环球医讯AI与医疗健康

圣保罗研究所与罕见疾病生物医学研究网络中心研究人员开发了一种基于人工智能的工具，整合临床、遗传和转录组学信息，成功识别出494个与血栓相关的基因和数百个分子信号。研究表明，加入基因表达数据后，无血栓史人群被错误归为高风险的比例从43%降至23%，同时提高对有病史人群的识别率至74%，显著改善了血栓风险分层准确性，为个性化预防和治疗提供新方向，该成果发表在《血栓与止血杂志》上。

加州大学伯克利分校研究发现，人工智能可以通过分析常规心电图识别出医生多年来可能忽视的致命心脏风险信号。研究团队使用超过44万份瑞典心电图数据训练AI模型，成功发现与心脏骤停相关的特定波形模式，特别是在aVL导联中的QRS波群特征，这一医学界此前未曾记录的发现。该模型在美国和台湾的测试中表现出色，能识别出左心室射血分数(LVEF)方法遗漏的高风险患者，心脏骤停年发生率高达7%，而传统方法识别的群体仅为4.6%。这一突破有望帮助医生在心脏问题恶化前识别高风险患者，但该技术仍在测试阶段，且需解决数据隐私和临床应用等挑战。

本文探讨了人工智能如何可能解决医疗行业长期存在的职业倦怠问题，指出医生对AI的接受度已从一年前的不到一半上升至近四分之三，但只有39%的医疗工作者信任其机构的AI战略。文章分析了AI在减轻文档负担、改善患者体验方面的潜力，同时强调文化因素与技术同样重要，指出心理安全环境对AI成功实施的关键作用，并警示医疗机构若不能建立与医护人员和患者的信任，将面临被患者自行转向ChatGPT等外部工具的风险。

本文深入探讨了生成式AI和大型语言模型在心理健康领域提供的"微爆发式治疗"现象，详细分析了七种主要的微爆发类型，包括情绪调节、认知重构和决策支持等。文章指出，虽然AI能提供即时、便捷的心理健康支持，但也存在严重风险，如提供不当建议、助长妄想等。作者强调AI在心理健康领域的双重效应，呼吁谨慎管理以减轻风险并最大化益处，提醒我们这场全球实验中每个人都可能是"豚鼠"，必须警惕AI可能带来的负面影响，同时善用其优势为心理健康服务。

美国Biohub研究人员首次在人类成人皮肤细胞中进行全基因组CRISPR研究，并利用AI模型挖掘银屑病被忽视的药物靶点，意外发现催产素受体这一潜在靶点。通过开发抑制催产素受体的局部凝胶，研究人员成功减轻了小鼠的银屑病炎症，效果与现有注射药物相当，为开发更安全有效的银屑病局部治疗方案提供了新方向。该研究结合AI与先进实验技术，揭示了角质形成细胞特异性治疗路径，有望避免现有系统性疗法的广泛免疫抑制副作用，加速银屑病及其他炎症性疾病的治疗研发进程。

达特茅斯大学最新研究显示，尽管人工智能被广泛应用于医疗领域，但它并未如预期那样减轻医生工作负担，反而因生成错误信息、添加不必要细节等原因增加了医生的工作量。研究表明，医生编辑AI生成回复所花费的时间可能超过直接手动撰写的时间，常见的问题包括回复冗长、遗漏必要问题以及提供与临床实践不一致的医疗信息。随着AI在医疗领域的应用日益广泛，81%的医生已在职业环境中使用AI工具，但61%的医生担心AI会增加预先授权拒绝并加剧患者伤害。

本文深入探讨了医疗实践中人工智能应用的合规性问题，特别关注医生使用消费级AI工具处理患者健康信息时面临的HIPAA合规风险。作者分析了介入性医疗专科的特殊脆弱性，详细解释了HIPAA对AI工具使用的具体要求，并提供了五项关键合规措施，包括清点AI使用情况、验证业务关联协议状态、进行安全风险分析、建立可接受使用政策以及针对性培训。文章强调，尽管AI能显著提高生产力，但未经适当合规框架保护的患者健康信息处理可能导致严重监管后果，这已成为医疗实践中的基本职业责任。

犹他州近期悄然启动的一项AI处方续药项目引发了医学界广泛争议。该项目允许居民跳过传统就医流程，直接通过AI聊天机器人多克特罗尼克(Doctronic)在线续药，挑战了仅限持证医疗专业人员开处方的百年法律规定。医生、律师和公共卫生专家对此表示担忧，质疑AI是否已准备好接管这一关键医疗任务，以及应如何监管此类技术以确保患者安全。该案例揭示了人工智能在医疗领域应用所面临的法律、伦理和技术挑战，包括抗凝血剂等高风险药物自动续药可能带来的安全隐患，以及AI诊断准确率仅80%等关键问题，凸显了在医疗创新与患者安全之间寻求平衡的紧迫性。

AI巨头Anthropic宣布推出Claude Science药物研究工具，旨在帮助科学家加速科研进程，并计划亲自开展针对被忽视疾病的药物研发项目。作为一家公共利益公司，Anthropic将重点放在临床前阶段的研究，专注于那些因商业价值低而被制药行业忽视的疾病。公司生命科学部门负责人表示，通过亲自参与研究不仅能评估AI工具的有效性，还能推动基础科学进步并缓解疾病负担，体现了AI技术在医药研发领域的创新应用和潜在价值，标志着人工智能企业正从工具提供者向实际医疗解决方案参与者的角色转变。

哈佛医学院研究人员开发出名为COMPASS的人工智能模型，该模型能够通过分析近16,000个与免疫细胞状态、肿瘤微环境相互作用相关的基因活性，准确预测癌症患者对免疫检查点抑制剂的反应。与现有方法相比，COMPASS的预测准确率提高了8.5%，且能提供人类可解释的预测依据。这项技术有望实现癌症个性化治疗、提高临床试验效率，并为新药研发提供靶点，最终改善癌症患者的治疗效果和生活质量，具有重要的临床应用价值和科研意义。