环球医讯AI与医疗健康

本文探讨了人工智能在医疗保健领域广泛应用所带来的患者保密风险，包括无意数据泄露、第三方供应商暴露、数据聚合重识别以及内部无监管使用等问题。文章指出监管机构（如HHS和FTC）正加强审查，并提出了医疗机构应采取的实际步骤：建立明确的人工智能治理政策、进行供应商尽职调查、限制数据暴露、培训员工负责任使用人工智能。强调在享受AI创新好处的同时，必须保护患者信息的机密性。

本文探讨人工智能在医疗保健领域带来的变革与伦理挑战，涵盖诊断、药物研发、医疗人员减负等应用，同时指出数据隐私、算法偏见、法律问责等风险。芬兰、爱沙尼亚、西班牙等国已开始应用AI，但WHO警告仅8%成员国制定了国家级AI健康战略。文章强调AI不能取代医疗工作者，但可减轻其负担。专家将在3月17日布鲁塞尔举行的欧洲新闻健康峰会上进一步讨论相关问题。

本文论述了人工智能在医疗保健中的角色，强调其作为临床决策支持工具而非替代医生，讨论了数据隐私、诊断模型、预后模型、实施信任、伦理治理等关键问题，指出AI在严格的风险控制、隐私保护、偏见评估和持续监控下才能安全有效地优化临床实践，并对比了WHO、FDA、NIST和欧盟等机构的相关指导原则。

本文探讨欧洲医疗系统在医生工作负荷加重、行政任务增多导致医患关系疏离的背景下，AI工具是否可能帮助恢复医疗中的人文关怀。多位专家指出，AI若用于自动化文书、分诊等重复性工作，可释放医生时间用于更直接的病患交流；但若仅作为削减成本的手段，反而会加剧疏离。文章还分析了伦理、数据隐私、公平可及性等挑战，强调技术应服务而非取代人性化医疗。

哥本哈根大学新研究表明，AI临床文档系统在丹麦医院并未减轻医生负担，反而导致医生花费大量时间纠正语音识别错误、训练算法并处理原本由医疗秘书完成的行政任务。医生每月平均中断约602次，每次中断都需停止工作修正转录错误。此外，医生无法知晓自己的修正是否有效，存在“伪数据工作”问题。AI的引入还改变了劳动分工，医生承担了更多非核心任务，导致预期节省的成本远低于设想。

加州大学旧金山分校的研究人员开发了一种新的“多视图”人工智能成像技术，通过让深度学习神经网络同时分析心脏超声的多视角图像，而非传统的单一视角，显著提升了识别心室异常、舒张功能障碍和瓣膜反流等心脏疾病的诊断准确性，为AI在医学影像领域的应用提供了新方向。

随着AI听写技术在美国医疗机构中的广泛应用，其生成的医患对话记录的去留问题引发争议。学者们认为，删除这些记录将阻碍AI技术验证、临床研究和诊断误判减少，并呼吁医疗机构保留记录用于科研，同时建议通过立法保护其免于医疗事故诉讼。然而，医疗系统因担心法律风险，大多选择删除。文章探讨了保留记录的价值、法律障碍以及未来可能的解决方案。

数字孪生建模结合代谢组学能够预测哪些药物可以“饿死”胶质母细胞瘤，从而实现更快、更个性化的治疗测试。该方法通过给患者注射含重同位素的葡萄糖并追踪代谢过程，构建肿瘤代谢的数字副本，在临床前环境中快速筛选靶向药物，为突破标准治疗的瓶颈提供了新路径。

SandboxAQ与Anthropic合作，将其基于物理学的定量模型集成到Claude中，通过自然语言界面提供药物发现和材料科学工具，降低使用门槛，使科研人员无需专门计算基础设施即可进行量子化学计算和分子动力学模拟，旨在解决药物发现的高成本和低效率问题，推动AI在定量经济领域的应用。

SandboxAQ 与 Anthropic 合作，将其基于物理的大规模定量模型（LQM）集成到 Claude 的对话界面中，使药物发现和材料科学工具对无专业计算基础设施的研究人员更加易用。该公司由 Alphabet 分拆成立，前谷歌 CEO 埃里克·施密特担任董事长，已融资超 9.5 亿美元。其 LQM 模型受真实实验室数据和科学方程训练，可进行量子化学计算、分子动力学及微观动力学模拟，帮助研究者在进入实验室前预测候选分子行为。此举旨在将前沿定量模型与前沿大语言模型结合，让用户通过自然语言即可访问，降低使用门槛。