环球医讯AI与医疗健康

Perplexity AI 推出 Perplexity Health 新功能，连接用户的医疗记录、实验室报告和可穿戴设备数据，利用 AI 提供个性化健康洞察。用户可在单一仪表板中查看生物标志物、健身统计和长期趋势，并基于自身数据获得个性化健身计划、营养建议等。该功能支持 Apple Health、Fitbit、Ultrahuman、Withings 等平台，后续将接入 Oura。Perplexity 强调数据加密、用户控制权，且不会将健康数据用于训练 AI 或出售给第三方。目前仅面向美国 Pro 和 Max 用户在桌面端开放。此前 OpenAI 也推出了类似健康集成功能，标志着 AI 公司正深入个人数据领域，提供持续、情境化的指导。

Verily通过由Series X Capital领投的3亿美元投资轮融资，加速其在人工智能和精准健康领域的工作，同时从Alphabet公司架构中独立出来，转变为一家独立公司。Alphabet仍将作为重要的少数股东，但不再拥有控股权。Verily还将法律结构从有限责任公司转变为股份制公司，并更名为Verily Health。这笔资金将用于扩展Verily Pre和Verily Me平台的能力，推出新的AI代理，并在全球范围内开拓新的商业机会。UCHealth和科罗拉多大学安舒茨校区也参与了投资。Verily还与英伟达、赛富时和三星等公司建立了合作关系，以推动精准健康平台的发展。公司首席执行官Stephen Gillett表示，此次转型经历了有意的、有时是困难的调整，但最终为推出创新解决方案奠定了基础。

本文报道了NVIDIA将其先进的医学影像AI模型（包括推理模型NV-Reason和生成模型NV-Generate）集成到HOPPR AI Foundry平台，该平台为医疗开发者和研究人员提供安全合规的环境，用于训练、评估和优化AI系统。文章详细介绍了增强诊断能力、生成医学数据用于训练以及安全基础设施等方面的内容，强调该合作旨在提升医疗影像诊断的效率和准确性，同时确保临床专家仍处于决策核心。

一项大型新研究表明，通过人工智能分析常规乳腺X光检查中乳腺动脉的钙化程度，可以预测女性未来患心脏病的风险。研究发现，与无钙化者相比，轻度钙化者患重大心血管事件的风险增加约30%，中度钙化者风险增加约70%，而重度钙化者风险则增加两到三倍。该研究发表在《欧洲心脏杂志》上，分析了超过12万名女性的筛查数据，为利用现有检查项目进行低成本心血管风险筛查提供了新思路，尤其适用于那些在常规心血管筛查中可能被忽视的女性。

本文深入探讨了人工智能在医疗保健领域的广泛应用，包括早期疾病诊断、医学影像分析、个性化治疗方案、药物研发、虚拟助手等，并分析了AI为医生和患者带来的诸多益处，如提高诊断准确性、加速决策、减轻行政负担、改善患者护理等。同时，文章也指出了数据隐私、数据质量、过度依赖技术、伦理问题、成本以及就业变化等挑战，并展望了未来AI在预测性医疗、远程医疗、机器人手术和医疗教育等方面的创新趋势，强调AI应作为辅助工具而非替代医生，从而实现更安全、更快速、更可及的医疗体系。

Perplexity发布了名为Perplexity Health的新功能，这是一款基于AI的个性化医疗指导工具，能够帮助用户通过对话方式理解健康数据、症状和医疗信息。该工具建立在Perplexity的AI回答引擎核心优势之上，提供实时、有来源支持的回应。用户可以利用它理解症状和状况、解读化验报告和医疗文档、为医生就诊做准备并获得一般健康建议。Perplexity Health注重隐私保护，强调其提供的是信息支持而非医疗诊断，旨在简化复杂医疗信息、提高患者参与度。该产品标志着Perplexity正式进入竞争激烈的AI医疗助手市场，与OpenAI、Anthropic、亚马逊等巨头同台竞技。

根据《柳叶刀数字健康》和《自然医学》杂志发表的研究，流行的AI聊天机器人常常无法识别虚假的健康信息，尤其是在这些信息以专业临床语言包装时，导致给出危险建议，如“喝冷牛奶治疗食管出血”或“直肠塞大蒜增强免疫力”。研究表明，AI模型在约三分之一的错误医疗信息面前表示同意，且当假信息以正式临床语言呈现时，失败率高达46%。尽管AI在医学领域有潜力，但目前公众不应依赖其做出健康决策。

LazySlide是一个开源软件工具，利用基础模型对全切片组织图像进行系统分析，并与RNA测序等分子数据整合，实现自动识别组织特征、连接视觉模式与基因表达，并支持自然语言查询，从而促进病理图像在生物医学研究中的深入应用，降低数字病理学分析门槛，推动组织结构与分子功能之间的融合理解。

多伦多大学健康网络的研究人员开发出一款基于智能手表数据的AI算法，能在患者入院前一周多识别出心力衰竭恶化的早期迹象。该研究随访217名心衰患者，发现每日心肺功能下降10%以上会使住院风险增加三倍多，算法中位提前7.4天预测紧急事件。参与者Eddy Lam表示，若早获通知可避免肝肾损伤。专家称此概念验证研究前景良好，但需更多临床验证，预计3-5年内可投入公众使用。

一项新研究将人工智能技术应用于心脏超声数据，可更简便地识别晚期心力衰竭患者。该方法通过分析患者的心脏超声图像和电子健康记录，以约85%的准确率预测心肺运动测试中最关键的指标——峰值摄氧量，从而绕过传统诊断所需的专业设备和人员瓶颈。该研究由威尔康奈尔医学院、康奈尔科技、康奈尔大学鲍尔斯计算与信息科学学院、哥伦比亚大学瓦格洛斯内外科医学院及纽约长老会医院合作完成，有望每年为美国约20万晚期心力衰竭患者中大量被忽视的人群提供更及时的治疗，改善预后和生活质量。