环球医讯AI与医疗健康

医疗顾问兼医学生化学家拉奇·伊洛迪格韦指出，尼日利亚医疗行业最大的问题不是缺乏数据，而是数据无法在不同机构间流通。他强调，在引入人工智能之前，必须先建立统一的患者标识系统、提升电子病历互操作性、优化保险理赔和药房数据的使用，并完善医疗信息治理框架。尽管存在问题，AI仍可在孕产妇风险预测、结核病诊断、药品供应预测及医保欺诈检测等领域发挥作用。但他警告，不应将AI视为医护人员的替代品，并强调需对海外开发的算法进行本地验证。尼日利亚医疗转型的关键在于系统性和制度性建设，而非单纯获取先进模型。

一种由人工智能“发明”的药物分子将首次用于人体试验，这是机器学习在医学领域的里程碑。该药物由英国初创公司Exscientia与日本制药企业Sumitomo Dainippon Pharma共同研发，用于治疗强迫症患者。传统药物开发需约五年才能进入试验阶段，而这款AI药物仅耗时12个月。Exscientia首席执行官Andrew Hopkins教授称这是“药物发现的关键里程碑”。该药物通过算法筛选潜在化合物并比对庞大参数数据库而生成，首期试验将在日本进行，若成功将开展全球试验。公司还在研发针对癌症和心血管疾病的候选药物，并预计年底前完成另一个分子的临床试验准备。癌症研究所所长Paul Workman表示，AI有巨大潜力加速药物发现，并对这款由AI指导研发的新药进入临床表示兴奋。

皇后大学研究员范旺·孟（Fanwang Meng）因其利用机器学习系统在药物研发早期检测潜在问题的工作获得2025年约翰·查尔斯·波拉尼化学奖。该奖项是安大略省授予早期科研人员的重要荣誉之一。孟博士设计的算法能够分析化学结构与实验数据模式，预测哪些化合物在人体内更可能安全有效，从而帮助研究人员更早确定有希望的候选药物。他的研究旨在解决药物研发中数据不完整、有噪声或偏差的问题，并通过开源发布模型和数据集促进全球合作，推动更安全、更有效治疗方法的开发。

人工智能正在重新定义加拿大医疗保健的未来。前安大略省卫生部首席架构师雨果·拉波索揭示了由AI驱动的数字健康平台、集成数据系统和先进分析技术如何变革诊断流程、增强公共卫生智能，并现代化医疗基础设施——开启更快诊断、更智能护理交付和更健康人群的新时代。

亚马逊云服务（AWS）于2026年3月宣布推出Amazon Connect Health，这是一款由人工智能驱动的医疗平台，旨在帮助医疗机构自动化处理预约安排、病历记录、患者身份验证等重复性行政任务，从而减轻医护人员负担，提升患者就医体验。该平台符合美国HIPAA隐私标准，可与现有电子健康记录系统集成，并能快速在数天内部署。此举紧随OpenAI于2026年1月发布AI医疗产品，反映了医疗行业利用人工智能提升运营效率、降低行政成本的广泛趋势，同时也引发了关于安全性、隐私和伦理部署的新思考。

泰国研究人员推出名为Estimata-Ex的人工智能系统，通过图像处理和深度学习算法实时分析手术中的失血量。该系统由清迈大学医学院与国家电子和计算机技术中心合作开发，经过超过15万张手术室图像训练，准确率达到90.3%，比传统目测法提高36.9%。系统可帮助医生更精确地判断是否需要输血，减少并发症和医疗成本，降低手术敷料遗留风险，并得到医护人员95.8%的满意度。项目旨在建立全国性的医疗AI标准。

本文探讨了人工智能在医疗领域面临的核心挑战——数据困境。尽管美国医疗支出每年超过5.3万亿美元，但系统仍存在记录碎片化、诊断延迟、数据互操作困难等问题，每年因药物不良事件导致约25万至30万人死亡。文章指出，AI无法解决破碎的数据本身，因此新一代基础设施公司正试图重建可信、安全、可快速访问的数据基础。以Aquila（构建公共卫生数据整合平台）、BurstIQ（利用区块链保护敏感健康信息）、MediLedger（使用区块链确保药品供应链真伪）为例，展示了技术如何从数据层入手，使AI能真正服务于临床决策、疾病监测和药物安全。最终，AI能否兑现医疗承诺，取决于我们能否先建立可靠的数据基础设施。

本文介绍了伦敦帝国理工学院研究人员开发的一款可水洗的AI智能T恤，它通过内置多达50个ECG传感器，连续监测用户心率，利用人工智能分析数据以检测遗传性心脏节律紊乱（如布鲁加达综合征）。传统心电图仅能提供短暂快照，容易遗漏间歇性异常，而这款T恤可长时间佩戴，帮助在致命事件发生前发现风险。研究已获英国心脏基金会资助，预计五年内进入临床。文章还讨论了此类可穿戴设备对家族遗传性心脏病患者的潜在意义，以及早期干预对预防心源性猝死的重要性。

在全球医疗领域人工智能应用加速的背景下，本文深入探讨了泰国康民国际医院首席信息官James McLeary关于如何在不断演变的法规环境中协调AI采用的见解。文章分析了AI在医疗领域的成熟应用，从图像分析到减轻医生行政负担，同时强调在临床决策中保持人类责任的重要性。McLeary详细阐述了泰国即将出台的人工智能法案将如何遵循欧盟标准，重点关注透明度、风险评估和伦理考量。他还讨论了医疗机构面临的合规挑战，如如何在AI操作中确保《个人数据保护法》的合规，管理AI供应商合同中的责任条款，以及处理跨境数据流动问题。文章最后提出，应将AI治理视为一个持续的网络安全治理计划，利用NIST框架并采用提升和转移策略来覆盖AI部署，尽管这会增加领导层的工作负担。

本文总结了医疗AI领域四位知名专家（埃里克·托波尔、威廉·沃尔等）在公共讨论中强调的四个关键观点。包括：免疫组（免疫系统的基因、蛋白质和细胞总称）是医学科学中被忽视的“缺失板块”，AI不会取代医生而是暴露无限未被满足的医疗需求；AI在不同任务中的表现优劣不均，关键在于知道何时使用；AI最令人兴奋的机遇不在于突破性产品，而在于通过监测可穿戴设备、睡眠数据和血液蛋白等变量，提前发现疾病前兆并实施预防性干预。这些观点揭示了AI在医疗领域的真实潜力与挑战。