环球医讯AI与医疗健康

本文探讨了美国居家护理机构在应用人工智能时面临的核心挑战，包括护理人员短缺、运营成本上升及合规压力。文章指出，AI项目失败的关键并非技术本身，而是缺乏有效的治理模式、与现有工作流程的整合不足，以及护理人员在实际环境中的接受度低。作者提出，AI应在排班与护理人员匹配、文档支持、质量与风险监控、运营可视化等四个领域发挥实际价值，而非简单替代人力。成功的AI部署需要将AI视为一种运营能力，建立透明且可审计的治理结构，并确保护理人员信任AI是辅助工具而非监视或替代者。文章强调，只有从实验转向运营就绪，家护机构才能真正实现AI的长期价值。

ARISE网络发布的2026年临床AI现状报告指出，尽管全球医疗AI市场规模已达约700亿美元，但超过95%获FDA批准的AI医疗设备从未报告任何患者健康结果，且不到1%的设备报告了真实患者数据。报告揭示了监管漏洞、临床证据缺失以及AI在现实医疗应用中的复杂性，同时指出AI在影像诊断（如英国中风成像）等领域已展现明确价值，但整体上行业仍需从追求模型性能转向关注实际患者改善。

一项发表在《柳叶刀》上的研究显示，AI健康聊天机器人常常提供不准确且可能有害的医疗建议，例如直肠塞大蒜增强免疫力、运动缩短寿命等荒谬说法。大型语言模型从社交媒体和医院记录中混入了真假信息，需要人类医学专家验证。AI在医学数据分析方面有潜力，但其输出仍需医学专业人士核实。作者提醒，大蒜只有口服或作为补充剂才可能有益处，其他用法均不可信。

2025年，首个完全由人工智能从头设计的药物rentosertib完成IIa期临床试验，在无法治愈的肺纤维化患者中显示出肺部功能改善。尽管AI尚未打破药物开发90%的临床失败率，但已将早期发现时间缩短30-40%，成本大幅降低。2026年将有多项III期试验结果出炉，决定AI能否真正提高临床成功率。本文系统梳理了AI药物发现领域的现状、公司格局、监管进展和关键挑战。

麻省理工学院（MIT）的研究团队开发出一种名为PULSE-HF的深度学习模型，能够利用心电图（ECG）预测心力衰竭患者在一年内左心室射血分数（LVEF）是否会降至40%以下，从而帮助医生优先分配医疗资源。该模型已在三个不同患者队列中进行了回顾性测试，性能优异，甚至单导联版本的表现也与标准12导联版本相当。尽管心力衰竭是慢性不治之症，但该模型的预测能力有望改善患者管理，减轻医疗系统负担。研究团队计划下一步进行前瞻性临床研究，以验证模型在真实患者中的效果。

麻省理工学院、麻省总医院布列根和哈佛医学院的研究人员开发了一种名为PULSE-HF的深度学习模型，能够提前一年预测心力衰竭患者是否会恶化。该模型通过分析心电图预测左心室射血分数的变化，在三个患者队列中取得了0.87至0.91的AUROC评分，并支持单导联心电图，适用于资源匮乏的医疗环境。研究团队克服了数据清洗等挑战，为医生合理分配有限医疗资源提供了有力工具。

美国CMS局长穆罕默德·奥兹博士在HIMSS全球健康大会上主张为每位Medicare成员提供代理型人工智能，推动患者使用数字工具改善健康并降低成本。他指出医疗通胀严重，技术应成为通缩力量，并呼吁医疗专业人士倡导技术应用。CMS希望患者通过扫描二维码共享数据，实现“淘汰剪贴板”，并认为技术应在护理周期早期和家庭环境中发挥更大作用。联邦政府已向农村医院拨款但系统仍面临挑战，需依靠技术进步来节省1.7万亿美元的业务。

随着数百万人转向AI聊天机器人寻求建议，科技公司开始推出专门回答健康问题的程序。本文探讨了使用AI健康聊天机器人时需注意的要点：它们能提供比搜索引擎更个性化的信息，但在出现严重症状时应立即就医而非依赖AI；用户上传健康数据时需注意隐私问题，因为HIPAA不保护与AI公司的共享数据；独立测试显示聊天机器人在与人类互动中仍会犯错，建议获取多个AI的“第二意见”。专家强调，对于重大医疗决策，绝不能仅依赖AI输出。

在2026年HIMSS全球健康会议上，埃默里医疗保健首席AI官Nabile Safdar和麻省总医院布莱根AI高级总监Bernardo Bizzo介绍了Healthcare AI Challenge等倡议。该倡议通过共享数据集和标准化评估方法，让临床医生系统性地测试不同AI模型在放射报告、病历摘要等场景中的表现，目前已涉及40家机构的200多名参与者，完成五次挑战并测试了18个基础模型。两位专家强调，AI工具在医疗领域快速发展的同时，缺乏评估其安全性、可靠性和临床实用性的明确框架，而这一挑战平台旨在帮助医疗系统在投入大量资源前获取关键信息，衡量AI工具的实际效率提升和投资回报率。

本文探讨了生成式AI（如ChatGPT和Claude）在医疗保健领域的崛起及其对患者、临床医生和NHS的影响。作者Pritesh Mistry指出，AI工具正在改变患者获取医疗信息的方式，同时带来隐私、准确性和安全性方面的挑战。文章强调了公共教育、支持NHS工作人员以及与AI开发者合作的重要性，以确保AI在医疗中的安全有效应用。这些工具虽在美国已可用，但预计将扩展至英国，公众使用日益增多，但需警惕错误信息和隐私风险。