环球医讯AI与医疗健康

一项由阿斯利康委托、益普索B&A进行的调查显示，超过一半的爱尔兰人（56%）认为人工智能将在未来五年内改变医疗保健。68%的受访者过去三个月内使用过公共AI工具，其中32%用于健康目的。对于癌症相关话题，更多人表示愿意使用AI查询症状、理解化验结果或了解药物信息。公众普遍支持AI用于减少等待时间（70%）和加快检测结果（64%），但半数人对医生使用AI辅助决策感到担忧，68%担心AI取代人类医护人员。数据隐私和失去与医生的人性化联系也是主要顾虑。圣詹姆斯医院肿瘤学家梅芙·洛厄里教授指出，爱尔兰人乐于用AI改善癌症服务，但仍希望医疗提供者做最终决定。调查还发现仅30%的人认为政府优先考虑癌症护理，89%支持增加癌症护理投资。UCAN爱尔兰主席米里亚姆·斯汤顿强调，国家癌症战略即将到期，需合理投资并让患者尽快获得创新治疗。

本文由福布斯资深撰稿人Christine Michel Carter撰写，采访AI伦理学家Rebecca Bultsma，探讨预测性护理AI对家庭关系、劳动分配和伦理设计的深远影响。文章指出，AI预测不仅影响健康结果，更可能重塑亲密关系、嵌入隐性劳动假设（尤其是女性无偿劳动），并可能使不平等与情感压力加剧。Bultsma强调，护理AI的设计必须让护理人员和患者参与定义“衰退”的标准，避免将机构优先性伪装成医学事实。文章提出多项伦理护栏，包括测试公平性、要求可操作的行动路径、强制知情同意等，旨在让AI在护理经济中成为稳定力量而非效率下的新负担。

本文探讨人工智能如何快速重塑医疗健康行业，从早期疾病检测、个性化治疗方案、药物研发、机器人手术到虚拟健康助手，AI正提升诊断精度、降低成本并改善患者护理。文章也分析了数据隐私、算法偏见等伦理挑战，并展望了人机协同的未来医疗模式。AI不会取代医生，但将赋予他们更强工具与洞察力，成为现代医学基石。

本文探讨AI在医疗领域迅速扩张所引发的隐患。虽然AI在放射影像识别等特定场景展现潜力，但消费者直接使用的健康应用（如ChatGPT Health和Claude for Healthcare）常出现错误诊断，导致患者恐慌。专家指出，AI缺乏充分的临床测试与监管，其错误可能使患者延误治疗或产生焦虑，最终损害整个AI医疗领域的信誉。医疗从业者警告，AI不应替代医生判断，而应作为辅助工具，并需通过与传统医疗设备相同的严格验证。

人工智能与机器学习研究员马夫兹·伊斯兰姆·汗·贾贝德正在推进伦理与可解释人工智能在劳动力分析和医疗诊断方面的应用研究。他开发了用于员工流失预测的可解释堆叠集成模型，以及用于糖尿病视网膜病变检测的可解释混合CNN-Vision Transformer框架，强调透明模型设计以帮助相关方理解预测结果。其研究涵盖金融时间序列预测、可解释预测分析和可解释深度学习，致力于在预测性能与可解释性之间取得平衡，推动AI系统的负责任应用。

AIMed 2026国际会议将于2026年5月7日至9日在波兰克拉科夫及线上举行，聚焦人工智能在医学中的负责任应用。会议设临床与转化AI研究、方法论与计算AI两个投稿轨道，所有录用摘要将发表在BMJ Digital Health & AI的摘要集中，最佳摘要获邀在BMJ Digital Health & AI特刊发表全文。会议涵盖研究创新日、前沿知识日（主旨演讲嘉宾包括欧洲药品管理局执行主任Emer Cooke、牛津大学Marta Kwiatkowska教授、伯明翰大学Gary Collins教授）和教育日三大板块，由波兰循证医学研究所、麦克马斯特大学、牛津大学大数据研究所及雅盖隆大学医学院跨学科健康数据中心联合发起。

一项由西奈山伊坎医学院发表在《自然医学》上的研究发现，OpenAI于2026年1月推出的医疗版ChatGPT Health在处理紧急医疗情况时存在重大缺陷：对超过一半的真正紧急情况（如早期呼吸衰竭等）未能推荐急诊护理，反而建议等待；同时将约三分之二的轻微情况过度分诊为需要急诊，可能造成医疗资源浪费。更令人担忧的是，该工具的自杀风险警报功能极不稳定——在相同严重程度的场景下，加入正常实验室结果后警报便消失。研究还发现，当病人家属说“没什么大不了的”时，系统低估症状的可能性增加近12倍。专家指出，AI不能替代临床判断，对于胸痛、呼吸困难、严重过敏或自伤想法等，应立即寻求急诊或拨打988，不要等待AI的判断。

在印度制药联盟举办的全球药品质量峰会上，行业领袖指出，印度制药业要实现2047年的愿景，必须将人工智能深度嵌入药物发现、生产和供应链核心，同时加快创新步伐并重建全球信任。Zydus Lifesciences董事总经理Sharvil Patel认为AI试点项目已不再有效，必须从战略层面融入组织。Sun Pharma董事长Dilip Shanghvi强调，在下一阶段，上市速度比成本更重要，但创新投入仍不均衡。Aurobindo Pharma董事Madan Mohan Reddy指出自动化无法替代质量文化，AI驱动的实时分析将成为刚需。Lupin董事总经理Nilesh Gupta则表示，印度需要多个创新成功案例，而不仅仅是孤例，创新需要耐心和长期承诺。文章综合多位高管的观点，认为印度制药业正面临从低成本制造基地向全球创新力量转型的关键抉择。

尽管人工智能在靶点识别、先导化合物发现和优化等早期阶段展现出显著加速能力，能将临床前周期从六年压缩至数月，并在I期试验中取得80%‑90%的成功率，但临床开发的后期阶段仍需大量人类专业知识和监管审查。从De Novo抗体设计到AlphaFold的结构预测，AI已证明其潜力，但尚未有任何AI主导的药物上市。知识产权、可重复性、黑箱问题以及整合文化冲突等挑战仍然存在。文章通过大量数据与案例（如贝克实验室、艾博科、递归制药、英熙李科医药）全面分析了AI在制药领域的现状、局限与未来，强调人类研究人员在验证、判断和临床转化中不可替代的作用。

本报告汇集AI药物发现领域核心统计数据，涵盖市场增长（全球市场从2022年14.5亿美元预计增至2028年46亿美元，年复合增长率21.2%）、成本节约（AI将药物研发成本从平均26亿美元降至18亿美元）、投资动态（2023年风投52亿美元，Insilico、Exscientia等公司临床进展）、成功率提升（AI药物I期成功率25% vs传统10%）、时间缩短（AlphaFold破解2亿蛋白质结构，Exscientia将临床前周期从4-5年压缩至2.5年）等方面，全面揭示AI对制药行业的颠覆性影响。