环球医讯AI与医疗健康

美国医疗通信科技公司Paubox发布基于生成式人工智能的邮件安全解决方案，该系统通过大语言模型分析邮件语调、发送者行为及历史模式，可自动识别并拦截AI生成的钓鱼邮件威胁。该方案已获得HIPAA合规认证，可与微软Microsoft 365及谷歌Workspace无缝集成，将现有医疗客户的邮件防护准确率提升至92%，标志着医疗行业网络安全进入AI主动防御新阶段。

牛津大学与Ellison研究所启动1.18亿英镑的AI疫苗研究项目，通过结合人类挑战试验和人工智能技术，重点分析免疫系统对抗肺炎链球菌等耐药菌株的反应机制，旨在开发创新型疫苗以应对抗生素耐药性这一全球公共卫生威胁。该项目将利用AI技术解析免疫预测指标，推动疫苗科学进入"智能时代"。

印度理工学院马德拉斯分校与美国路易斯安那州立大学健康科学中心新奥尔良分校建立战略合作伙伴关系，通过联合研发、教育合作及技术创新创业计划推动全球健康事业发展。该合作将整合双方在临床转化研究与深度技术创新生态系统的资源，重点推进癌症中心建设、人工智能医疗应用、智能医疗器械及平价诊断技术开发，并计划到2030年将路易斯安那州立大学健康科学中心打造成全美顶尖50家学术医疗中心之一。

医疗科技公司DARVIS宣布任命拥有25年医疗与高科技行业经验的Michael Prokopis为首席执行官，通过其自主研发的AI计算机视觉技术（专利数字货架技术）优化医疗供应链运营，替代传统人工条码扫描和库存盘点，实现精准需求规划和敏捷补货，目前已与MD安德森癌症中心展开战略级合作。

英国普利茅斯大学医院NHS信托基金计划在2026年夏季上线的新版Epic电子病历系统中整合人工智能技术，将部署远程皮肤科诊疗、癌症早期筛查、智能排班、虚拟问诊等应用场景。该方案作为"德文单一电子病历计划"组成部分，将通过环境人工智能记录医患互动、对话式AI辅助问诊、数据驱动决策等方式提升医疗效率，同时承诺建立以患者安全和数据保护为核心的AI治理框架。

美国西奈山医学院团队开发基于机器学习的遗传风险评估模型，通过电子健康记录分析超百万份数据，为1600种罕见基因变异提供0-1区间的风险评分。该技术突破传统二元诊断局限，将遗传外显率评估推进到连续谱系维度，可显著提升基因检测报告的临床指导价值，在预防性医疗、避免过度治疗等方面具有重要应用前景。

纽约西奈山伊坎医学院的研究团队利用超过130万份电子健康记录，通过机器学习模型成功构建了10种常染色体显性遗传病的基因变异外显率评分系统。该系统将传统基因检测的"是/否"二元判断升级为0-1连续评分，显著提升了家族性乳腺癌、肥厚型心肌病等疾病的早期筛查精度，可为临床决策提供个性化风险评估依据，并可能缓解当前遗传检测结果"意义未明"带来的诊疗困境。

研究团队开发基于AI的语音分析工具，通过解析"敏捷棕色狐狸跃过懒狗"等语句，能以85.7%精确度识别帕金森病早期症状。该技术结合Wav2Vec 2.0等模型，利用日常语音实现远程诊断，其91%特异性可有效排除非患者，未来计划扩展多语种应用，为全球患者提供早期筛查新方案。

西奈山医学院研究团队开发出结合人工智能和电子健康记录的新方法，通过分析胆固醇、血细胞计数等常规检测数据，建立机器学习模型量化基因突变的疾病外显率，为携带罕见基因变异的个体提供精确疾病风险评估。该成果为个性化医疗中的模糊基因检测结果解读提供了可扩展的解决方案，相关研究已发表在《科学》期刊。

本研究开发了一种结合人工智能和常规实验室数据的新方法，通过分析电子健康记录量化基因变异的外显率，为罕见基因变异患者提供更精准的疾病风险评估。该方法生成的ML渗透评分揭示了部分曾被标记为"不确定"的变异实际存在显著或零风险，有助于临床更个性化、量化的决策，特别是在癌症早期筛查和预防措施的制定中具有重要应用前景。