环球医讯AI与医疗健康

随着数以千万计的人们开始向AI聊天机器人咨询健康问题，微软与梅奥诊所宣布合作开发专门用于医疗保健的AI模型。该模型将基于梅奥诊所数十年积累的医疗记录、临床研究和专业知识进行训练，旨在解决当前主流AI聊天机器人在健康咨询方面存在的不准确甚至危险的问题。初期该模型将仅供梅奥诊所专业医护人员使用以测试准确性，未来有望为患者提供医疗助手服务并改善微软Copilot等消费者AI产品在健康相关问题上的回答质量。尽管双方预计需要"许多年"才能使模型足够可靠，但梅奥诊所CEO强调全球对更好医疗保健的巨大需求使得拥抱AI技术成为必要选择，认为合适的技术能够帮助实现疾病预防等远大目标。

随着生成式AI在健康咨询领域的广泛应用，其既带来便捷性又潜藏风险的双重特性引发关注。专家指出，AI聊天机器人虽能提供非评判性的健康信息，但其自信回答常掩盖不完整、不准确等严重局限，可能误导患者进行不当自我诊断或延迟专业治疗，尤其对未成年人和心理脆弱人群风险更大。研究显示约半数AI对医学问题的回答存在问题，而监管框架远落后于技术发展速度。专家呼吁加强公众教育、完善监管机制，并强调AI应作为辅助工具而非临床判断替代品，同时解决人们转向AI背后的社会问题——缺乏安全可靠的人类支持渠道。

美国研究人员开发出基于人工智能的乳腺X光片分析模型，可通过量化乳腺动脉钙化程度预测心脏病风险。该模型对埃默里医疗7.4万名和梅奥诊所4.9万名患者的分析显示，严重钙化者心肌梗死或中风风险达无钙化者的4至8倍。由于美国每年进行超4000万次乳腺筛查，此技术能在不增加额外检查的情况下为40岁以上女性提供早期心脏健康评估，被专家称为"意外收获"，有望成为整合乳腺癌与心血管疾病预防的新范式。

研究人员开发了一种人工智能模型，能够通过分析乳腺X光检查中的乳腺动脉钙化程度来预测心脏病风险。这项发表在《欧洲心脏杂志》上的研究表明，即使是轻微的乳腺动脉钙化增加也会略微提高心血管风险，而严重的钙化则与心脏病发作和中风风险增加4至8倍相关。该模型可以应用于每年美国进行的4000多万次乳腺X光检查中，无需额外工作即可提供"额外发现"，为早期发现和预防心脏病提供了新途径，且不增加辐射、时间和额外预约，具有重大临床价值和公共卫生意义。

西弗吉尼亚州东潘汉德尔地区的贝克莱医学中心和杰斐逊医学中心自2026年6月19日起在急诊部门部署了新型AI驱动的武器检测系统。这些非接触式设备不仅能检测金属物品，还能识别其他危险材料，旨在提升医院安全环境而不影响患者就诊效率。医院官员表示，该技术符合行业安全标准，有助于医护人员在高压力环境下更专注于提供高质量护理，同时保障所有进入急诊室人员的安全与尊严。

巴西圣保罗联邦大学的精神科医生玛丽亚·伊内斯·金塔纳在被诊断患有肌萎缩侧索硬化症(ALS)后几乎完全丧失行动和说话能力，但在巴西初创公司WorkAI与Unimed基金会合作开发的ExtensIA项目帮助下，她通过眼动追踪系统、数字形象和多智能体AI系统重新参与学术教学和有限的临床工作，这一创新项目不仅探索了AI作为认知功能完整但运动能力受限专业人士的"操作延伸"的可能性，也引发了关于数字替身、医疗责任、伦理边界以及知识保存等深刻讨论，为类似疾病患者提供了新的希望，同时该项目已在学术活动中应用并计划在巴西精神病学大会和荷兰ALS国际研讨会上展示，其技术框架有望扩展至工程、教育、法律等其他专业领域。

本文深入探讨了人工智能在医疗保健领域的应用现状与局限性，指出尽管AI已在医学影像分析、风险识别和行政流程优化等方面发挥重要作用，但它无法替代医生提供的人文关怀、临床判断和个性化诊疗。专家强调，AI系统在放射学和心脏病学等领域只能作为辅助工具帮助早期疾病检测，而医疗决策仍需考虑患者病史、生活方式及情感因素等复杂变量。文章警示AI可能产生信息偏差、数据隐私等问题，未来最理想的医疗模式应是AI技术与医疗专业人员的协同合作，使医生能更专注于患者护理而非数据处理。

一项发表在《新英格兰医学杂志》NEJM AI期刊上的研究显示，OpenAI的o3模型成功帮助波士顿儿童医院诊断出18名疑难病例，包括10例罕见神经发育疾病、4例神经肌肉疾病、2例突发死亡病例和2例早期精神病病例，该AI模型通过分析376名未确诊患者的基因组，识别出近5%的新诊断结果，为长期困扰医疗界的罕见病诊断提供了突破性解决方案，显著提高了诊断效率并为患者家庭带来希望。

波士顿大学新兴传染病中心推出名为BEACON的AI监测系统，通过分析全球21种语言的媒体报道、社交媒体等非传统渠道数据，提前发现传染病暴发迹象。该系统一年内报告全球超千起疫情，由13国分析师24小时轮值验证，旨在为公共卫生部门提供早期预警，缩短应急响应时间。项目主任巴德利亚指出，气候变化导致蚊媒疾病扩散及国际旅行增加使疫情风险上升，而BEACON的快速预警可将"响应时间转化为拯救的生命"，目前已应用于2026年世界杯赛事健康监测等场景。

美国加州大学伯克利分校研究人员开发出一种基于人工智能的心源性猝死风险检测新方法，通过分析心电图中先前未被识别的信号，能够更准确地识别高风险患者。该研究利用瑞典超过44万份心电图数据训练AI模型，在美国和台湾的临床测试中表现优于传统检测方法，能够识别出年发生率高达7%的高风险群体，相比现有方法4.6%的识别率大幅提升，每年可能挽救数千人的生命，为这一医学难题提供突破性解决方案，有望帮助医生更精准地判断哪些患者需要植入式除颤器。