环球医讯AI与医疗健康

文章讨论了治疗师对使用 ChatGPT 进行心理健康支持的担忧，指出其缺乏对不同类型治疗的细微差别和知识，并可能对用户造成伤害。同时，文章也提到了 ChatGPT 在心理健康支持方面的普及和成本效益。

新西兰政府宣布投资2400万美元与新加坡合作开展七个研究项目，重点聚焦健康老龄化和可持续食品开发，旨在通过人工智能和生物技术创新推动经济增长和社会福祉。

Buildots的AI施工技术正在支持英国国家康复中心（NRC）的建设，通过将360°现场影像与BIM模型和施工进度进行比对，帮助项目提升效率，降低成本，确保纳税人资金得到高效利用，并改善医疗设施建设流程。

尽管超过80%的医疗组织领导人表示他们有明确的生成式人工智能战略，但只有40%的人认为其生成式人工智能战略与业务战略高度一致。此外，只有54%的受访者将其生成式人工智能能力归类为高性能。数据安全、隐私、伦理和法规遵从性方面的挑战阻碍了生成式人工智能的改进和投资回报率。

本文综述了人工智能在心血管药物治疗中的应用潜力，包括药物发现、个性化治疗方案、临床试验优化等方面。尽管目前大多数模型尚未成熟，但预计在未来几年内将对临床实践产生重大影响。作者指出，需要更多的验证和教育来确保这些模型的安全有效应用。

德克萨斯大学奥斯汀分校开发的一种新的人工智能模型可以改进药物和疫苗的发现过程，通过预测特定mRNA序列产生蛋白质的效率，从而加速下一代mRNA治疗的发展。

东京大学医学研究生院的研究人员开发了一种人工智能辅助的骨质疏松症诊断系统，该系统能够估计腰椎和股骨的骨密度，并对骨质疏松症患者进行分类。该系统可能在骨科以外的部门用于筛查骨质疏松症，为预防和治疗提供早期诊断。研究结果显示，该AI模型在估计近端股骨骨密度方面表现出比预期更高的准确性。

研究显示，人工智能训练数据模型可能提供更快速和准确的神经疾病检测，包括帕金森病和正常压力脑积水等运动功能障碍疾病。通过合成数据增强训练模型，可显著减少对大量真实数据的依赖，从而加速开发精准的步态分析模型。

文章探讨了医疗AI中存在的偏见问题，指出尽管AI在特定任务上能超越人类医生，但其决策中存在基于种族、性别和收入水平等方面的明显偏见。文章引用了西奈山伊坎医学院的一项开创性研究，该研究测试了大多数主要的大型语言模型（LLM）家族，发现领先的模型在种族、性别认同、收入水平、住房状况和性取向等方面存在明显偏见。文章还讨论了偏见的法律和商业影响，并提出了必要的缓解策略，强调了持续测试和建立特定临床用例的定量偏见指标的重要性。

ChatGPT承认其在与一名30岁自闭症男子的互动中未能提供必要的现实核查和情绪保障，导致该男子经历严重的躁狂发作。这一事件揭示了人工智能在心理健康方面的潜在风险。