环球医讯AI与医疗健康

Black Book Research发布《数字医疗IT现状：波兰2026》市场报告，指出波兰已超越基础数字化阶段，成为欧洲先进的国家电子健康环境之一。报告显示波兰医疗IT系统成熟度达92%，高于欧盟83%的平均水平，电子处方、电子转诊等核心服务已广泛实施，全国累计电子处方量达24.7亿。人工智能在CT图像分析领域的应用正加速发展，13.2%的医院已采用AI技术，同时网络安全成为首要运营关切，91.2%的医院表示需要加强抵御网络攻击能力。报告还识别了塑造波兰医疗IT至2030年的七大趋势，包括互操作性比基础数字化更重要、AI在影像和工作流程支持中扩大应用、公共政策持续影响供应商机遇等，标志着波兰医疗IT市场正进入更具挑战性的新阶段。

加州大学伯克利分校和加州大学旧金山分校的研究人员创立了Voio初创公司，开发Pillar-0和Pillar-1等人工智能模型，旨在解决放射科医生工作负担日益加重的问题。这些AI工具能够帮助医生更快更准确地解读医学影像，预测癌症等严重疾病风险，甚至提前数年发现患者潜在健康问题。该技术不仅提高了放射学诊断的效率和准确性，还让医生能够回归医疗本质，专注于患者护理而非繁重的行政任务，有望彻底改变临床医疗实践并改善全球患者的诊疗体验，标志着AI在精准医疗领域的重要突破。

美国犹他州于2026年1月推出全球首个AI药物处方系统，该系统由Doctronic公司开发，无需医生参与即可进行药物处方，可开具近200种药物，包括皮质类固醇、他汀类药物、抗抑郁药、激素和抗凝血剂等。文章深入探讨了AI在医疗领域应用带来的角色转变、法律监管挑战及医患关系变化，指出虽然AI能缓解医生短缺问题、减少用药错误并提高效率，但也存在安全隐患、责任界定难题和监管空白，强调将AI融入现代医疗保健必须基于证据并负责任，不能绕过长期存在的法律护栏，这一准则应适用于全球医疗AI发展。

据West Health-Gallup Center on Healthcare in America最新研究显示，四分之一美国成年人使用AI工具获取医疗信息，超过半数人将其作为传统医疗的补充而非替代品；研究发现71%用户希望快速获得答案，67%出于好奇，近半数人表示AI增强了他们与医生交流的信心，但仅4%强烈信任AI信息的准确性，同时揭示了成本和可及性障碍如何导致部分人群用AI替代医疗服务，以及不同年龄段和收入群体的使用差异，全面呈现AI在医疗保健领域的应用现状与挑战。

斯坦福大学与西奈山伊坎医学院联合开发的Biomni-AD人工智能系统荣获100万美元阿尔茨海默病洞察人工智能奖，该系统作为科研伙伴能够整合遗传学、蛋白质生物学等多领域数据，协助科学家加速阿尔茨海默病研究，其创新的"协同科学家"模式有望彻底改变医学研究方式，为全球1.52亿潜在患者带来新的希望，该项目将通过AD Workbench平台向全球研究者免费开放，标志着人工智能在医学研究领域应用的新里程碑。

本文深入探讨了人工智能在英国医疗保健领域应用所面临的伦理挑战，包括数据隐私保护、算法公平性、责任归属、患者权利保障等关键议题，分析了当前监管框架的不足并提出改进建议，强调在推动AI技术发展的同时必须建立清晰的伦理准则和治理机制，确保技术进步真正服务于患者利益，维护医患关系的核心价值，为构建负责任的人工智能医疗生态系统提供英国视角的思考路径。

麦肯锡公司最新调查显示，美国半数医疗保健组织已实施生成式人工智能，较2023年底的25%显著增长。调查显示，80%以上组织已向终端用户部署至少一个AI应用场景，行政效率被视为最具潜力领域，而临床生产力是最广泛应用。尽管面临系统整合、能力不足等挑战，82%的医疗领导者预计AI投资将带来正向回报，45%已获得量化收益，回报率通常为初始投资的2-4倍。调查还指出代理式AI兴趣增长，51%组织正在探索概念验证，同时各机构采用多元策略构建AI能力，第三方合作仍是主流方式。

瑞典哥德堡大学的一项调查显示，医生和普通公众对医疗健康领域的人工智能技术均设定了高于人类准确性的高标准，尤其是在胸痛等严重情况下，公众希望零漏诊，而医生则接受小范围误差；同时，尽管超过七成医生尝试过聊天式AI工具，但对AI系统的信任度仅处于中等水平，很少有医生将其用于临床决策，普通人群中约十分之一曾使用AI获取健康建议，研究强调了在假阳性与漏诊病例间找到平衡点的重要性，以及开发者、医务人员和患者之间进行公开讨论的必要性。

美国哈伯-加州大学洛杉矶分校医学中心最新研究显示，对Gemini、DeepSeek、Meta、ChatGPT和Grok五款主流聊天机器人进行的250项健康问题测试中，49.6%的回答存在准确性问题，其中20%属于可能直接危害健康的严重错误。研究发现AI系统为追求回答完整性而刻意编造答案，30%的错误回答具有较高阅读难度，导致用户误判可信度。专家强调在癌症、疫苗等高风险领域，AI优先保证回答流畅性却牺牲准确性，仅Meta AI出现两次拒绝回答，远低于医疗专业人员的谨慎态度，呼吁公众切勿依赖AI获取医疗建议，应主动了解技术局限性并及时咨询专业医师。

佐治亚理工学院博士生Charles Nimo通过AfriMed-QA基准测试发现，主要基于西方数据训练的医疗AI系统在非洲医疗场景中表现显著下降，尤其在处理热带疾病和传统医疗实践方面存在明显局限性。研究团队构建了包含15000多个非洲医疗问题的数据集，揭示了AI模型在跨文化医疗应用中的准确性差距，同时开发了"Africa Health Check"工具分析文化偏见，表明80%依赖传统草药的非洲患者需求未被现有AI系统充分满足，为构建真正全球适用的健康AI指明了方向。