环球医讯AI与医疗健康

特蕾莎·欧文斯·泰森博士领导的"健康马车"（The Health Wagon）组织致力于通过创新技术解决农村医疗可及性问题。2015年，该组织成功完成美国首个FAA批准的处方药无人机配送，将药物从弗吉尼亚州怀斯县机场直送偏远诊所，该无人机现收藏于华盛顿特区史密森尼国家航空航天博物馆。尽管美国医疗无人机配送因监管障碍进展停滞，错失了新冠疫情期间的关键应用机会，但该组织仍与田纳西大学合作推进研究，并试点安装100多台Starlink卫星支持的远程监测设备。泰森博士强调技术只是手段，患者才是核心，公平实施的AI与无人机技术可成为"伟大的均衡器"，为阿巴拉契亚等资源匮乏地区提供世界级医疗服务，消除地理与经济障碍，仅2025年就已提供价值超2800万美元的免费服务。

麻省理工学院研究团队成功运用人工智能技术从零开始设计全新抗生素分子，在训练数月后仅用一两天便生成超过2900万个前所未见的新分子结构，其中部分化合物在动物实验中有效清除耐药性细菌感染。这项发表于《细胞》杂志的突破性研究采用两种创新方法：基于已知抗菌片段生成完整分子和让AI自由设计全新结构，筛选出的有效分子对耐药性淋病和MRSA感染展现出显著疗效，为每年导致全球超百万人死亡的抗生素耐药性危机提供新解决方案，同时证明生成式AI能突破传统药物发现局限，拓展化学空间并加速医药研发进程，未来技术还有望扩展至其他疾病治疗领域。

尼日利亚卫生和技术领域的利益相关者在"人工智能促进社会影响与发展"组织举办的专题讨论会上呼吁，在该国初级医疗保健系统中采用人工智能技术以改善服务提供、加强疾病监测、降低医疗成本并扩大优质医疗服务覆盖面；与会专家一致认为，虽然AI为加强初级卫生保健中心提供了重大转型机遇，但必须解决数据质量、基础设施、监管框架和公众信任等关键障碍，同时投资建设数字公共基础设施和提升 workforce 能力，才能确保AI技术负责任地应用于医疗领域并助力实现全民健康覆盖目标，尤其需要借鉴国际标准如欧盟《通用数据保护条例》来制定符合尼日利亚国情的AI监管框架。

克利夫兰诊所阿布扎比分院在成立十周年之际宣布重大扩张计划，包括将床位从400张增至500张、建立区域首个碳离子治疗中心、引入飞行出租车垂直起降机场等创新举措；院长乔治-帕斯卡尔·哈伯博士表示，医院将从"复制优质医疗"转向"创造医疗未来"，在肾移植、心脏手术等领域已达世界顶尖水平，并正利用人工智能和阿联酋基因组项目推动精准医疗发展，其使命宣言也从"为病人提供护理"更新为"为生命提供护理"，体现了医疗理念从治疗疾病向全生命周期健康管理的根本转变，同时强调早期诊断和预防是应对健康问题的最佳策略。

世界内窥镜组织发布十点共识声明，针对人工智能在胃肠内窥镜应用中引发的数据隐私、医疗责任及算法偏见等关键问题提出系统性解决方案，强调需通过多国协作确保AI工具在训练数据多样性、患者数据透明度和临床责任界定方面的规范发展，特别指出计算机辅助检测系统已在欧美亚多国进入临床实践阶段，但亟需解决训练数据代表性不足可能导致的医疗公平性风险，为全球医疗机构和监管方提供安全整合AI技术的实践框架。

坦帕综合医院通过部署AI代理"Aimee"优化呼叫中心运营，在门诊预约队列实现呼叫放弃率降低56%、平均等待时间减少58%，专科队列放弃率改善35%且等待时间下降29%，同时日均预约量提升17%；该系统基于Hyro公司对话式AI平台，集成Epic电子病历等核心系统，智能处理常规事务性请求如预约确认和处方续签，使人工坐席专注于高价值临床协调工作，显著改善患者体验并缓解员工倦怠，为医疗行业提供可量化的AI技术落地范本。

本文深入探讨了人工智能在改善美国农村地区医疗可及性方面的潜力与挑战，重点分析了算法偏见和数据透明度问题对医疗公平的影响。通过脉搏血氧仪对深色皮肤患者测量不准确、肾功能评估中曾存在的种族调整等实例，揭示了医疗系统中长期存在的种族差异问题。专家指出AI技术在解决语言障碍、慢性病管理和心理健康服务方面具有前景，但也警示聊天机器人可能带来的安全隐患，如近期加州青少年自杀事件中ChatGPT的不当引导。文章强调在推进医疗AI应用时，必须去除种族因素对诊疗标准的影响，确保数据来源透明，并建立有效监管机制以保障患者权益，实现技术进步与医疗公平的协同发展。

加州大学圣地亚哥分校研究团队创建了全球天然产物社交分子网络(GNPS)药物库，收录数千种药物及其分解产物的化学"指纹"，通过质谱分析技术能比医疗记录更准确检测患者实际药物暴露情况，已成功应用于炎症性肠病、HIV等疾病研究，发现药物使用与微生物组的关联，还将利用大语言模型和生成式AI扩展数据库，为精准医学和公共卫生研究提供新工具，具有重要的临床应用价值。

麻省理工学院和经验健康公司研究人员利用300万人-天的Apple Watch数据开发了JETS基础模型，该模型采用联合嵌入预测架构处理不规则可穿戴设备时间序列数据，能够以高准确度预测多种医疗状况，包括高血压(86.8% AUROC)、心房扑动(70.5%)、慢性疲劳综合征(81%)和病态窦房结综合征(86.8%)，即使在数据不完整的情况下（部分健康指标仅记录0.4%时间）也能有效工作，展示了利用日常可穿戴设备数据进行疾病早期检测的巨大潜力，为医疗AI开辟了新路径。

马克泰克波斯特发布的《2025年机器学习全球影响力报告》分析了5000余篇自然科学期刊论文，揭示机器学习已深度融入全球125国科研体系，在医学影像早期检测、基因组测序、气候研究等领域发挥核心作用；美国主导开源工具开发（90%基础框架源自该国），中国以43%的论文占比领跑科研产出，而随机森林等传统方法仍占科研应用77%，证明实用化技术比生成式AI更广泛推动科学进步，国际协作网络（单篇论文平均关联4.1个机构）已成为ML科研的基石。