环球医讯AI与医疗健康

一项针对150名医疗系统高管的调查显示，九成高管正将人工智能和数字技术列为优先事项以改善医疗服务可及性、精准预测需求并扩大患者覆盖范围；高管们普遍担忧财务压力、医护人员倦怠等持续性挑战若不实施重大改革将在未来五年进一步恶化，同时多数受访者认为美国医疗体系无法提供负担得起的护理，且半数人指出初级和专科护理缺乏及时便捷的获取途径，而近四成机构已开始试点AI支持的容量管理工具以释放医护时间专注于患者服务。

金·卡戴珊在《名利场》测谎测试中承认因过度信任ChatGPT的法律学习建议导致考试失败，引发公众对AI工具可靠性的担忧。近期网络谣言称ChatGPT已停止提供法律和医疗建议，但OpenAI澄清相关服务条款早前已存在，旨在明确AI不能替代持证专业人士，仅用于概念解释而非专业指导。专家强调用户常混淆AI的自信语气与真实专业性，在法律或健康等关键领域盲目依赖生成式AI存在重大风险，应始终保持审慎态度并交叉验证信息，避免因AI的"幻觉"式输出造成实际危害。

本文全面回顾了techUK（英国科技贸易协会）在2025年10月健康与社会关怀领域的核心成果，涵盖举办汇聚150余位NHS、卫生部及行业高管的2025年健康与社会关怀峰会，发布聚焦中小企业如何实现英格兰十年健康计划的年度报告，以及阐述数字技术推动生命科学发展的立场声明；同时总结了关于解锁医疗 workforce效率、NHS网络现代化、生命科学计划及临床AI框架的系列研讨活动，系统展示了数字工具、数据整合与创新供应商在优化患者诊疗路径、支持整合照护体系及提升医疗可持续性中的关键作用，凸显了科技对英国医疗体系转型的战略价值。

保险公司Vitality与谷歌联合推出Vitality AI健康平台，该人工智能系统将整合谷歌云Vertex AI平台和Gemini模型的先进技术，对Vitality收集的2800多项健康指标（包括活动水平、睡眠模式及临床风险因素）进行匿名化分析，旨在为用户提供个性化健康建议，涵盖运动指导、睡眠优化、预防性筛查等领域，标志着健康保险行业从疾病治疗向预防保健的战略转型，平台计划于2026年夏季率先在英国和南非上线，后续将扩展至美国等全球市场，预计覆盖1300万用户，成为AI技术赋能健康管理的重要里程碑。

近日社交媒体疯传ChatGPT将停止提供医疗、财务或法律建议的传言，OpenAI健康AI负责人卡兰·辛哈尔（Karan Singhal）明确否认所有相关说法，强调ChatGPT行为规范保持不变；公司解释2025年10月29日更新的政策中，禁止用户在无持证专业人士参与时获取需执照的定制建议（如医疗或法律建议），但该条款实为既有政策的整合而非新规，此前用户协议已规定不得在未经专业审核下提供医疗健康等建议，凯泽家庭基金会2024年调查显示约六分之一民众每月使用ChatGPT获取健康信息，而《The Verge》确认ChatGPT仍可回答相关问题但不可替代专业意见。

孟加拉国学生比莫尔·钱德拉·达斯在美国特莱恩大学攻读研究生期间，成功获得英国知识产权局授予的人工智能健康监测系统设计专利。该创新性可穿戴设备能实时监测心率、血压、血氧饱和度和体温等关键健康指标，通过AI分析预测潜在健康问题并触发紧急警报，将医疗保健从被动治疗转向主动预防。配套的移动应用还提供BioGPT医疗聊天机器人和电子健康记录整合功能，标志着孟加拉国在全球健康技术创新领域的重要进展。

普罗蒂纳作为主导研发机构入选韩国保健福祉部国家项目，联合三星Bioepis与首尔大学白敏京教授团队，整合AbGPT-3D人工智能模型与SPID超高速验证平台，计划在27个月内开发10个AI设计抗体候选药物，其中3个推进至临床前阶段，1个完成新药临床试验申请。该技术突破传统抗体开发高成本低效率瓶颈，将验证周期从数月缩短至两周，通过提升修美乐等药物20-100倍疗效的生物改良药开发，为患者提供更安全高效的治疗方案。

本文基于Storyful最新数据分析，揭示社交媒体用户对人工智能在心理健康治疗领域的应用持高度怀疑态度，31.8%的医疗健康领域AI相关怀疑讨论集中于此；文章深入探讨了用户对AI治疗的四大主要担忧——人类连接丧失、专业人员工作替代、误诊风险和数据隐私问题，并指出制药行业应如何借鉴这些发现，通过强调AI作为人类互动的补充而非替代、提高透明度和分享实际应用案例等方式建立公众信任，从而在预计2030年达1877亿美元的医疗AI市场中把握机遇，同时解决心理健康问题对药物依从性的影响这一关键挑战。

一项新研究揭示，人工智能通过分析Apple Watch等智能手表的单导联心电图数据，能高效检测结构性心脏病如心肌泵血能力减弱、瓣膜损伤或心肌增厚等问题；该技术基于11万多成人26.6万多份心电图记录训练，在600名受试者测试中区分有无心脏病的准确率达88%，识别患者准确率86%，排除无病者准确率99%；由耶鲁大学团队主导的研究将在美国心脏协会年会上公布，有望利用普及设备实现大规模早期筛查，显著提升社区心脏疾病预防性护理的可及性与效率，但会议成果需经同行评审期刊发表后方视为最终结论。

韩国研究人员开发了一种创新的多模态深度学习模型，通过整合脑部结构MRI扫描数据和标准化神经心理学测试结果，能够以约80%的准确率识别有酒精使用障碍风险的消防员。该模型结合了ResNet-50卷积神经网络、视觉转换器模块和多层感知机，比仅使用临床数据或仅使用神经影像学的单一方法提高了17个百分点的预测准确率。研究表明，性别和运动协调能力是关键预测指标，特别是非优势手的细微变化可反映神经系统早期损伤。这种客观筛查方法有望解决消防员因担心职业影响而不愿承认酗酒问题的困境，为高风险职业人群的心理健康评估提供了实用新途径，具有推广至其他创伤暴露职业的潜力。