【海外AI医疗周报】本期导读：本周，医疗AI领域迎来多重突破性进展。英伟达全面发力，不仅推出首个面向医疗机器人的物理AI平台，开源了含776小时手术视频的全球最大数据集及配套模型家族，还开源了堪称“最先进”的蛋白质基础模型Protein-Complexa，加速新药研发效率的提升。在应用层面，Google 推动个人健康数据整合，强化用户侧入口，飞利浦推出基于云的病理学解决方案，旨在打破数据孤岛、加速全数字化诊断流程。此外，白宫发布国家人工智能政策框架，强调通过现有监管机制支持特定领域人工智能应用的开发和部署，美国针对医疗人工智能将推出何种政策举措，需进一步关注。

英伟达推出首个面向医疗机器人的领域特定物理AI平台、开源最强蛋白质模型、公布医疗领域最新进展

英伟达在GTC2026上宣布推出首个面向医疗机器人的领域特定物理AI平台，包括全球最大的医疗机器人数据集Open-H、Cosmos-H开放模型家族、GR00T-H VLA模型、Rheo开发蓝图。据悉，Open-H拥有776小时的手术视频，包含11个机器人系统实例和4项手术适应症；Cosmos-H模型支持通过提示、图片、视频评估医疗机器人决策；GR00T-H模型可处理描述临床任务的文本命令并生成称为动作令牌的运动命令；Rheo则能用于创建物理精确的医院（884301）环境模拟。Open-H、Cosmos-H和GR00T-H现已在GitHub和Hugging Face上发布，供开发者进行后期培训和针对特定手术场景的调整。

英伟达还发布了一款蛋白质模型Protein-Complexa。团队表示，这是当前最先进的蛋白质开源基础模型，它一步就能生成蛋白质的序列和原子级结构，开箱即用。研发团队做了史上最大规模的湿试验验证，针对127 靶点中，86个达到命中，91.2%为靶点特异性。单个蛋白质下，命中率高达63.5%，且有皮摩尔级亲和力，有望直接成药，甚至Protein-Complexa还首次从头设计出了能结合碳水化合物的蛋白质。据悉，诺和诺德已经利用该方法进行药物研发，并进行实验验证。团队已经将该项目开源。

此外，英伟达还宣布与罗氏扩大合作，将人工智能和加速计算转变为其制药和诊断业务的核心运营能力，双方将在美国和欧洲的混合云和本地环境中部署超过3500个英伟达Blackwell GPU。英伟达还联合Google DeepMind等机构，为AlphaFold蛋白质结构数据库新增了约3100万条蛋白质复合物预测，其中180万条为高置信度预测，加速新药靶点发现。并推出面向医药的高性能仿真工具nvQSP，能让研究人员在临床试验前更高效地模拟不同剂量和患者群体的反应。基准测试中，其速度比传统CPU快77倍。

谷歌希望通过Fitbit集成用户完整的个人医疗记录

谷歌计划推出新功能，将 Fitbit 与用户个人医疗记录进行集成。从下个月开始，美国用户将可以通过 Fitbit 应用关联其完整的医疗背景信息。谷歌称，此举将为用户提供“更全面的健康状况概览，包括实验室检测结果、用药情况和就诊记录，所有信息都集中在一个地方，并由用户自行掌控。” 这些数据将直接传输至 Fitbit 个人健康教练——这是一个由 Gemini 驱动、集成于 Fitbit 应用中的 AI 助手。一旦将医疗数据与 Fitbit 关联，用户便可向其提问，例如“我该如何改善胆固醇水平？”该教练还能为用户提供健康总结、建议等更多服务。

谷歌投资 1000 万美元，用于医疗人工智能培训

3 月 17 日，谷歌表示将通过 Google.org 投入 1000 万美元，支持致力于将人工智能融入医学教育的组织，旨在改善患者护理，并帮助临床医生为技术驱动的医疗环境做好准备。这笔资金将用于支持包括医学专科协会理事会和美国护理学会在内的多个组织，这些组织将通力合作，共同重新思考随着人工智能日益融入医疗服务，临床医生的培训方式应如何调整。

飞利浦推出全新的数字病理学云解决方案

医疗机构在管理海量医学影像数据方面面临日益严峻的挑战，与此同时，专业人员短缺的问题也在加剧。此外，对支撑人工智能辅助诊断的基础设施的需求也在不断增长。

近日，飞利浦通过推出一款基于云的新解决方案，进一步扩展了其数字病理学产品组合。借助基于 HealthSuite 平台的飞利浦 IntelliSite 病理学解决方案，旨在连接不同医学领域的数据和工作流程，帮助病理实验室向全数字化诊断工作流程转型，并在临床实践中推广数字病理学应用。除了病理学领域外，该产品组合还涵盖了放射科和心脏科的解决方案，例如 HealthSuite 上的图像管理功能以及心血管工作区等。通过整合这些系统，飞利浦旨在帮助医疗机构改善数据交换、简化诊断流程，并扩大人工智能应用的范围。

白宫发布国家人工智能政策框架

近日，白宫发布了其关于人工智能的国家政策框架。该框架向国会提出了多项建议，包括建立监管沙盒以促进人工智能应用的开发、提供资源以便行业获取联邦数据，以及提议不设立新的联邦规则制定机构来监管人工智能。该框架敦促国会通过现有监管机制，支持特定领域人工智能应用的开发和部署。此外，该框架还向国会提出了针对劳动力市场的具体建议，例如扩大联邦层面的研究力度，以分析人工智能驱动的任务重组趋势，为未来的劳动力政策提供依据。最后，该框架还呼吁国会制定相关政策，以取代那些造成不合理负担的州法律，但同时不取代与儿童安全、数据中心选址以及州政府人工智能采购相关的、在其他方面合法的州法规。