环球医讯AI与医疗健康

在HIMSS医疗保健AI论坛上，专家们指出，有效的人工智能治理工作常因重叠法规的混乱迷宫、患者选择退出等法律挑战以及碎片化和孤岛式数据集而受阻；专家建议医疗机构应建立成熟的数据治理计划，与所有利益相关者合作确保AI安全与信任，这需要临床、运营和IT领导者的积极参与、主动数据准备以及基于风险的AI安全策略，同时将数据治理与组织工作流程和文化紧密结合，将治理视为赋能工具而非限制手段，以解决医疗数据标准化、合规性与伦理等复杂挑战。

本文深入探讨了人工智能在医疗决策中的根本局限性，指出尽管AI能够处理海量医学数据并提供统计概率，但它无法理解患者个人价值观、生活目标和情感需求，而这些因素往往决定了医疗决策的最终成效。作者通过临床实例说明，在医疗选择中，患者个人的优先事项比单纯的医学证据更为关键，AI应当作为辅助工具而非决策主体，医疗决策的核心始终应该是医患之间的沟通与理解，这种人文关怀是任何算法都无法替代的医疗本质。

犹他州推出AI处方续药计划，允许居民跳过医生就诊环节通过AI聊天机器人在线续开处方，引发医疗界对人工智能在医疗领域角色的重大辩论。医生警告该系统可能引入风险，特别是对需密切监测的抗凝血剂等药物，质疑AI能否安全判断剂量调整等临床决策。美国医学会认为处方续药不是简单检查清单能处理的常规任务，FDA表示尚未批准AI医疗聊天机器人用于临床，但支持负责任开发新兴技术。专家警告企业短期可能获益，长期却可能损害公众信任并引发强烈反弹。

本文探讨了人工智能在药物发现领域的应用及其影响。通过采访Bioptimus联合创始人兼首席科学官让-菲利普·韦尔特博士，文章分析了AI如何将药物发现时间从5-7年缩短至不到2年，主要应用于蛋白质设计和靶点识别，尤其在肿瘤学领域取得显著进展。同时，文章也讨论了AI在临床试验阶段面临的挑战，包括"黑匣子"问题、数据孤岛以及如何将AI预测与现实世界验证相结合。文章指出，虽然AI加速了药物研发过程，但最终价值仍需通过患者临床结果来验证，目前市场上的新药"海啸"尚未到来，需谨慎看待当前期望。

一项最新研究显示，基于30年电子健康记录数据开发的人工智能模型可显著提高原发性醛固酮增多症的筛查效率。该疾病作为高血压的主要病因之一，常被忽视但会大幅增加心血管并发症风险。研究团队利用梅奥诊所平台中22000余名患者的历史数据构建AI模型，通过分析年龄、性别、血压测量值、血钾水平等常规指标，在诊断前12个月就能预测患病风险，准确率超过90%。当设定适当阈值时，该模型能识别出约三分之二需要进一步检查的患者，为临床医生提供了一种基于常规医疗记录的高效筛查工具，有助于实现早期诊断、预防并发症并降低医疗成本。

梅奥诊所研究人员开发的AI模型利用电子健康记录数据，能够精准识别应接受原发性醛固酮增多症筛查的高血压患者群体。该模型通过分析22,264名患者的去标识化数据，可将筛查范围有效缩小，帮助临床医生提前一年识别高风险患者。原发性醛固酮增多症作为继发性高血压最常见原因，目前仅不到2%人口接受筛查，导致多数患者在发病4.5年后才被确诊，造成不可逆器官损伤。此AI工具提供了一种低成本、持续更新的风险评估方法，有望改善高血压患者的早期诊断和治疗。

韩国高丽大学安岩医院、KAIST和成均馆大学联合研究团队开发出利用家庭非接触式物联网传感器与人工智能预测脑血管疾病风险的新方法，该研究分析了1224名65岁以上韩国独居老年人的智能家居数据，通过AI监测日常行为变化如活动模式、睡眠习惯等指标，能够在症状出现前识别脑血管疾病的前驱阶段，区分前驱病例的AUPRC达0.85，预测高风险状态的准确率高达96.53%，为独居老年人提供了无创、连续的健康监测方案，有望显著提升脑血管疾病的早期预防与干预能力，研究成果已发表在《npj Digital Medicine》国际期刊上。

研究人员开发出一种新型AI检测方法，可在数小时内而非数周内准确预测乳腺癌复发风险。该方法通过分析现有病理切片和临床数据，对3500多名患者进行评估，其准确性与现有基因组检测相当甚至更优，尤其适用于三阴性和HER2阳性等缺乏可靠基因组检测的乳腺癌亚型。这项技术有望降低成本、加快诊断速度，同时保留组织样本供未来检测使用，为乳腺癌患者的精准治疗提供重要支持。

本文探讨了医疗健康领域中AI架构从分散的试点项目向统一平台转变的必要性，指出医疗机构目前面临多个AI工具各自为政、无法形成企业级转型的困境，引用麦肯锡2025年医疗AI展望指出"点解决方案的热潮已造成AI环境碎片化和新的操作摩擦"，强调构建模块化、连接式AI架构需要三个关键组件——领域特定AI模型、连接数据层和智能代理AI，并特别指出领导力是实现从试点到平台转变的决定性因素，而非单纯的技术工具选择，同时援引凯捷2025年研究数据说明尽管生成式AI采用率从2023年的6%飙升至2025年的30%，但可持续扩展仍需在治理、培训和变革管理方面进行投资。

普华永道(PwC)最新60页报告显示，人工智能在医疗领域的应用正成为推高医疗费用的因素之一。AI记录工具通过捕捉更多诊断和并发症细节，促使医院使用更高收费代码，使实际医疗服务未变的情况下账单金额增加。蓝十字蓝盾分析发现，某些医院产后急性出血性贫血计费代码使用率三年内从4%飙升至12.3%，但实际需要血液输注治疗的病例不足20%。审计显示"计费强度"在三年内为研究医院产科支出额外增加2200万美元。虽然劳动力和供应成本仍是主要上涨因素，但AI已开始被用于优化医院收入而非降低成本，引发对医疗费用透明度的新担忧，这与AI常被宣传的"优化行业、减少浪费"形象形成鲜明对比。