和败血症的预测尤为准确，但罕见病预测效果较差。尽管存在数据偏差和隐私问题，该系统有望在个性化医疗和健康规划中发挥重要作用，为疾病预防提供新思路。研究结果已发表在《自然》杂志上。

科学家开发出一种机器学习系统，能够预测复杂化学反应如何产生正确的药物分子形态。该系统通过将反应成分转化为数值数据，筛选数万种化学结构并预测其组合方式，显著减少传统实验室测试所需的时间、能源和成本。研究团队利用仅从四项学术研究中获得的有限数据训练模型，却能可靠预测未见反应的成分行为。该工具特别适用于制药行业，帮助优化已知反应以大量生产临床试验所需化合物，有望将药物开发从一期推进至二期的时间大幅缩短。

一项首次人体研究（RELIEF-FIH）显示，新型植入式人工智能装置Relief System可通过调节静脉压力增加肾灌注，对利尿剂抵抗性心力衰竭患者取得积极90天数据。该装置利用AI算法根据血流动力学数据智能调节下腔静脉阀门，降低静脉压力并实现持久减充血。研究纳入三个欧洲中心八名患者，成功率100%，平均手术时间七分钟，无装置相关不良事件。装置能准确测量血流动力学参数并持续增强肾血流，减少心力衰竭住院。Relief Cardiovascular已获1200万美元融资，并赢得TCT 2025创新大奖。

英国公司CrossSense开发了一款AI眼镜，通过镜片上的视觉提示和AI助手“Wispy”帮助早期痴呆症患者独立完成日常活动。在测试中，四分之三的患者生活质量显著提高。该眼镜重约75克，预计2027年在英国上市，并已获得由阿尔茨海默症协会和英国创新署资助的痴呆症经度奖。

西奈山的科学家开发了一种名为GSFM的新型AI模型，该模型受大型语言模型如ChatGPT的启发，通过分析来自数百万生物数据集的基因集来学习基因之间的互动关系。与解读句子不同，这个AI系统研究基因群组，能够预测基因如何相互作用、识别功能不明的基因，甚至提出可能的疾病靶点。基于超过一百万基因集的训练，GSFM在预测基因功能、发现疾病通路和潜在药物靶点方面优于现有的生物信息学工具。该模型高效且可公开获取，有望加速药物发现、改善诊断，并推动对复杂疾病的理解，未来可能进一步与语言模型和药物AI系统整合，指导精准医疗。

本文介绍了一项由威尔康奈尔医学、康奈尔科技、哥伦比亚大学瓦格洛斯内外科医学院和纽约长老会医院的研究团队开发的AI模型，该模型通过分析常规心脏超声检查数据来检测晚期心力衰竭。研究团队发现，许多晚期心衰患者在常规检查中表现稳定，但通过心肺运动测试才能发现真正严重程度，而多数医院缺乏此测试。该AI模型在训练数据上达到约85%的准确率，在外部验证中表现更佳，达0.870。然而，模型在60岁以上患者和不同种族群体中的准确性有所下降，且所有测试医院均位于纽约地区，限制了其普适性。研究团队希望未来能将此模型整合到医院的影像系统中，自动生成风险估计，从而加速患者获得先进治疗的路径。

纽约大学研究人员开发了一种新的人工智能工具，通过分析肿瘤组织的数字化切片图像并结合临床基本信息，能够快速评估乳腺癌复发风险。该系统采用自监督学习方法，无需大量人工标注数据，可在数小时内得出结果，成本远低于传统基因组测试。研究团队对来自7个国家15个患者群体的3500多名患者数据进行了测试，结果显示该AI系统在区分高低风险患者方面表现优异，甚至优于广泛使用的基因组检测，并且适用于三阴性乳腺癌和HER2阳性乳腺癌等亚型。该技术有望减少不必要的化疗，加快治疗决策，降低医疗成本，并保留组织样本供后续使用。研究结果发表在《自然通讯》期刊上。