环球医讯AI与医疗健康

本文讨论了大型语言模型（LLM）如ChatGPT在提供健康建议时，实质上跨越了信息提供与医疗诊断的界限，构成无证行医的风险。文章引用了加拿大相关法规，指出将诊断传达给用户足以构成医疗行为，而用户因信任AI而遭受伤害的案例已屡见不鲜。作者呼吁监管机构应像约束医生一样，通过牌照制度、售后审计、强制报告和明确责任等机制来监管AI，确保其安全性和问责制。

本研究开发并外部验证了一个基于3D U-Net的深度学习模型，用于在自发性脑出血患者的平扫CT上同时分割脑出血、脑室出血和血肿周围水肿。模型使用来自两项前瞻性多中心研究的301例基线CT进行训练，并在另一项多中心研究的141例图像上进行验证。结果显示模型对脑出血分割性能优异（Dice系数中位数0.93，体积相关系数0.98），对脑室出血性能中等（Dice中位数0.75），对血肿周围水肿准确性较低（Dice中位数0.53，存在系统性高估）。亚组分析表明，脑出血分割在不同血肿位置和有无脑室出血时均表现稳定，而脑室出血分割在深部出血中优于脑叶出血，血肿周围水肿分割则在脑叶出血中更准确。模型可在研究环境中作为可靠预分割工具使用，但需视觉检查校正。

本研究基于INVICTUS多中心注册研究，利用独立的影像核心实验室，对比了人工智能（AI）驱动的冠状动脉CT血管成像（CCTA）定量软件（AI-QCT）与血管内超声（IVUS）在测量全段冠状动脉以及非钙化、低衰减斑块亚段中动脉粥样硬化负荷的能力。研究纳入85例患者的108支血管，发现AI-QCT在血管外弹力膜体积、管腔体积、斑块体积、斑块负荷、钙化指数等指标上与IVUS高度相关（Pearson相关系数0.77-0.99），且Bland-Altman分析显示一致性良好。AI-QCT还能自动定位最小管腔面积，且与IVUS在狭窄程度评估上差异无统计学意义。该结果支持AI-QCT作为快速、可重复、准确的工具，可在临床实践中用于全谱系动脉粥样硬化负荷的量化，从而辅助心血管风险分层和治疗决策。

一项发表在《欧洲心脏杂志》上的新研究表明，常规用于乳腺癌筛查的乳腺钼靶照片也可用于识别女性心血管疾病风险，女性死亡的主要原因。研究人员发现，乳腺钼靶图像常显示乳腺组织内动脉钙沉积，即乳腺动脉钙化（BAC）。利用人工智能分析超过12万份扫描，量化钙积聚程度后，发现钙化严重的女性患心脏病、中风、心衰和死亡的风险显著更高。在美国每年超4000万人接受钼靶检查的背景下，这一发现提供了重大公共卫生机遇。研究由埃默里大学放射学副教授Hari Trivedi领导，分析了亚特兰大埃默里医疗和梅奥诊所近7.4万和近5万女性的数据。AI算法将患者分为无钙化到严重四个级别，严重级女性发生重大心血管事件的风险约为无钙化者的两倍，即便调整年龄、种族和其他风险因素后亦然。健康专家认为，这有助于改善曾被忽视的女性心血管疾病早期检测。

随着数百万人转向聊天机器人寻求建议，OpenAI和Anthropic等公司推出了专门回答健康问题的AI程序。专家指出，这些工具能在一定程度上提供个性化信息，但绝不能替代专业医疗。用户需注意隐私保护，因为聊天机器人不受HIPAA隐私法约束。独立测试显示AI在与人交互时仍会出错，建议用户同时咨询多个AI以获取更可靠的信息。对于胸痛、呼吸困难等严重症状，应立即就医而非求助AI。

在科技巨头纷纷推出健康AI工具之际，一位家庭医生指出，AI可以提供便捷的医疗信息，但存在巨大风险，如误诊和延误治疗。她建议将AI作为健康咨询的“跳板”，而非最终诊断依据，尤其要警惕AI对急诊情况的错误分诊。患者应始终与专业医生合作，共同解读AI提供的信息。

新加坡卫生科学局（HSA）正致力于扩大其在生物医药行业的经济角色，重点围绕三大支柱：联合研究机构、经济发展局和自身监管，为行业提供整体价值主张。该机构还寻求强化其作为区域和全球参考机构的地位，今年成为世界卫生组织医疗器械监管最高成熟度第四级的首个国家监管机构。同时，HSA更新了人工智能医疗指南，并接受人工智能开发的药物注册申请，展现其对技术中立监管的态度。这些举措与新加坡在人工智能领域的总体战略相呼应，旨在提升新加坡在生物医药制造领域的竞争力。

新加坡卫生科学局(HSA)正致力于扩大其在生物医学领域的经济角色，以增强新加坡的产业竞争力。卫生部长王乙康在国际医疗器械监管者论坛上宣布，HSA将通过三大战略重点来推动这一进程：与科技研究局、经济发展局等机构协作，为生物医药行业提供整体价值主张；强化自身作为区域和全球参考监管机构的地位；以及更新监管框架以纳入人工智能在医疗领域的应用。HSA已获得世界卫生组织医疗器械监管最高成熟度4级认证，成为全球首个获此殊荣的国家级监管机构。

医疗领域的AI工具在验证测试中往往表现优异，甚至令高管们激动不已，但当它们真正进入临床工作流程后，却因忽视用户体验和实际操作环境而悄然失败。多位医疗IT负责人指出，问题不在于算法本身，而在于缺乏对工作流整合、信任建立和持续变革管理的重视。成功部署的AI往往是那些融入现有系统、减少医生负担的“隐形”工具，而不是最先进、最炫酷的模型。真正的价值来自将实施视为“人的问题”而非“技术问题”。

本文探讨了医疗行业从传统数字记录向代理AI的转型趋势。AWS推出了Amazon Connect Health，旨在通过代理AI处理患者验证、预约、临床笔记和医疗编码等行政工作，以减少医护人员在文书工作上的时间。谷歌也强调了代理AI在医疗中的应用，认为其能处理更复杂的任务，如日程安排、理赔和患者支持，并强调与现有工作流整合及隐私保障的重要性。文章还引用The Fast Mode的观点，指出代理AI有助于缓解系统割裂和人员短缺问题，建议从工作流程出发，而非技术本身。文中举了CVS Health、Humana等企业的例子，说明代理AI如何通过自动化提升效率，并强调可追溯的输出和人类监督的重要性。