环球医讯AI与医疗健康

本文指出当前医疗健康领域对人工智能的应用方向存在根本性错误，行业过度关注AI能否替代医生进行诊断和开药，却忽视了更迫切的问题：医生被行政文书工作压得喘不过气。文章分析显示，精神科约80%的预约属于常规随访，医生平均每周花费16小时处理行政事务，这些本可简化的任务消耗了大量临床时间，导致患者预约等待时间过长。作者主张AI应优先应用于行政层面而非临床决策，提出病历生成、病历审核、访前流程自动化和常规处方管理四大高回报应用场景，强调以医生为中心的AI增强模式才是解决医疗系统瓶颈的正确路径，既能减轻医生负担、提高患者可及性，又能确保医疗质量和安全，避免因过早介入临床决策而带来的风险与不信任。

马萨诸塞总医院布里格姆研究中心最新研究显示，人工智能聊天机器人在基于患者初始症状生成可能诊断列表时失败率超过80%，但在获取更多临床信息后表现显著提升；该发表于《JAMA网络开放》的研究评估了21种大型语言模型在29个标准化医疗案例中的表现，发现所有模型在鉴别诊断环节均存在严重缺陷，最终诊断失败率虽可降至9%以下，但研究者强调当前AI缺乏安全临床应用所需的推理能力，建议仅限在低不确定性任务中由医生监督使用，这对医疗AI的实际部署具有重要警示意义。

国际医疗器械监管机构论坛(IMDRF)发布了一份关于医疗器械中应用人工智能的最佳实践框架草案，旨在建立协调统一的风险缓解措施，贯穿AI医疗器械全生命周期。该框架基于2025年良好机器学习规范(GMLP)指南，提出包括质量管理体系、风险管理、人工监督和网络安全等适用于AI生命周期的通用概念，强调通过多学科专业知识确保AI医疗器械在提升医疗保健的同时维持最高安全性和有效性标准。

伦敦癌症研究所与都柏林皇家外科学院医学与健康科学大学研究人员开发了PhenMap人工智能工具，该工具能够通过分析肿瘤基因组成数据预测晚期结肠癌患者对NHS新引入的贝伐珠单抗药物的反应效果，研究追踪了117名欧洲患者，发现AI可识别出对药物无反应的患者群体，避免数千人接受无效治疗并承受血栓等严重副作用，为精准医疗提供新可能，目前该工具还需更大规模验证后才能投入临床使用，有望使晚期结肠癌治疗更加个性化和高效。

牛津大学拉德克利夫医学系研究团队开发出一种突破性人工智能工具，能够利用常规心脏CT扫描数据，在心力衰竭症状出现前至少五年准确预测发病风险。该AI系统通过识别心脏周围脂肪组织的细微纹理变化来评估心肌炎症状态，已在超过7万名英国国家医疗服务体系患者中完成训练验证，准确率达86%。这一创新有望帮助医生提前识别高风险人群，实施针对性干预措施，显著改善患者预后并减轻医疗系统压力，目前研究团队正寻求监管批准以在全国范围内推广该技术。

本文介绍了一个名为"超越算法：面向高风险临床决策支持的可扩展、可解释与自适应人工智能"的研究专题，聚焦于解决人工智能在临床决策支持系统中的工程化挑战。该专题由意大利学者主导，旨在弥合AI原型开发与实际临床环境部署之间的差距，特别关注系统架构、集成、稳健性、可解释性以及全生命周期管理等关键问题，推动可部署、可维护且值得信赖的AI驱动临床决策支持系统的发展，为高风险医疗环境提供更可靠的技术支持，促进AI技术在医疗健康领域的实际应用和价值实现。

丹麦制药巨头诺和诺德宣布与OpenAI建立战略合作伙伴关系，将人工智能技术全面应用于减肥药物研发和生产流程。该公司计划利用AI分析复杂数据集、识别有前景的药物候选物并缩短研发周期，以应对肥胖药物市场的激烈竞争。总裁兼CEO迈克·杜斯塔表示，AI将帮助发现治疗肥胖和糖尿病的新方法，并以前所未有的速度推向市场。此举发生在FDA近期批准礼来公司新型减肥药后不久，同时FDA今年3月曾因未报告不良反应而对诺和诺德发出警告，显示制药行业正加速拥抱AI技术提升研发效率和市场竞争力。

Stat Conference 2025作为统计学领域的重要盛会，聚焦人工智能与机器学习在健康和医学领域的应用，深入探讨了临床试验设计的进步、真实世界证据的作用以及以患者为中心的药物开发等关键议题，强调了跨领域合作与创新思维在应对预期寿命延长、健康创新带来的经济影响以及企业战略规划中的重要性，为统计专业人士提供了交流平台，推动统计学在AI/ML时代的发展与应用，展示了统计学如何在医疗健康领域发挥关键作用并塑造未来医疗创新格局。

Wavelet医疗与Aegis风险投资合作开发出全球首款人工智能驱动的无创胎儿脑电图监测平台，旨在解决传统胎儿心率监测技术的局限性，通过实时监测胎儿脑信号来预防出生时脑损伤并减少不必要的剖腹产。该技术由耶鲁大学研究人员开发，已在三家医疗机构进行临床测试，包括耶鲁大学、洛杉矶综合医院和韩国延世大学健康系统，有望彻底改变产前监测标准，代表了AI在医疗健康领域的重要应用突破，将使医疗保健从被动反应转向主动预防的"预测性医学"时代。

美国食品药品监督管理局(FDA)在过去18个月中不断完善人工智能医疗设备监管框架，发布了预先确定的变更控制计划(PCCP)最终指南、全产品生命周期(TPLC)草案指南、网络安全最终指南以及真实世界证据(RWE)使用指南。这些新规要求医疗技术公司建立AI治理机制、实施良好机器学习实践(GMLP)、强化网络安全措施并建立真实世界性能监测系统，以实现安全、快速的AI医疗设备迭代更新，同时确保患者安全和设备有效性。医疗技术公司需在2026-2030年期间构建组织能力，包括AI治理、PCCP工程、网络安全和真实世界监测，以在竞争中保持领先地位并满足监管要求。