环球医讯AI与医疗健康

美国食品药品监督管理局（FDA）设备中心经历动荡一年后，关键领导人相继离职，数字健康卓越中心代理副主任杰西卡·保罗森及神经设备办公室主任大卫·麦克米伦分别离开岗位，正值监管机构面临人工智能医疗设备审批挑战之际；国会新法案要求FDA限期报告AI监管权限，而政府问责局报告揭露人员短缺问题，凸显领导层流失与新兴技术监管需求激增之间的矛盾，可能削弱FDA对医疗设备的监督能力，影响数字健康领域发展进程。

在东京与北京因台湾问题外交紧张的背景下，韩国、中国和日本三国卫生部长于首尔举行第18次三方卫生部长会议达成重要共识，决定深化合作利用人工智能及数字技术扩大基本医疗服务覆盖范围，重点应对人口老龄化挑战建立综合照护系统，并优先实施基于生命周期的自杀预防策略；三国承诺通过分享创新实践和循证政策合作，在东亚地区促进精神健康与自杀预防，同时利用远程医疗等工具消除地理和社会经济障碍，此次会议彰显了区域卫生合作在新冠疫情后时代的战略意义。

韩国大邱庆北科学技术院(DGIST)Jinung An博士团队成功开发全球首个EEG-fNIRS多模态基础模型，创造性解决脑信号分析中的"标记数据短缺"难题。该模型利用约1,250小时来自918人的脑信号数据进行无监督训练，无需同时测量EEG和fNIRS信号即可实现高精度分析，能执行单一或联合信号分析，突破了现有技术的结构限制，为类脑AI和脑机接口等未来脑工程技术发展提供了关键支持，相关成果已发表在《生物医学计算机》期刊上。

范德堡大学医学中心领导的多国研究团队开发出经济高效的AI驱动蛋白质语言模型MAGE，该模型能无需起始模板快速生成针对禽流感和呼吸道病毒的抗体序列，为癌症等疾病治疗开辟新途径。研究发表于《细胞》杂志，证实此类技术将对公共卫生产生重大积极影响并可广泛应用于自身免疫疾病及神经系统疾病，同时强调需通过清洁能源和新型冷却技术解决AI能源消耗问题，以实现技术突破与环境保护的平衡发展。

全球制药巨头辉瑞宣布与美国马萨诸塞州剑桥市的计算驱动型制药技术公司XtalPi达成战略合作，共同开发基于人工智能的药物发现平台。该平台将融合量子力学、机器学习算法和云计算架构，专门用于小分子药物研发，旨在提升计算建模能力并加速新型治疗药物的研究进程。XtalPi由麻省理工学院量子物理学家团队于2014年创立，已获谷歌和腾讯投资，此次合作建立在双方此前在晶体结构预测领域的研究基础上，共同应对药物设计挑战，推动制药行业创新，同时辉瑞计划向学术界分享部分研究成果。随着精准医学快速发展和医疗成本控制需求日益迫切，全球医疗保健人工智能应用市场预计到2024年将突破100亿美元大关。

英国医学杂志发表研究指出，随着ChatGPT等AI聊天机器人被全球8.1亿用户广泛用于情感支持，特别是年轻人中三分之一使用AI进行社交互动且十分之一认为AI对话更令人满意，专家警告这可能导致一代人与缺乏真实同理心的实体建立情感依赖，呼吁将问题性聊天机器人使用视为新型环境风险因素，建议临床医生在假期等高风险期进行专业评估，并强调亟需开展实证研究以制定循证干预措施、完善监管框架，同时优先发展基于证据的减少社会隔离策略，以应对美国已宣布的"孤独流行病"这一与吸烟同等严重的公共卫生危机。

美国卫生与公众服务部健康信息技术主管托马斯·基恩在华盛顿特区举行的医疗保健人工智能峰会上宣布，计划在圣诞节前出台新规取消34项电子病历认证标准并修改7项，旨在减轻小企业负担并促进市场竞争；他透露明年春季将转向规范电子健康记录系统间通信的应用程序编程接口，确保系统互操作性；投资者维贾伊·潘德对互操作性持悲观态度，认为问题根源不在技术而在市场动力不足；副卫生部长吉姆·奥尼尔在讨论州级人工智能法规时明确表示支持限制各州对人工智能的监管权限。

华盛顿州立大学研究人员利用人工智能与分子模拟技术，成功识别出病毒进入细胞所依赖的关键分子相互作用，并在实验室中实现精准阻断。该研究聚焦疱疹病毒的糖蛋白B融合蛋白，通过AI高效筛选数千种分子交互锁定核心靶点，为抗病毒药物研发开辟新路径。尽管尚处早期阶段，此方法可推广至阿尔茨海默病等蛋白质异常疾病研究，标志着AI在医学领域实现从"治疗已感染"到"预防入侵"的范式突破，为未来传染病防控提供革命性技术框架。

印第安纳大学O'Neill公共与环境事务学院科萨莉·西蒙教授联合密歇根大学、布朗大学、哈佛大学及兰德公司研究人员，在JAMA健康论坛发表突破性研究，首次利用美国人口普查局商业趋势与展望调查数据系统比较各行业人工智能应用情况。研究发现，尽管医疗领域AI使用率呈增长趋势，但仍显著低于金融保险、教育和信息服务等行业，其中门诊护理和养老机构成为医疗行业AI应用增长最显著部门。该研究通过将医疗置于整体经济背景下分析，揭示了AI采用模式的独特性与普遍经济趋势的关联，为识别阻碍AI有效支持临床医生、患者和医疗系统的瓶颈问题提供了科学依据，后续研究将聚焦AI对患者治疗效果、成本控制、医疗质量和安全保障的实际影响，指导人工智能在医疗领域价值最大化的应用方向。

本研究专题聚焦医疗领域基础模型的前沿应用，系统探讨生成式AI、计算机视觉及多模态系统如何提升诊断精度与治疗效果，重点分析合成数据生成、语言-视觉融合、零样本学习等关键技术在医疗场景的实践路径，同时关注联邦学习、模型漂移监测等数据隐私与系统稳定性挑战，旨在弥合人工智能技术发展与临床实践间的鸿沟，为医疗AI提供符合伦理规范、兼顾隐私保护的创新解决方案，推动医疗影像分析、临床报告生成及健康运营管理的智能化转型。