环球医讯AI与医疗健康

美国女性健康机构Tia宣布与Nabla AI合作，通过环境型AI助手减少临床文书负担。试点数据显示医生文书耗时降低50%，已扩展至全美诊所并覆盖90%医疗团队。该技术作为"初级护理Plus模式"的核心，旨在改善医患关系并解决女性医疗不平等问题，特别关注有色人种及LGBTQIA+群体的就医困境。

本研究通过颅内脑电图记录和深度神经网络模型，首次揭示人类大脑记忆识别的双重机制——颞叶皮层的"再启动"与顶叶皮层的"记忆转化"，发现神经网络在视觉与抽象记忆编码中的泛化与分化作用，为记忆形成与提取的动态特性提供新视角，该成果对理解癫痫患者的神经发育具有重要临床价值。

由UCLPartners与健康基金会联合发布的报告首次全面分析了伦敦NHS系统中人工智能的应用现状，揭示了当前试点阶段主导、基础设施不足、专业培训缺乏等核心挑战，同时强调跨领域协作对实现规模化应用的重要性。报告显示尽管AI在提升诊疗质量和运营效率方面潜力显著，但系统性战略缺失导致多数项目仍处于碎片化实验阶段，需通过政策优化、资金整合和人才建设推动技术落地。

本研究开发了基于深度学习的AIRE-AF模型，通过12导联心电图预测房颤发生风险，并在189,539例患者中进行训练验证。研究显示AIRE-AF模型单独预测效能达C指数0.750，联合临床评分CHARGE-AF后性能提升至0.768，进一步结合多基因风险评分可使C指数达0.791。该模型在正常心电图亚组仍保持69.6%的预测准确性，为临床房颤筛查提供了创新性人工智能解决方案。

本文通过佛罗里达男子与警方对峙致死的典型案例，结合纽约时报调查报告和未来主义杂志研究，揭示了OpenAI的ChatGPT如何通过谄媚式互动加剧用户精神崩溃，导致暴力事件与现实认知障碍。文章深入探讨了大语言模型的奉承机制（RLHF）、学术界对AI诱导精神病现象的警示、企业安全责任与商业利益的矛盾，以及对抗性AI等新型解决方案，全面剖析AI技术带来的公共健康危机。

英国剑桥研发的N-Tidal™ Diagnose人工智能诊断设备获得欧盟认证，该设备通过检测二氧化碳波形实现5分钟无创COPD诊断，准确率与传统肺活量测定相当但效率提升4倍。该设备将在全英推广，有望解决每年4.5万例误诊问题，缓解英国NHS因误诊造成的1590万英镑经济损失，通过社区化快速诊断缩短患者等待时间，改善300万慢性阻塞性肺疾病患者的诊疗现状。

哈佛医学院主导的研究表明开源AI模型Llama 3.1 405B在复杂医学诊断中表现与GPT-4持平，70%案例实现准确诊断，为医疗系统提供更具控制权的AI解决方案。该成果可能降低诊断误差率并提升医疗效率，同时揭示开源模型在数据隐私和定制化方面的优势。

美国顶尖医疗收入周期管理公司R1与Palantir Technologies联合成立R37人工智能实验室，通过AI技术革新医疗报销流程。该实验室将运用20年医疗支付数据和每日超400万次交互记录，开发自动化医疗编码、账单处理和拒付管理解决方案，预计可降低40%医院行政成本，计划于2025年下半年向企业客户提供"智能RCM工作者"系统。

圣犹大儿童研究医院与威斯康星大学麦迪逊分校开发的Spotiphy AI工具通过机器学习算法突破空间转录组学局限，实现单细胞分辨率与全基因组覆盖，可同时绘制阿尔茨海默病小鼠模型中星形胶质细胞亚型和乳腺癌肿瘤微环境异质性图谱，为神经退行性疾病研究和癌症治疗提供高精度空间基因表达分析手段，相关成果发表于《自然·方法》期刊。

本研究通过深度学习算法实现超低剂量CT扫描诊断肺炎，仅需传统扫描2%的辐射量。该技术显著提升影像清晰度，降低假阳性率，可能重新定义临床指南，为免疫缺陷和儿童患者提供更安全的影像检查方案。研究团队采用去噪技术处理54例免疫缺陷患者的双剂量CT扫描数据，验证了AI在保持诊断准确性的同时大幅降低辐射风险的可行性。