环球医讯AI与医疗健康

新加坡计划在先进制造、金融、医疗和物流四大关键领域全面推进人工智能应用，以释放国家竞争优势。总理黄循财在2026年预算演讲中宣布成立新的跨部门委员会领导AI任务。当前AI应用多为孤立的试点项目，缺乏规模效应。文章分析了各领域现有AI项目、部署差距以及国家级实施可能带来的变革，包括预测性维护、路线优化、欺诈检测和医疗诊断等，同时指出了数据隐私、监管框架、透明性和问责制等挑战。

新加坡卫生部长王乙康于3月10日宣布，新加坡已更新其医疗人工智能指南，通过监管沙盒等机制在真实医疗场景中评估AI解决方案，以安全地推动创新，增强医疗 workforce 并加速新药上市。同时，新加坡卫生科学局（HSA）成为全球首个获得世界卫生组织（WHO）医疗设备监管最高成熟度第四级的国家监管机构，该认可确立了新加坡作为全球参考机构及区域枢纽的地位。HSA还明确将对人工智能开发的药物采取技术中立的监管方式，确保其与传统药物同样严谨。此举旨在巩固新加坡在全球医疗法规网络中的关键节点作用，并促进其生物医学产业的发展。

新加坡卫生部宣布，将从明年初起在“健康SG”计划下推出一款名为ACE-AI的新型人工智能风险评估工具，帮助基层医生识别患糖尿病和高胆固醇的高风险患者，并将其心血管疾病风险筛查频率从每三年一次提升为每年一次，实现个性化预防保健，同时政府将加强对北部社区的支持，扩大社区健康服务，并推出远程医疗和居家护理计划以改善老年人护理质量。

新加坡卫生部长黄循财于3月10日宣布，新加坡已修订医疗保健人工智能指南，引入监管沙盒机制以在真实医疗环境中评估AI解决方案，确保安全与创新。同时，卫生科学局（HSA）将接受AI开发的药物注册申请，并采用与传统药物相同的严格标准。此外，HSA成为全球首个获得世界卫生组织医疗器械监管最高级别（成熟度4级）的国家监管机构，此举强化了新加坡作为区域乃至全球医疗监管参考当局的地位，有助于提升生物医药产业竞争力，并使其成为连接全球市场的关键节点。

本文探讨了人工智能等创新技术如何彻底改变结核病的筛查、诊断和治疗，重点介绍了全球基金在22个国家投资的AI驱动X光设备和分子诊断技术，并以印度尼西亚为例，展示了如何通过社区层面的创新和公私合作，将治疗从偏远医院转移到基层卫生中心，从而大幅提升患者发现率和治疗可及性，同时强调了因地制宜制定综合策略的必要性。

科学家利用类似ChatGPT的语言模型原理，开发出一种基因集基础模型（GSFM），通过学习数百万生物数据集中基因间的关系，能够预测基因相互作用、识别功能不明的基因并暗示疾病靶点。该模型从已发表研究和转录组数据中收集超过62.6万组基因集，通过预测缺失基因的方式训练，最终在多项基准测试中超越现有生物AI工具。它还能加速药物发现、诊断和疾病机制理解，且计算需求低，可在普通硬件上30分钟完成训练。研究团队计划未来将其与语言模型和药物AI系统结合，推动精准医学发展。该成果已发表于《Patterns》期刊。

美国科研团队开发出一种人工智能模型，可通过分析常规心脏超声检查（超声心动图）的多模态数据，并结合电子健康记录中的临床信息，来识别晚期心力衰竭患者。该模型在测试中达到了约85%的准确率，能够识别出那些传统上需要通过复杂运动测试才能判断的高风险患者，有望改变当前诊断不足的现状，为无法进行专业测试的社区医院患者提供更早的干预机会。

瑞士日内瓦大学研究人员发现癌症扩散并非随机，而是遵循一种生物“程序”；通过分析结肠肿瘤细胞，他们识别出可预示转移风险的基因模式，并开发出AI工具MangroveGS，该工具能以约80%的准确率预测多种癌症的转移风险，有望帮助医生个性化治疗决策，避免过度治疗或治疗不足。

人工智能开发公司英矽智能（Insilico Medicine）与Liquid AI合作开发了一款轻量级科学基础模型LFM2-2.6B-MMAI，该模型专为支持药物研发的多个阶段而设计，能够在私有基础设施上运行，无需将专有数据发送至外部云平台。模型仅拥有26亿参数，却在多项药物发现任务中展现出与十倍于其规模的大型模型相当的性能，包括性质预测、ADMET终点分析、多参数分子优化、基于蛋白口袋的目标感知打分、官能团推理以及逆合成规划。该模型基于超过1200亿个药物发现任务token训练，有望压缩发现时间线并最终惠及患者。

本文探讨了“数字孪生”这一前沿医疗概念，即利用个人的遗传信息、血液检查、组织样本、核磁共振扫描和家族病史等健康数据，创建一个数字模型，用于预测特定治疗方案对患者的效果。主持人弗洛拉·李奇曼与德克萨斯大学MD安德森癌症中心的放射肿瘤学家卡罗琳·钟博士进行了对话，讨论了数字孪生在个性化医疗中的应用前景，如为癌症患者定制放疗和化疗方案。然而，这些模型尚未准备好应用于临床，且涉及大量患者数据，隐私问题令人担忧。文章还深入探讨了数字孪生的起源、与AI的结合方式、在心脏病学领域的应用、药物剂量个性化等潜在益处，以及数据隐私、算法偏见、责任归属和人机交互等关键挑战。