一项研究显示，人工智能模型可能会根据患者的经济和社会人口特征推荐不同的治疗方法。研究人员发明了近三十个不同的患者，并向九个大型医疗语言AI模型询问如何管理每个患者，在一千种不同的急诊室情况下。
尽管临床细节相同，AI模型有时会基于个人特征改变决策，影响护理优先级、诊断测试、治疗方案和心理健康评估。研究人员在《自然医学》杂志上报告说，例如，高收入患者更常被推荐进行CT扫描或MRI等高级诊断测试，而低收入患者则更频繁地被告知无需进一步检查，这在某种程度上模仿了现实世界中的医疗不平等现象。
这些问题既出现在专有AI模型中，也出现在开源AI模型中。该研究的共同领导者、纽约西奈山伊坎医学院的Girish Nadkarni博士在一份声明中表示：“AI有潜力彻底改变医疗保健，但前提是它必须负责任地开发和使用。通过识别这些模型可能引入偏见的地方，我们可以改进其设计，加强监督，并建立确保患者处于安全有效护理中心的系统。”另一位共同作者、同样来自西奈山伊坎医学院的Eyal Klang博士补充说：“通过识别这些模型可能引入偏见的地方，我们可以改进其设计，加强监督，并建立确保患者处于安全有效护理中心的系统。”
另一项研究表明，研究人员更接近于解决干燥综合症患者口干和眼干的问题。这种自身免疫性疾病的症状使得说话、进食和睡眠变得困难。直到现在，这种疾病是如何关闭泪液和唾液分泌的机制一直是个谜。研究人员在《国际口腔科学杂志》上报告说，他们在干燥综合症早期发现了一种名为三细胞素的蛋白质，这种蛋白质将产生泪液和唾液的腺体细胞紧密连接在一起，但在疾病进展过程中被破坏。
两种可能的干预措施——一种实验药物（AT1001）和一种实验分子——分别恢复了小鼠的唾液分泌，一种通过修复细胞连接，另一种通过阻止连接的破坏。这两种方法都恢复了正常的腺体功能，为人类治疗提供了潜在蓝图。
该研究的负责人、北京大学的Xin Cong博士在一份声明中表示：“这改变了我们对干燥综合症治疗的看法。我们现在不仅可以平息炎症，还可以修复腺体的实际结构损伤。更令人鼓舞的是，这两种方法都有效，这让我们有信心开发出适用于患者的疗法。”
另外，一种最初用于治疗淋巴瘤的实验药物首次显示出对一种无批准治疗方法的多发性硬化症形式的有效性。研究人员在美国神经病学学会会议上报告说，赛诺菲公司的实验性口服布鲁顿酪氨酸激酶抑制剂tolebrutinib在一项临床试验中显示，对于非活动性、非复发性继发性进行性多发性硬化症患者，六个月确诊残疾进展延迟31%。
该研究的负责人、克利夫兰诊所的Robert Fox博士在一份声明中表示：“这是首次临床试验显示对非复发性SPMS具有延缓残疾进展的效果，这是一种晚期疾病，神经功能逐渐恶化，残疾不断增加。”在这项有1,131名患者参与的试验中，tolebrutinib组的六个月确诊残疾进展率为22.6%，而安慰剂组为30.7%。此外，接受tolebrutinib治疗的患者中有更多人实现了残疾改善，六个月确诊残疾改善率为8.6%，而安慰剂组为4.5%。疾病活动标志物，包括炎症和组织损伤，在tolebrutinib组中也比安慰剂组有所减少。
然而，严重的不良事件，特别是肝并发症，在tolebrutinib组中更为常见，该药目前正在接受美国批准审查。Fox表示：“大约每200名患者中就有1人在用药前三个月内会出现严重的肝酶升高，因此需要密切监测，一旦出现肝酶升高应立即停药。”
在另外两项针对复发性多发性硬化症患者的研究中，tolebrutinib并未显示出优于赛诺菲公司的Aubagio（特立氟胺）在降低年化复发率方面的优势。
(全文结束)
