环球医讯AI与医疗健康

本文探讨了人工智能在医疗领域面临的巨大挑战：复杂的监管、生死攸关的决策、生物学的复杂性以及人类共情能力的不可替代性。尽管AI在某些诊断任务中已超越医生，但医疗需求近乎无限，AI不会取代医生，而是暴露出未被满足的巨大需求。文章分析了AI在诊断中的优势与缺陷，并探讨了从被动治疗转向主动预防的可能性，同时指出了法律、伦理和共情方面的深层问题。

英国医学保护协会发布报告警告称，医生和NHS可能因使用人工智能工具诊断患者和推荐治疗时出现的错误而被起诉医疗事故。现有法律下，医务人员和卫生服务机构仍可能因AI工具的错误导致患者受伤或死亡而承担责任。报告指出，若不更新法律框架，医生将面临成为AI错误“责任池”的风险。同时，AI可能漏诊肺部肿瘤或错误建议增加抗凝药剂量导致严重出血，这些情况都可能引发针对医生的法律诉讼。该组织呼吁将AI系统归类为《消费者保护法》下的产品，以将责任转移给开发者，减轻医生和NHS的法律负担。

本文探讨了病历管理的定义、关键组成部分及其重要性，阐述了从纸质记录到电子病历系统的转变，并重点分析了人工智能在自动化临床文档、智能数据提取、预测性记录、数据质量提升及隐私安全监控等方面的革命性作用，最后指出AI驱动的病历管理如何优化医疗收入周期管理流程。

德国弗劳恩霍夫实验软件工程研究所（Fraunhofer IESE）正牵头研发一款名为“Petra-AI”的人工智能辅助应用程序，旨在为处于围绝经期的女性提供科学、易懂且安全的支持。该项目由联邦研究与技术部资助，跨学科团队包括数字健康初创公司、大学研究所和柏林健康研究所。AI聊天机器人将提供基于证据的科普信息，但不会代替医疗建议，并需防范模型幻觉问题。项目计划运行三年，最终通过试点评估接受度和有效性，旨在缩小女性健康领域的护理差距。

本文探讨了人工智能在医疗领域的应用现状与风险。尽管AI在影像识别、减轻行政负担等方面展现潜力，但其直接面向消费者的应用（如ChatGPT Health和Claude）因输出错误信息、缺乏充分测试而引发担忧。专栏作家Michael Hiltzik引用心脏专家Eric Topol的观点，警告AI在医疗中不能容忍显著错误，必须经过严格临床标准验证。文章还提及英国研究显示40%的医疗团体放弃了AI听诊器，以及UnitedHealth因AI算法拒保被诉讼的案例。作者强调，用户不应盲目信任AI诊断，而AI的误导性信息可能不仅伤害患者，也会损害整个AI领域的信誉。

一项发表在《欧洲心脏杂志》上的新研究表明，人工智能（AI）可以通过分析常规乳腺钼靶检查中乳腺动脉的钙化程度，预测女性患严重心脏病的风险。研究纳入了12.3万余名女性，发现乳腺动脉钙化程度越重，未来发生心脏病、中风或心衰的风险越高，轻度钙化风险增加约30%，重度钙化风险则高出2至3倍。这一方法利用现有乳腺癌筛查流程，无需额外成本或麻烦，有望帮助解决女性心血管疾病漏诊率高的问题。研究者正计划开展临床试验以推动该AI工具的临床应用。

本文提出HydraViT，一种自适应多分支Transformer模型，用于胸部X光图像的多标签疾病分类。该模型通过混合卷积-Transformer骨干网络提取上下文嵌入，并采用多分支输出模块，为每个疾病标签分配独立分支，同时结合聚合分支捕捉共现关系，利用距离自适应权重平衡不同标签的贡献。在ChestX-ray14数据集上的实验表明，HydraViT在多标签分类指标上平均AUC达到84.1%，平均MAE为0.075，优于注意力引导、区域引导和语义引导等现有方法，尤其在肺不张、实变、水肿等空间分布广泛的病变中表现出显著优势。消融研究证实了空间编码器、上下文编码器和多分支输出模块各自的重要性，以及多任务学习对提升单标签和共现标签分类一致性的作用。该模型为胸部X光自动诊断提供了高效可靠的解决方案。

一项由西奈山伊坎医学院团队发表在《自然·医学》上的研究发现，ChatGPT在60种不同医疗场景中提供正确建议的比例极不均衡，在非紧急情况下仅35.2%正确，在医疗紧急情况下仅48.4%正确，呈现出倒U形曲线：对中等风险情况表现较好，但对低风险和高风险情况均表现糟糕，甚至错过了哮喘发作、糖尿病酮症酸中毒等明确危及生命的紧急情况，并在自杀意念检测上表现不佳，同时错误地建议了诸多无需就医的情况。研究者警告不能单纯依赖ChatGPT获得医疗建议。

一位16岁的南非人工智能爱好者Reatlegile Rammuki被选入麻省理工学院（MIT）Jameel Clinic人工智能与健康夏季训练营，将于7月前往美国马萨诸塞州剑桥市参加。他曾于2024年在全球“青少年AI向善”孵化器项目中获得一等奖，并参与南非AI奥林匹克竞赛进入半决赛，还入选了Sage导师计划。此次训练营将让他与世界顶尖专家及全球青年创新者合作，探索AI在疾病诊断、患者护理和医疗系统改进中的应用。他正在通过BackaBuddy筹款以支付参加费用。

最新研究表明，乳腺癌筛查中的人工智能技术可检测乳腺动脉钙化，从而评估女性患心脏病和中风的风险。该研究涵盖12.4万名女性，发现轻度钙化者心脏病风险增加约30%，重度钙化者风险高出2至3倍。研究人员认为，这可在不增加额外成本的情况下帮助发现未确诊的心脏病女性，为心血管疾病预防提供新途径。AI的应用有望将常规乳腺X光检查转化为双重健康筛查工具。