环球医讯AI与医疗健康

Epic Systems与Oracle Health于2月向美国卫生与公众服务部（HHS）提交政策建议函，围绕临床护理中人工智能的采用与使用提出八大要点。Epic称其软件包含超过175个生成式AI用例，并建议HHS建立供应商中立、由独立研究支持的AI用例库，以及提供基于时间的AI基础设施补贴。Oracle Health则主张采取前瞻性、支持行业发展的安全策略，限制可能抑制创新的监管，明确联邦指南中关于临床决策支持软件的界限，并推动隐私保护的基准数据集开发。两家公司均强调AI技术旨在辅助临床工作流，最终决策权仍由医生和医疗机构掌握。

本文中，哈佛大学贝斯以色列女执事医疗中心的人工智能项目主任亚当·罗德曼博士讨论患者越来越多地使用大型语言模型（如ChatGPT）进行健康咨询所带来的益处与风险。他指出，患者通过上传脱敏医疗记录等方式利用AI已非常普遍，但也面临数字化健康素养不足、隐私信任挑战以及“网络疑病症”等问题。罗德曼强调，医疗系统和IT领导者应拥抱这一趋势，在医疗机构内部创建可信赖的AI工具，以引导患者安全有效地使用AI，而非抵制它的普及。

随着OpenAI推出ChatGPT Health等专门用于健康咨询的聊天机器人，人们对“AI医生”的关注度日益高涨。文章指出，这些工具能提供比普通搜索更个性化的信息，如分析和解释复杂的检查结果或健康趋势，但绝非专业医疗的替代品。专家警告，在面对胸痛、气短等严重症状时应立即就医，而非依赖AI。隐私方面，即使用户选择分享医疗数据，这些信息也不受HIPAA等联邦隐私法的保护。牛津大学的研究显示，聊天机器人在处理完整病历摘要时表现优异，但在与真实患者的交互中常因信息不全而出现问题。因此，在做出任何医疗决策前，患者应保持“健康的怀疑态度”，并建议通过咨询多个AI工具获取“第二意见”来增强信心，但最终仍需咨询真正的医生。文章还提醒，用户在任何健康数据上传前需仔细考虑隐私风险。

人工智能正以前所未有的深度重塑医疗健康领域，从更早更精准的诊断、预测急症发生、可穿戴设备远程监控，到加速药物发现、减轻行政负担以及制定个性化治疗方案，均展现出巨大潜力。同时，文章也指出算法偏见与公平性挑战，强调必须基于多样化的数据训练模型并持续进行公平性监控，才能使AI真正惠及所有人群。这些应用正在将医疗从被动应对转向主动干预，有望大幅改善患者预后并降低医疗成本。

该研究提出一种融合语音、步态和手写螺旋画三种模式的可解释人工智能框架，用于检测帕金森病。通过深度神经网络分别提取各模态特征，再利用XGBoost分类器融合预测，在基准数据集上达到92%的准确率，AUC为0.95。该系统弥补了单一模态的局限性，并通过SHAP、Grad‑CAM等技术增强可解释性，为早期筛查提供了可靠、可推广的数字化工具。

加州大学戴维斯分校MIND研究所正在测试来自日本的LOVOTS社交机器人，这些毛绒可爱的机器人能通过互动缓解儿童就诊时的焦虑。三岁的卡梅隆在抽血前与机器人玩耍后完全忘了紧张，顺利完成了检查。研究人员通过问卷调查评估效果，机器人通过触觉传感器和摄像头做出反应，但不会录像以保护隐私。研究旨在评估这些技术是否能在儿童医疗环境中减轻压力，增强人际连接。

加州大学戴维斯分校MIND研究所引入来自日本的社交机器人LOVOTS，旨在缓解儿童就医时的焦虑。这些机器人外形可爱，大小如儿童，全身有触摸传感器，能发出声音和做出眼神动作，与孩子互动。研究团队通过让孩子们在候诊区与机器人玩耍，观察其能否转移注意力、降低压力。初步结果显示，孩子们非常喜欢这些机器人，甚至忘记了即将进行的抽血等医疗程序。研究人员相信，这种技术可以增强人际连接，改善医疗体验。

一位资深急诊医生因其女儿被诊断出全球仅约200人患有的超罕见基因脑部疾病，在绝望中转向人工智能，最终创办研究慈善机构，旨在利用AI重新定位现有药物，为罕见病患儿开辟全新治疗希望。该慈善机构已得到布莱顿霍夫阿尔比恩足球俱乐部的支持，并计划进行首次临床实验。

耶鲁大学护理学院副教授S. 拉克尔·拉莫斯基于早年护理经历，开发了名为CARDIO的大语言模型，该模型基于循证心血管指南和临床教育材料，旨在为患者提供可及、科学的心脏病和糖尿病预防知识，辅助临床医生而非替代，目前已完成技术验证并将开展患者试点测试，以改善心血管健康教育和临床结局。

一项非随机研究表明，利用人工智能从心衰患者远程获取的生物特征数据，并通过数字平台进行分类的虚拟护理方案，能显著提高指南指导药物治疗（GDMT）的使用比例，并减少体重波动。该研究在THT 2026会议上报告，显示近99%的警报在48小时内被处理，且无需心衰专科医生介入，有效减轻了临床医生的信息过载负担。