本周海外医疗AI领域呈现出从模型能力竞争走向行业深度落地与安全治理并行推进的明显趋势。

OpenAI拟进军消费级健康应用的消息引发行业关注，标志着生成式AI正寻求在个人健康管理领域开辟新战场。与此同时，人工智能在特定疾病诊断领域取得系列突破：梅奥诊所利用AI实现遗传性心脏病的早期预警，NHS开展万例规模的前列腺癌AI诊断试验，智能衬衫实现癫痫发作实时监测等，这些进展共同展示了AI在提升诊疗效率与精准度方面的潜力。在行业生态建设方面，商汤科技与沙特高校的合作、美国主要医学机构相继提出在AI应用监管与伦理方面收紧，从产学研合作、行业规范和技术创新三个维度推动医疗AI向规范化、可信任方向发展。

OpenAI正考虑进军消费健康应用领域

11 月 10 日外媒报道称，OpenAI 正在探索是否将业务拓展至消费健康应用领域。知情人士称，这家以开发 ChatGPT 而闻名的公司正在探讨开发生成式人工智能驱动的个人健康助手和健康数据聚合器等产品。此举标志着 OpenAI 正努力拓展其业务范围，超越其广受欢迎的聊天机器人领域。Doximity 联合创始人、近期加入 OpenAI 的Nate Gross博士在 10 月的 HLTH 医疗健康大会上指出，ChatGPT 每周 8 亿用户中有许多人会通过该应用寻求医疗建议。包括苹果、谷歌和亚马逊在内的主要科技公司也已进军消费健康领域。OpenAI 尚未回应。

商汤科技与沙特国王大学共建人工智能创新中心

商汤科技与公共投资基金合资企业 SenseTime MEA，携手利雅得国王萨勒曼大学签署协议，共同成立人工智能创新中心。该中心将作为人工智能研究、多领域应用及人才培养的平台。合作内容包括部署 GPU 集群，为创新中心提供计算能力支持，同时助力客户及利益相关方在医疗、能源、娱乐、物流、智慧城市、环境监测及空间科学等领域推进创新项目。根据协议内容，与沙特国王大学的合作将主要聚焦于三个核心领域：人工智能专业教学体系构建、前沿技术科学研究以及本地化人才培养。

美国心脏病学会与 OpenEvidence合作，将人工智能引入心血管护理领域

美国心脏病学会（ACC）与 OpenEvidence 建立战略合作伙伴关系，旨在加速将心血管临床指南与研究成果转化为诊疗现场的临床实践。通过整合 ACC 在心血管科学与教育领域的领导地位及 OpenEvidence 先进的生成式人工智能（AI）技术，临床医生将能够获取最新的相关且可操作的医学证据，从而支持其与患者共同决策。通过此次合作，OpenEvidence 用户将无缝获取由美国心脏病学会（ACC）精心筛选的可信赖、循证医学内容。该平台通过整合生成式人工智能驱动的搜索功能，在诊疗现场显著提升临床决策体验，兼具速度与精准度。

美国医学会公布4项人工智能政策优先事项

美国医学会（AMA）在 11 月提交给参议院卫生、教育、劳工与养老金委员会的声明中表示，随着人工智能工具日益融入临床实践，立法者应优先考虑医生监督、数据安全及教育培训等议题。AMA强调，医生应在人工智能全生命周期——从设计到临床部署中充分参与，以确保工具符合诊疗标准并维护医患关系。该组织还呼吁政府采取统一的监管方法，并警告称，分散或重复的规定可能会阻碍人工智能的采用。为建立信任，AMA指出，人工智能模型必须基于安全、无偏见的数据进行训练，并接受严格的隐私和知情同意保障措施。该机构同时强调，需要加大对医学教育和持续培训的投入，以支持医生对人工智能的理解。

美国心理学会（APA）敦促在心理健康领域使用人工智能时采取保障措施

情感支持正成为人们寻求生成式AI聊天机器人和健康应用程序的日益普遍的原因，但美国心理协会（APA）最新发布的健康建议指出，这些工具目前缺乏科学依据和必要的监管措施来确保用户安全。

主要建议包括：鉴于这些技术的不可预测性，请勿将聊天机器人和健康应用程序作为合格心理健康专业人士提供的护理的替代品；防止用户与这些技术之间形成不健康的关系或依赖；为儿童、青少年及其他弱势群体建立具体保障措施。

呼吁政策制定者特别是联邦层面的决策者采取以下行动：现代化法规；为各类数字工具制定基于证据的标准；解决FDA监管中的漏洞；推动立法禁止人工智能聊天机器人冒充持证专业人士；制定全面的数据隐私立法，并采用"默认安全"设置。

梅奥诊所运用人工智能实现心脏病早期检测

梅奥诊所正运用人工智能和基因数据，检测致心律失常性右心室心肌病的早期征兆，这是一种罕见且常致命的心脏疾病。

据 11 月 10 日消息，研究人员在携带与该疾病相关的 PKP2 基因突变的患者中发现了细微的预警模式。约每 2000 人中就有 1 人携带此突变，但多数人终生不会出现症状。该研究基于梅奥诊所研究数据图谱及经人工智能模型分析的心电图数据。人工智能在患者心律中检测到微弱的电活动异常，这些异常可能预示症状出现或心脏损伤。基于这些发现，研究人员向出现早期疾病征兆的个体提供了智能手表，以帮助监测活动情况——因为剧烈运动可能加速疾病进展。据称，该团队还正在探索利用基因疗法进行预防的可能性。该项目隶属于梅奥诊所更广泛的"预诊计划"（Precure），旨在在疾病症状出现前就进行识别和应对。

NHS 测试人工智能前列腺癌诊断，一天内出结果

英国国家医疗服务体系（NHS）正启动一项大规模人工智能系统试验，该系统有望将前列腺癌诊断时间从数周大幅缩短至仅需一天。这项技术通过人工智能分析磁共振成像（MRI）扫描结果，可能彻底改变英国男性最常见癌症的护理方式。

未来数月内，包括利兹教学医院在内的多达15家NHS医院将对约 10,000 例核磁共振成像（MRI）扫描进行系统测试。若结果积极，该系统将在全国范围内推广。此次试验旨在应对双重挑战：漫长等待时间带来的心理影响，以及延误诊断导致治疗成功率降低的风险。

美国研究人员开发出识别皮肤癌患者的多民族模型

加州大学圣迭戈分校医学院的研究人员开发了一种新方法，利用机器学习模型，结合遗传血统、生活方式和社会健康决定因素来识别皮肤癌患者，比现有方法更准确，也帮助研究人员更好地描述皮肤癌风险和结果方面的差异，该研究发表在《自然-通讯》上。研究人员分析了美国国立卫生研究院"All of Us"项目中逾 40 万名参与者的数据。该全国性计划旨在建立多元化的患者数据库，为针对各类健康状况开展更具包容性的新研究提供依据。 通过利用"All of Us"计划的参与者数据，研究人员确保了所用数据充分涵盖非洲裔、西班牙裔/拉丁裔、亚裔及混血人群的代表性。

该研究的主要发现包括：

新模型同时纳入遗传与非遗传决定因素，包括生活方式选择、社会经济变量及药物使用情况，据此根据个体患皮肤癌的可能性进行分层。

该模型在识别所有人群中的皮肤癌患者时准确率达 89%，其中欧洲血统人群的识别准确率为 90%，非欧洲血统人群的识别准确率为 81%。

在部分拥有基因数据但缺乏生活方式及健康社会决定因素数据的参与者子集中，该模型仍保持 87%的准确率。

遗传祖先背景，尤其是欧洲血统的比例，是风险的强有力预测指标；具有欧洲血统的人群罹患皮肤癌的风险至少高出 8 倍。

通过人工智能与患者反馈的双重方法，实现痴呆症的早期检测

近日，来自雷根斯特里夫研究所、印第安纳大学医学院、埃斯肯纳齐健康中心、迈阿密大学医学院及拉马尔大学的的一项研究已证实，一种完全数字化的人工智能零成本痴呆症检测方法可在初级保健诊所实现规模化应用，且无需占用医生额外时间。

在一项涉及 5000 多名基层医疗患者的实用性随机临床试验中，研究人员测试了一种结合快速痴呆评定量表（QDRS）——一种包含 10 个问题的患者自报工具——与被动数字标记（一种人工智能工具）的双重方案。 该组合方案使阿尔茨海默病及相关痴呆症的新发病例诊断率较常规诊疗提升 31%，且无需额外耗费临床医师时间或进行高成本检测。该人工智能工具由雷根斯特里夫研究所的研究科学家Malaz Boustani博士及其团队历经十余年研发而成，是一种运用自然语言处理技术分析电子健康记录（EHR）数据的机器学习算法。它能识别记忆问题、血管病变及其他与痴呆症相关的因素等信息。除了提高检出率，这种数字组合方法还使神经影像学和认知测试等后续诊断评估增加了 41%。

Cellarity 的 AI 模型可预测药物性肝损伤

Cellarity 是一家临床阶段的生物技术公司，致力于通过整合多组学和人工智能建模开发细胞状态矫正疗法。该公司近日在《自然通讯》上发表了一篇开创性论文，提出了一种预测和表征药物性肝损伤 (DILI) 的新框架，并公开了该模型和验证数据。

药物性肝损伤是当今药物研发领域最严峻的安全性挑战之一。Cellarity 设计了一种名为 ToxPredictor 的集成人工智能模型，该模型通过评估毒理基因组学来预测剂量相关的药物性肝损伤风险。该框架的核心 DILImap 库展示了 300 种与药物性肝损伤相关的化合物在多种浓度下的转录特征。 该 DILImap 拥有目前已知最大的 DILI 建模毒理基因组学数据集。论文描述了该框架的验证过程：在盲测中展现出 88%的敏感度和 100%的特异性，性能超越 20 余种行业标准的临床前安全性模型，并成功识别出动物实验中未能检测到的多例 III 期临床安全性失败案例。

最新智能衬衫可实时检测癫痫发作

可穿戴健康技术的一项突破有望改变癫痫的监测和管理方式。蒙特利尔大学和蒙特利尔大学医院研究中心的研究人员开发出一种智能衬衫，可以实时检测癫痫发作。这有望降低全球数百万患者的受伤风险并改善其生活质量。

蒙特利尔团队由神经科学家 Dang Khoa Nguyen 和 Élie Bou Assi 领导，设计了这款生物识别衬衫，用于测量呼吸、心率和运动。这款最初为运动员设计的服装集成了纺织传感器、心电图电极和加速度计。这些元件共同记录了癫痫发作期间经常出现的细微生理变化，如不规则呼吸或心率加快。一旦检测到异常模式，衬衫可以自动向护理人员、家人或医疗专业人员发送警报，从而实现快速响应，防止严重伤害。已发表的研究显示，这款智能衬衫成功地实时检测到多达三分之二的癫痫发作，保持了较低的误报率。研究人员通过训练人工智能算法，使其能更好地区分癫痫发作和正常的节律性运动，已将误报率降低了一半。下一步将在医院外，在真实生活条件下测试这项技术。