环球医讯AI与医疗健康

最新研究表明，加州大学旧金山分校的研究人员开发了一种新型多视图深度神经网络架构，能够同时整合多个超声心动图视角的信息，从而显著提高心脏疾病诊断的准确性。该模型在处理三组心血管疾病（左右心室异常、舒张功能障碍和瓣膜反流）的诊断任务中表现优于任何单视图模型，并揭示了多视图信息融合对于全面理解心脏三维结构与功能的关键作用。这一方法不仅可用于超声心动图，还可推广至其他需多视角互补信息的医学成像模态，有望推动标准护理中基于AI的诊断精确度提升。

一项由密歇根州立大学领导的研究团队开发了一种基于机器学习的模型，通过分析化学物质的结构预测其对基因表达的影响，从而大幅加速药物发现。该模型利用海量实验数据训练，在两个难治性疾病——最具侵袭性的肝癌亚型和一种尚无治愈方法的慢性肺病——中成功识别出有潜力的候选化合物。实验验证表明，针对肝癌的新化合物能缩小小鼠肿瘤，针对肺病的化合物则在人肺组织样本中显示出疗效。研究团队已将模型代码和网络平台开源，供全球科学家使用，有望推动药物研发范式的转变。

美国医疗系统已正式进入人工智能时代，约三分之一的成年人使用AI查找健康信息，超过40%的AI用户曾上传个人医疗数据。AI在诊所和医院中被用于记录病历、分诊信息、预测再入院、总结图表、辅助诊断甚至处方决策。然而，健康保险公司也在利用算法评估索赔、指导预先授权，引起医生担忧——61%的医生认为保险公司使用未受监管的AI会增加拒绝授权。核心问题在于AI被当作看门人而非工具，缺乏有意义的人工审查可能导致错误拒赔。监管机构开始关注，但法律框架尚未跟上。文章呼吁明确AI在医疗中的边界：AI应增强而非取代临床判断，决策必须透明、可解释、可质疑，且必须有人类最终负责。若不加约束，AI可能将患者置于服务系统的被动地位。

本研究由欧盟委员会通信网络、内容和技术总局委托，对欧盟数字健康市场及数字健康技术（包括AI赋能解决方案）的经济影响进行了全面分析。研究发现94%的医疗提供者已使用或计划采用AI，AI诊断工具是最成熟的新兴技术，预计到2029年采用率接近80%。欧盟数字健康市场预计从2023年的110亿欧元增长至2035年的6120亿欧元，年复合增长率15.1%。临床决策支持系统、自动医学图像分析和心理健康平台在十年内可分别带来2520亿、1920亿和1640亿欧元的净成本规避。报告还提出了加强前沿技术创新、支持中小企业跨境扩展、增强互操作性和数据基础设施、加强医疗人员数字培训等政策建议。

Google在3月17日的年度“健康检查”活动中宣布通过Google.org投资1000万美元，支持将人工智能整合到医学教育中的组织，以改善患者护理并帮助临床医生适应技术驱动的医疗环境。资金将支持医学专业协会委员会和美国护理学会等机构，同时Google还在探索与阿肯色州的爱丽丝·L·沃尔顿医学院和心脏全健康研究所合作，开发农村健康转型新模式。此外，Google搜索和YouTube也推出了AI驱动的健康信息功能，包括简化复杂医学术语和整理同行评审科学信息。

美国大型皮肤科诊所Dermatology Partners通过部署代理AI语音助手，应对每日2000-4000通电话的高峰压力，将约25%的预约相关电话交由AI处理，使人工客服专注于复杂问题。该AI系统可处理预约、改约、药物续方等任务，并直接集成到现有医疗IT系统。诊所计划将AI解决率提升至50%以上，以增强患者参与度和服务效率，同时不增加固定人力成本。

本文报道了在精准医学世界会议上，长寿与AI领域的顶尖专家指出了阻碍AI驱动医学干预的关键瓶颈，包括缺乏标准化的“健康寿命”定义、研究人群多样性不足与数据规模问题、安全性试验速度缓慢，以及因果关系难以从关联性数据中确立。专家们认为，只有对临床验证流程进行现代化改造，AI医学才可能兑现延长健康寿命的承诺。

Insilico公司CEO在采访中详细介绍了AI如何将传统需12年、失败率高达99%的药物研发过程大幅加速，通过“发射并学习”模式已开发出30个临床前候选药物，其中多个进入临床试验阶段。公司采用双引擎战略：一方面向制药公司授权早期候选药物并收取版税，另一方面自主研发针对衰老和疾病的药物，同时将AI软件套件向全行业开放以推动民主化。CEO还透露公司正在构建从出生到死亡的生命模型，目标是开发能让全人类更长寿、更健康的药物。

本文探讨了医疗行政中AI副驾驶模型的局限性，指出其依赖人类空闲注意力，不适合工作繁忙的小型诊所。作者提出应转向执行导向的代理，它能自主完成重复性任务，减少人力资源消耗。文章从实际工作流出发，设计单一责任代理，确保可测量性和可停止性，并嵌入现有工具，按风险分层自动化，以提升效率并降低风险。最终，代理系统更符合医疗行业标准化、可审计和可控的发展方向，而副驾驶因模糊责任而逐渐被淘汰。全文强调从行政现实出发，而非模型能力，以解决小诊所的实际负担。

华盛顿州立大学埃尔森·弗洛伊德医学院的一项试点研究表明，人工智能可通过分析语音样本准确识别早期认知衰退，准确率达75%。该技术有望成为一种非侵入性、低成本的筛查工具，帮助在出现明显症状如记忆丧失前发现阿尔茨海默病等痴呆症的风险，从而进行早期干预，改善患者生活质量。研究团队计划扩大样本量以进一步提升模型准确性。