环球医讯AI与医疗健康

加州大学圣地亚哥分校医学院研究人员主导的一项试点研究表明，大型语言模型等先进人工智能技术可显著优化医院质量报告流程。该发表于《新英格兰医学杂志》AI版的研究证实，AI系统处理医院质量指标的准确率达90%，能将传统需数周完成的63步评估流程压缩至秒级完成。这项突破不仅能大幅降低行政成本、实现近乎实时的质量评估，还可将医护人员从繁琐报表中解放，专注于提升患者护理质量，为构建更高效、响应更快的医疗体系奠定技术基础，具有重要的临床实践价值和行业变革意义。

研究人员开发了一种基于Transformer架构的人工智能系统，能够以高达94.2%的准确率检测心电图中的早期心脏病迹象。该技术通过分析心电图信号和患者临床信息，有望帮助医生更早发现潜在心脏问题，提高诊断效率，特别是在专科服务有限的地区。虽然研究结果令人鼓舞，但研究人员强调该系统仍需进一步测试和验证，尚未准备好在临床实践中常规使用。这项发表在《International Journal of Medical Engineering and Informatics》上的研究展示了AI在医疗诊断领域的巨大潜力，可能成为医生解读心电图的重要辅助工具，从而改善患者预后并降低心血管疾病死亡率。

这篇文章详细报道了美国犹他州实施的由AI聊天机器人Doctronic主导的处方药自动续方计划所引发的医疗界争议。该计划允许居民跳过医生直接在线续方，引发了关于AI是否应获得医疗权限、如何监管AI医疗应用以及患者安全的广泛讨论。医生、法律专家和公共卫生专家对这项打破百年医疗传统的"监管沙盒"计划表示担忧，认为处方权应严格限制在经过专业培训的人类医生手中，而支持者则主张更新法规以适应AI新技术。文章深入探讨了医疗AI面临的法律监管困境、安全风险评估以及医疗技术与传统医疗体系之间的冲突，揭示了人工智能在医疗领域应用所面临的伦理与实践挑战。

美国犹他州今年初悄然推出一项AI处方续开项目，允许居民跳过医生直接通过Doctronic聊天机器人续开处方，此举引发医学界重大争议。医生、律师和公共卫生专家对AI在医疗中的角色提出质疑，关注监管缺失、安全风险及药物副作用等问题。支持者认为应更新百年医疗法规纳入AI技术，反对者则担忧自动续方可能导致危险情况，特别是涉及血液稀释剂等高风险药物时。FDA采取观望态度，而犹他州及其他州正探索不同监管路径，这场辩论凸显了人工智能在医疗领域应用的复杂性和紧迫性。

本文深入探讨了人工智能时代医疗保健领域面临的根本性挑战，指出仅靠互操作性已无法解决数据含义理解问题，强调行业亟需建立一个客观框架来实现共享理解，将临床细微差别转化为跨系统和用例的一致、可信表示，从而解决编码差异、提升AI应用准确性，减少支付方与医疗服务提供者间的摩擦，最终推动医疗系统向基于客观、合规准确性的共享理解转型，实现真正的医疗数据价值。

美国佐治亚理工学院研究所与CDC基金会合作开展的研究揭示，人工智能技术能够有效监控带有数字屏幕的"智能电子烟"产品。研究人员利用AI对象检测模型和视觉语言模型，对在线零售商的电子烟图片进行分析，实现了超过90%的准确率。这项技术将帮助公共卫生机构实时追踪电子烟市场动态，特别针对吸引青少年的"智能电子烟"产品，为制定更有效的烟草控制政策提供数据支持，有效应对电子烟营销中不断涌现的新产品和功能，弥补传统监控方法的不足，促进更科学的公共卫生决策。

本研究对267名早期乳腺癌患者进行回顾性多中心临床试验，评估TumorSight Viz人工智能算法（版本1.3）在肿瘤标志点识别和测量方面的准确性。结果显示，该AI算法与真实值测量之间的变异与独立放射科医生之间的变异处于同一数量级，肿瘤最长维度测量的平均偏差仅为1.27厘米（与放射科医生间的1.02厘米相比），肿瘤体积平均绝对误差为4.13立方厘米，表面Dice系数平均值达0.92。算法性能在不同T分期、组织学类型、MRI制造商和磁场强度条件下均表现稳定，且平均能在8分钟内生成结果，证明该AI数字孪生技术可成为乳腺癌手术规划的有效辅助工具。

一项在肯尼亚开展的大型真实世界临床试验发现，嵌入电子医疗记录系统的生成式AI临床决策支持工具安全可靠，能显著提高临床文档和治疗计划质量，降低抗生素相关成本，但未能显著改善14天内的患者治疗失败率、住院率、死亡率或患者满意度。该研究由英国伯明翰大学专家领导，发表于《自然医学》，是全球首批测试生成式AI能否改善患者层面结果的随机对照试验之一，对高收入国家医疗系统也具有重要参考价值。

美国布法罗大学研究团队开发新型AI图像处理技术，成功在常规多发性硬化症患者MRI扫描中识别出10366个此前无法观测的皮层病变，该技术通过多模态皮层病变增强方法实现86%的检出率和8.4%的低假阳性率，为研究疾病进展和治疗反应开辟新途径，有望重新分析大型临床试验数据并优化未来试验设计，目前正推进在原发进展型多发性硬化症中的验证应用。

布法罗大学领导的研究团队成功开发了一种人工智能方法，能够通过分析现有MRI扫描揭示多发性硬化症(MS)患者大脑中原本不可见的灰质（皮层）病变，这一突破性进展解决了长期以来无法监测灰质病变的难题，对MS研究和临床护理具有重大意义；研究表明，利用深度学习和多模态皮层病变增强技术，研究人员能够从每位患者身上发现15-20个皮层病变，整个数据集超过11,000个，这将对回顾过去临床试验数据和指导未来研究产生深远影响。