环球医讯AI与医疗健康

美国联合委员会（TJC）与健康人工智能联盟（CHAI）联合发布《医疗人工智能负责任使用指南》，系统阐述医疗机构应用AI工具的风险管理框架。该指南将健康AI工具定义为涵盖临床、行政及运营的算法解决方案，明确识别出误诊风险、数据安全威胁、算法偏见等七大核心挑战，并提出包含治理结构、患者隐私保护、质量监控等七要素的实践方案。尽管当前不具备强制约束力，但将作为TJC即将推出的AI认证计划基础，同时与美国国家标准与技术研究院（NIST）风险管理框架形成互补，为医疗行业在联邦立法空白期提供关键合规指引，助力构建安全可靠的AI医疗生态体系。

维多利亚州政府支持建立新的亚太总部并扩建墨尔本全球研发工程中心，预计创造近50个高技能岗位并带来1000万澳元研发投资。该人工智能平台整合机器人视网膜成像与远程眼科技术，可早期检测糖尿病视网膜病变、青光眼等眼部疾病及心血管、神经系统等全身性疾病，同时推动眼组学前沿研究。此举强化了该州在人工智能医疗创新领域的全球领导地位，通过提升诊断精准度、可及性与效率，将研究成果转化为可扩展的医疗解决方案，并促进健康与数字技术成为未来生产力核心驱动力，助力应对人口老龄化与医疗服务需求增长的挑战。

本伞形综述系统分析了2019至2024年11月间发表的181篇人工智能医疗应用系统评价，揭示70%的模型训练依赖诊断影像、电子健康记录及生物标志物数据，诊断、预后与治疗规划构成超80%的核心应用场景，同时可穿戴设备等新型数据源应用自2022年起显著增长；研究显示64.6%的综述报告了隐私保护、模型准确性、数据算法偏见及可解释性等伦理问题且比例持续上升，强调推进人-人工智能-人协同范式需同步完善治理框架与伦理监管体系，以确保技术安全落地临床实践。

专家警告医疗领域人工智能工具的迅猛发展可能引发复杂的法律责任认定难题，报告指出当前AI医疗产品存在测试不足、责任主体模糊及法律追责障碍等问题，医生可能因算法错误被追责而技术公司通过合同转移责任，同时监管缺失导致工具在临床应用中产生不可预测风险，亟需建立有效的评估体系和数字基础设施投资以确保医疗AI的安全性与实效性。

本文系统阐述了人工智能技术在糖尿病诊疗领域的突破性应用，涵盖诊断辅助、血糖管理及并发症预防三大核心场景。重点解析混合闭环胰岛素泵系统的临床进展，揭示首项随机对照试验证实AI可使71%的2型糖尿病患者在停用多种降糖药物后仍维持理想血糖水平的突破性成果。同时深入剖析算法开发面临的个体化数据差异、隐私保护及监管滞后等现实挑战，强调需建立标准化验证体系与医工协同机制，推动AI从技术演示向临床实践转化。

本文探讨了人工智能技术如何积极变革制药行业，重点分析了AI在解决药品短缺、药品召回和阿片类药物流行病三大挑战中的应用价值。文章指出，AI通过分析海量药物数据预测新疗法组合、精准追踪供应链污染源、智能监控管制药物使用等方式，不仅显著提高了制药效率与安全性，还使药剂师得以从繁琐的库存管理中解放出来，专注于患者护理。作者Doug Zurawski博士强调，麦肯锡估计药房与医疗领域的人工智能技术每年可创造1000亿美元价值，尽管存在质疑声音，但制药行业正通过AI应用迎来前所未有的改善与繁荣机遇。

芝加哥在2025年美国生物科技中心排名中位列第10，显著落后于旧金山和波士顿等领先枢纽，但行业领袖认为该地区凭借世界一流学术机构、不断增长的实验室空间和科学人才储备等优势，有望通过人工智能和量子技术等前沿领域实现快速崛起；尽管面临联邦研究资金削减等挑战，芝加哥相对低廉的实验室成本、仅4%的低人才流失率以及高品质生活正吸引生物技术企业扎根发展，预计将在2030年Bio国际会议上展示其作为生物技术枢纽的临界增长潜力，同时AI在药物研发和临床试验中的应用前景被寄予厚望。

德克萨斯大学西南医学中心最新研究证实，人工智能GPT-4o模型仅凭医生临床笔记和放射报告中的非结构化文本，即可精准区分出血性与缺血性脑卒中类型。该研究发表于《卒中》期刊，基于4123名脑卒中患者电子健康记录分析，证明大型语言模型在医疗数据摘要方面可媲美人工处理，能显著减轻患者注册表填报负担，并为实时临床决策支持提供新路径，标志着AI在医疗数据自动化处理领域的突破性进展，有望推动医疗效率与精准度的双重提升。

英矽智能公司研发的全球首款完全由人工智能生成的药物瑞托塞替布（ISM001-055）已进入IIa期临床试验，该药物针对特发性肺纤维化这一致命肺部疾病，标志着AI技术在药物研发领域从理论迈向实践的关键突破；其18个月内完成从靶点发现到临床候选药物的流程较传统10-15年周期大幅提速，且AI设计分子在I期试验成功率高达80%-90%，远超行业40%-65%的历史平均水平，尽管长期疗效仍需验证，但AI整合靶点发现与分子设计的能力正重塑制药研发范式。

美国顶尖癌症研究中心联盟推出癌症人工智能联盟（CAIA），通过联邦学习技术构建协作平台，使医疗机构能在不交换原始患者数据的前提下训练AI模型，利用超百万脱敏患者数据加速癌症研究。该平台有望将新发现转化为治疗方案的周期从数年缩短至数月，效率提升十倍，同时规避隐私法规障碍，为医疗AI应用树立新范式，并可能扩展至金融、物流等领域，标志着跨机构数据协作的重大突破。