环球医讯AI与医疗健康

路易斯安那东南大学护理与健康科学学院近日举办了一场题为"医疗保健中的人工智能：实际应用与未来方向"的一日会议，吸引了150多名学生、教职员工和医疗保健专业人员参与，会议重点展示了人工智能在患者护理、运营和临床决策中的创新应用，多位路易斯安那州医疗系统行业领袖分享了实践经验，加州大学旧金山分校医学系主任Robert Wachter通过远程方式发表了关于人工智能变革潜力与伦理风险的主题演讲，体现了学术界与行业间的紧密合作以应对医疗创新领域的快速演变。

本文深入探讨了健康系统在未来五年内如何有效投资人工智能技术的战略思考。多位医疗健康领域高管在贝克16周年年会上分享了实践经验，重点讨论了AI治理框架、工作流程整合、风险评估机制以及人才培养等关键议题。文章详细介绍了鲁什健康系统、SAS研究所和Montefiore健康系统等机构的具体做法，强调了建立信任机制、适应快速变化和将AI与业务战略紧密结合的重要性。随着AI技术逐渐融入现有系统，IT人员必须具备处理AI的能力，因为AI将渗透到医疗健康领域的每一个环节，成为未来医疗服务的核心驱动力。

罗兰贝格咨询公司发布的第六年度"健康未来"研究报告深入探讨了人工智能在医疗健康领域的应用前景。研究表明，AI将导致医疗保健领域的快速演化过程，某些领域如健康保险客户服务和制药研发已开始快速转型，而其他领域如医疗器械采购和医院治疗则转型较慢。报告通过对十几个国家100位医疗高管的调研指出，82%的受访者认为AI将减少决策时间，78%预计AI将在特定领域做出自主决策。医疗组织需提升以客户为中心、进行战略思考、赋能员工、确保技术基础并立即开始投资，以充分享受AI转型带来的全部好处，应对技术专业知识缺乏等主要挑战。

本文深入探讨了人工智能在皮肤病学领域的应用潜力与挑战，专家指出AI在辅助皮肤镜检查、提供临床决策支持和推进全身摄影等方面具有显著优势，能有效提升诊疗效率并减轻医生行政负担，但同时也存在技能退化风险、过度依赖隐患和技术透明度不足等问题，强调需要加强专业教育培训、完善监管机制并确保临床实践中的质量控制，以充分发挥人工智能改善患者护理和医生工作效率的潜力，同时避免潜在的伦理和安全风险。

一项发表在《BMJ Open》期刊上的新研究发现，近一半的AI聊天机器人回复存在误导性，其中约30%缺乏完整背景信息，19.6%提供不准确或误导性信息。研究人员测试了ChatGPT、Google的Gemini、Meta AI等工具，发现它们在处理癌症、疫苗等健康问题时常给出未经证实的替代疗法建议，这种"虚假平衡"现象可能导致患者放弃常规治疗或产生不必要的恐惧，专家警告AI尚未准备好用于主流医疗咨询，FDA和医生所需的技术与方法仍不完善。

印度裔美国科学家Harsha Rajasimha博士创立的Jeeva临床试验公司推出学术医疗中心合作伙伴计划，利用"Agentic AI"平台解决临床研究中的"创新差距"问题。该计划旨在用统一数字基础设施取代传统手动研究方法，自动化数据清洗和患者招募等任务，可减少研究者手工工作负担达300%。这项创新特别有助于缺乏大型数字预算的学术医疗中心开展罕见疾病研究，并通过去中心化试验设计和远程监测，使更多患者能够参与临床试验，加速将实验室发现转化为救命治疗的过程。Rajasimha将印度教育背景与美国计算专长相结合，致力于确保下一代医生能以前所未有的速度将治疗方法带给患者。

CommonSpirit健康系统首席信息官丹尼尔·巴奇在贝克年度会议上强调，AI在医疗领域的实施应遵循马斯洛需求层次理论，认为医疗技术80%关乎人，15%关乎流程，仅5%是技术本身。该系统已部署约250个AI工具，重点关注人口贩卖筛查、脓毒症检测等临床应用，并建立严格治理框架，坚持"临床医生必须参与决策"原则，同时通过AI学院提升全员AI能力，将成本效益从属于安全质量使命，展示了医疗AI以人为本的实施路径。

BMJ Open发布的一项审计发现，五大消费级聊天机器人对健康和医疗问题的回答中有49.6%存在"问题"，其中埃隆·马斯克的Grok聊天机器人提供的"严重问题"回答比例最高。研究显示，聊天机器人在回答健康问题时常偏离科学共识或使用模棱两可的语言，且开放式问题导致更多错误回答，而聊天机器人的回答往往显得自信且权威，这使得不可靠的信息看起来更具可信度，对用户健康可能构成风险。

阿尔伯塔大学研究团队开发出名为DeepMet的化学语言模型，该模型基于2000多种已知人类代谢物的化学结构进行训练，成功预测了十亿种潜在代谢物结构，帮助识别出数十种先前未被认识的哺乳动物代谢物。这一突破性研究揭示了代谢组学中的"分子暗物质"，有望推动更精准的疾病诊断方法和靶向代谢途径的新药研发，相关成果已发表在《自然》杂志上，为理解生命活动的化学基础开辟了新途径。

肯尼索州立大学机械工程助理教授石磊领导的研究团队获得美国国立卫生研究院52.27万美元资助，开发将生成式人工智能与生物力学心脏建模相结合的新技术，能够将心脏3D医学图像分析时间从传统方法的数小时或数周缩短至毫秒级，同时保持高精度，该技术可创建患者特异性心脏模型，模拟心脏运动、组织硬度及应力分布，帮助医生在手术前虚拟测试不同治疗方案，已在埃默里大学临床数据支持下进行验证，有望彻底改变心脏病的诊断与治疗流程，显著提升患者护理质量和临床决策效率。