环球医讯AI与医疗健康

美国西弗吉尼亚大学研究人员在美国癫痫学会年会上报告，基于生成式人工智能的自主注册平台AURA成功应用于药物难治性癫痫患者护理，该系统通过分析电子健康记录中的自由文本临床笔记、影像报告和评估数据，自动识别多次抗癫痫药物失败、癫痫负担等手术适应症指标，并针对不完整病历（如缺失脑电图、磁共振成像或神经心理学评估）提取历史数据并标记缺口；在90天试点中，AURA识别出11%的患者缺乏必要手术转诊，标记诊断缺口包括缺失脑电图35%、过期磁共振54%及神经心理学评估缺失91%，同时显著提升医生就诊准备度、减少病历审查时间，并将术后结果记录率从1%提高至70.9%，证明AI能有效辅助癫痫专家挖掘隐藏临床线索，优化治疗决策流程，为患者提供更快护理通道并降低医疗团队认知负担，推动癫痫护理向更安全、协调和高效方向发展。

英国研究团队开发出名为CytoDiffusion的生成式人工智能模型，该模型通过扩散技术精准识别血细胞形态，能有效检测白血病等疾病相关的原始细胞等罕见异常细胞，其检测敏感度达0.905且特异性达0.962，显著优于传统判别模型；该模型在不同显微镜设备和染色条件下表现稳健，具备可靠的不确定性评估能力，可自动处理高置信度案例并将疑难病例转交人工复核，为临床诊断提供超越人类专家的形态学分析工具，相关成果已发表于《自然·机器智能》期刊。

科学家利用生成式人工智能技术成功从头设计出完整的人工噬菌体，这些噬菌体能够精准靶向并杀死耐药细菌，包括超级细菌大肠杆菌。实验室测试证实，部分AI设计的噬菌体在杀菌效率和克服细菌耐药性方面优于天然噬菌体，展现出快速响应能力。这一突破有望革新医学领域，提供传统抗生素的替代方案，并推动定制化“按需”噬菌体疗法的发展，但目前仍处于早期研究阶段，需解决实验室到临床的转化难题、监管框架缺失以及潜在生物安全风险等挑战，距离实际应用尚有距离，却为终结全球超级细菌危机带来新希望。

本文深度探讨制药行业如何通过智能决策引擎与人工智能整合应对地缘政治风险，梅加·辛哈指出到2026年领先企业将构建规则化的供应链网络，利用数字孪生技术整合监管数据与供应链信息以加速产品上市，同时强调培养具备跨职能能力的"T型协调者"人才队伍至关重要，人工智能正从试点项目演变为嵌入式推理层，在药物研发中优化靶点选择并在生产中通过自主代理系统推荐参数调整，其核心突破在于将工艺创新、监管智能与执行规划整合于统一知识层，实现从概念到全球40个市场产品发布的端到端路径规划，人类则专注于关键决策而非基础数据处理。

随着人工智能深度融入医疗系统，三位数字领导者指出当前最大差异化因素并非具体工具，而是高管如何思考、优先排序及领导技术变革。密西西比大学医学中心首席数据分析师强调需构建坚实技术基础；威斯康星大学健康中心CMIO主张保持好奇心与情绪稳定；杰斐逊健康CIO则呼吁聚焦企业价值与可持续伙伴关系，避免盲目采用技术解决方案。他们共同强调AI投资必须锚定长期战略目标，在12-18个月内产生实际价值，同时警惕监管滞后带来的风险，通过跨领域协作建立技术生态系统，确保创新既快速推进又不损害医疗服务连续性。

帮助在家（Help at Home）任命安·韦尔斯医学博士为首位首席医疗与安全官，标志着这家拥有50年历史的家庭护理公司正式向基于价值的护理模式转型。韦尔斯将领导全公司质量与安全战略，通过六大核心支柱（包括人口健康、服务可靠性、数据与人工智能赋能等）构建系统化管理体系，并利用5万名一线护理人员作为风险识别"前哨"。公司同步推进AI驱动的预测分析工具开发，旨在主动预防跌倒等健康风险，同时通过社区基金会等创新举措强化护理人员支持体系，最终实现让老年人安全独立居家的核心使命，为美国价值导向型家庭护理服务树立新标杆。

2024年11月13日哥伦比亚大学专业研究学院生物伦理学硕士项目举办紧急研讨会，深入探讨人工智能在医疗决策中的伦理风险。专家通过保险算法错误要求轮椅患者入住五楼无电梯公寓等真实案例，揭示"自动化偏见"导致医生心理上过度依赖算法，"自动化自满"则使临床医生忽视关键监督责任；研讨会剖析了德州总检察长对AI平台虚假宣传的调查、保险索赔拒付诉讼等法律困境，强调非洲"乌班图"哲学等跨文化价值观融入AI的挑战，并提出可解释性设计、人类确认阈值等" mindful integration"框架，重申个性化医疗必须由"有同理心的人"主导，人类监督在关键决策点对患者安全至关重要，同时警示数据治理缺陷和算法黑箱对医疗公平性的深层威胁。

美国卫生与公众服务部公布了一项扩大人工智能应用的战略，旨在提高工作效率并推动在患者数据分析和药物开发方面的创新。该战略建立在特朗普政府支持AI发展的基础上，同时引发关于健康数据保护的担忧。卫生部副部长呼吁打破官僚障碍，利用技术"让美国再次健康"。专家指出，虽然AI可能带来政府现代化的机遇，但处理敏感健康数据时也存在风险，特别是在小罗伯特·F·肯尼迪领导下的卫生部能否建立足够的数据保护标准仍存疑，尤其在个人医疗数据共享和隐私保护平衡方面存在诸多未解问题。

约翰霍普金斯大学研究团队首次利用实验室培育的豌豆大小脑类器官揭示精神分裂症与双相情感障碍的神经机制，通过分析神经信号特征建立电生理生物标志物，诊断准确率达83%至92%。该研究突破传统临床判断局限，为精准药物测试提供新路径，有望终结精神疾病治疗中长达六个月的反复试错过程，推动个性化精神病学治疗发展，相关成果已发表于《APL Bioengineering》期刊。

斯蒂文斯理工学院的研究团队发现，人工智能在辅助临床医生分析乳腺癌图像时能显著提高诊断准确性，但研究揭示增加AI解释的复杂度并不等同于增加医生信任，反而会因增加认知负担而降低诊断表现；过度依赖AI可能导致医生忽视关键图像信息，造成患者伤害；研究人员建议AI系统设计应谨慎平衡解释的详细程度与易用性，确保不过度增加医生工作负荷，并强调对使用者进行适当培训以正确解读AI输出而非盲目信任，最终实现技术实用性与用户友好性的最佳平衡。