环球医讯AI与医疗健康

医疗AI错误会危及生命？这位MIT学者的研究揭示风险
2025-09-08 22:59:57家医大健康
麻省理工学院Marzyeh Ghassemi教授研究发现，医疗AI系统存在严重安全隐患，拼写错误可能导致7-9%误诊率，女性患者更易被错误拒诊。该研究揭示了医疗AI在种族、性别方面的系统性偏见问题，并提出建立多样化数据集、定期审计等解决方案。研究团队通过向医疗记录添加典型错误，发现AI系统对女性的识别准确率下降，且当前技术尚无法根本解决这类偏差。
机器人首次在无任何人工辅助下完成手术
2025-09-08 22:59:40家医大健康
美国约翰霍普金斯大学研究团队开发的AI外科手术机器人SRT-H系统，成功通过分层框架算法完成8例猪胆囊切除手术。该系统能自主识别胆囊管和动脉并进行夹闭切割操作，虽尚处于体外模型测试阶段，但标志着医疗机器人自主化的重要突破，未来或可应用于紧急医疗场景。
人工智能工具是否削弱了医生的工作能力？
2025-09-08 22:57:19家医大健康
《纽约时报》报道一项发表于《柳叶刀-胃肠病学与肝病学》的研究显示，使用辅助检测癌前病变的人工智能工具三个月后，医生独立进行结肠镜检查时发现病灶的能力显著下降。这项观察性研究揭示了医疗AI应用可能引发的"技能退化"现象，专家指出这可能导致医生失去监测算法异常的能力，UC旧金山分校等机构已着手开发无AI模拟训练方案应对该挑战。
随着AI聊天机器人成为治疗师，美国各州开始制定AI限制
2025-09-08 22:57:05家医大健康
本文深入探讨了美国青少年通过AI聊天机器人寻求心理辅导导致的悲剧案例，分析了AI在心理健康领域的伦理困境。报道揭示了加州、伊利诺伊州等地立法者正推动制定法律限制AI替代专业心理治疗的实践，同时揭露了ChatGPT等平台存在的隐私泄露风险，指出当前法律框架缺失导致用户对话记录可能被法庭调取或公开，引发关于技术边界与人类福祉的深度思考。
AI在医疗健康领域应用：埃及推出中东首个乳腺癌AI检测平台
2025-09-08 22:51:50家医大健康
埃及通信部与巴希尔基金会联合开发的中东首个本土化AI乳腺癌检测系统正式上线，该系统通过分析乳腺X光影像实现90%准确率的初步诊断，能显著提升筛查效率、降低治疗成本并提高康复率。系统由埃及工程师团队研发，已部署在巴希尔医院两家分院，并计划在全埃及推广。
Futurise主办RegTalk 2025：马来西亚人工智能医疗设备发展——创新与安全的平衡之道
2025-09-08 22:31:53家医大健康
马来西亚赛城未来主义公司与医疗器械管理局（MDA）在赛诺菲健康体验中心联合举办RegTalk 2025论坛，宣布将建立全国首个医疗设备监管沙盒。会议汇聚监管机构、行业领袖和政策专家，探讨人工智能医疗设备在预测性诊断、实时患者监测等领域的创新机遇，强调需通过沙盒机制在推动AI医疗技术创新与确保临床验证、伦理数据使用及患者安全之间取得平衡。与会者包括西门子医疗研究合作部负责人及多位国际专家，共同讨论监管协调、国际最佳实践及伦理考量等议题。
Futurise主办RegTalk 2025：马来西亚人工智能医疗器械——创新与安全的平衡
2025-09-08 22:30:49家医大健康
在马来西亚赛柏再也举办的RegTalk 2025会议聚焦人工智能医疗器械发展，探讨创新与安全的平衡机制。未来加速公司宣布将与医疗器械管理局共建国家首个监管沙盒，通过可控环境测试加速技术应用，同时确保患者安全和数据伦理。会议强调多方协作的重要性，涉及政策制定、国际标准互认及持续教育体系构建，旨在推动马来西亚成为数字医疗创新标杆。
微型机器人，重大问题——科技能帮助老年人完成日常任务吗？
2025-09-08 22:29:09家医大健康
文章探讨了生成式AI和机器人技术在帮助老年人应对日常挑战中的潜力，特别是针对轻度认知障碍患者。不列颠哥伦比亚大学的IDEA实验室和多伦多大学的研究团队正在研究微型机器人如何通过个性化提醒、音乐播放、任务协助等功能支持老年护理，同时讨论了技术适应性和伦理问题。研究强调需要优化设计以满足老年用户需求，并减轻护理人员压力。
旧AI战胜新AI：原因与影响
2025-09-08 22:27:10家医大健康
文章揭示生成式AI虽受资本热捧，但传统机器学习仍在广告、医疗、航天等领域创造实际价值。Meta财报显示其广告收入增长源自传统推荐算法，而生成式AI短期内难商业化。医学领域依赖成熟AI技术，航天公司Leap 71通过物理定律驱动的确定性AI成功制造3D打印火箭引擎。斯坦福研究指出当前AI投资存在"生成式泡沫"与实际应用间的割裂，传统AI研究者面临推广困境。
利用可解释深度学习进行脑出血检测与定位的医学成像研究
2025-09-08 21:46:58家医大健康
本研究开发基于ResNet深度学习模型的脑出血检测系统，通过梯度类激活图（Grad-CAM）实现出血位置可视化。使用200例CT图像（含蛛网膜下腔、脑室、硬膜下、硬膜外及脑实质出血）进行训练，系统准确率达81%，敏感度67%，特异性86%，验证了可解释性人工智能在脑血管疾病诊断中的可行性，其像素级定位误差在(-4,1)范围内，为急诊救治提供技术支持。

Copyright © 1998 - 2026 familydoctor.cn All Rights Reserved 家庭医生在线版权所有

本网站敬告网民：网站资讯仅供参考，身体若有不适，请及时到医院就诊。

经营许可证编号：粤B2-20050069号 | ICP备案粤ICP备14007806号-2

营业执照 | 广播电视节目制作经营许可证 | 互联网药品信息服务备案凭证

粤公网安备44010402003489号 | 不良信息举报中心 | 垃圾信息举报中心 | 网络110报警服务

违法和不良信息举报电话：020-37617298