环球医讯AI与医疗健康

一项来自HeartShare/加速医学合作伙伴心力衰竭项目的新汇总队列分析表明，将人工智能应用于心电图（ECG-AI）可能提供一种可扩展的方法来识别心力衰竭高风险个体，从而改善当前临床风险预测工具的性能。该研究评估了两种ECG-AI模型——分别检测收缩和舒张功能障碍——并将其与PREVENT-HF临床风险方程结合，结果显示联合模型在预测短期内心力衰竭风险方面显著提升，十年C统计量达到0.898，并成功重分类了大量被单独临床评分遗漏的高风险个体，有助于制定靶向预防策略。

斯坦福大学工程师Manu Prakash团队开发了一款低成本、AI驱动的自动驾驶显微镜，能够在资源匮乏的环境中学习检测疟疾、镰状细胞病等多种疾病，有望大幅提升感染诊断的速度和可及性。该显微镜采用模块化设计，结合光谱分析技术，使用铝制部件增强耐用性，并在非洲多国进行实地验证。研究团队强调开源协作，但样本采集和资金问题仍是推广的挑战。这一技术被视为通用诊断平台，未来可扩展至结核病等领域，对全球公共卫生具有重要意义。

本文回顾了人工智能在医疗领域的应用现状，包括临床文档辅助、行政任务自动化、诊断支持等亮点，同时也指出网络安全风险、缺乏联邦监管、环境压力及潜在的患者拒诊问题。尽管前景广阔，但业界呼吁在追求效率的同时必须确保责任与安全性。

美国医疗保险和医疗补助服务中心（CMS）局长穆罕默德·奥兹博士在拉斯维加斯HIMSS大会的主题演讲中表示，人工智能有潜力彻底改变美国医疗服务的提供方式，但患者对这项技术能力的不信任需要用更积极的临床回应来克服。他指出内部数据发现医保患者仍然不信任AI，认为这是采用AI的最大障碍。CMS内部已在讨论在今年年底前为每位受益人引入代理型AI工具。奥兹强调医护人员应逐步使用AI完成日常任务以熟悉其能力，并分享了CMS内部利用AI提高会议效率的经验。CMS副署长金姆·布兰特表示AI还可用于发现欺诈、减少浪费以及识别令人困惑的政策，从而实现更广泛的改进。

美国约翰·霍普金斯金梅尔癌症中心的研究团队开发了一种创新的液体活检技术，该技术利用人工智能分析全基因组范围的游离DNA片段模式，能够早期检测肝纤维化和肝硬化。与传统方法不同，该测试不依赖特定基因突变，而是通过机器学习解读复杂的DNA片段特征，识别出与肝病相关的特异性信号，甚至能发现其他慢性疾病的早期迹象。这项发表在《科学转化医学》上的研究，为慢性非癌症疾病的早期筛查开辟了新途径，有望通过简单血样在症状出现前发现多种健康问题，尤其对可逆的早期肝纤维化检测意义重大。

芝加哥大学印度裔医学生Rishi Sharma利用人工智能开发罕见癌症诊断工具和低成本药物再利用技术，获得SBB研究集团基金会颁发的2500美元STEM奖学金。他致力于将AI应用于肿瘤学诊断和治疗，并参与DNA免疫疗法研究，同时还在PBG医疗咨询公司担任项目总监，兼任Seva免费诊所联合主任，展现了在医疗创新和社会服务方面的卓越潜力。

美国食品药品监督管理局（FDA）推出了一款由人工智能驱动的新平台AEMS，用于整合并实时公开药物、疫苗、化妆品等产品的副作用报告。该平台将取代七个原有数据库，预计五年内节省约1.2亿美元，并大幅提升报告的可访问性和透明度。

本文探讨了人工智能、机器学习与数据分析在医疗保健领域的变革潜力，指出这些技术能够改善患者预后、促进健康公平、实现互操作性，并克服医疗成本上升、劳动力短缺等长期挑战。文章强调，强大的数据基础是企业成功部署AI和分析工具的关键，通过预测患者行为、优化资源配置、提升临床决策能力，AI正在帮助医疗系统重拾人文关怀。作者还讨论了数据隐私、人才缺口和互操作性不足等障碍，并展望了一个互联、个性化且更公平的医疗未来。

随着美国医疗系统进入2026年，财务短缺、劳动力倦怠、监管复杂性和患者需求变化带来巨大压力。人工智能正在成为解决这些结构性问题的核心工具——从降低临床医生文书负担、自动化行政任务，到增强临床决策支持、预测患者风险、优化资源分配。本文探讨了AI如何帮助医疗机构实现效率提升、质量改善和财务可持续，并呼吁领导者制定综合AI战略，以在挑战中生存并发展。

亚马逊通过其初级保健子公司One Medical开发的AI健康助手，向所有用户开放，允许在亚马逊网站或应用上提问、解读化验结果并连接护理。这一聊天机器人反映了美国人将AI作为医疗系统第一站的趋势。首席医疗官Andrew Diamond表示，用户可预约、续药、评估症状、理解化验结果，这有助于分流患者，减轻临床医生低价值工作，同时让简单医疗问题更易获得。