研究人员警告称，人工智能模型在处理相同的医疗状况时，可能会根据患者的社会经济和人口特征推荐不同的治疗方案。
研究者们虚构了近三十名不同的患者，并询问了九个大型医疗语言人工智能模型，在一千种不同的急诊情况下应如何管理这些患者。
尽管临床细节相同，但人工智能模型偶尔会根据患者的个人特征改变决策，影响护理优先级、诊断测试、治疗方法和心理健康评估。研究者在《自然医学》杂志上报告了这一发现。
例如，对于高收入患者，更常推荐高级诊断测试如CT扫描或MRI，而低收入患者则更频繁地被建议不再进行进一步检查，这在一定程度上反映了现实世界中的医疗不平等现象。
研究人员发现，这些问题不仅存在于专有AI模型中，也存在于开源AI模型中。
“人工智能有能力彻底改变医疗保健，但前提是必须负责任地开发和使用，”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。
“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，加强监管，并建立确保患者处于安全有效护理核心地位的系统，”该研究的共同作者、同样来自伊坎医学院的Eyal Klang博士补充道。
干燥综合征唾液和眼泪症状的潜在解决方案
研究人员在小鼠实验中成功测试了两种方法，使他们更接近解决干燥综合征患者口中和眼中的严重干燥问题。
这种自身免疫性疾病会导致说话、进食和睡眠困难。然而，直到现在，这种疾病是如何关闭泪液和唾液生成的具体机制一直是个谜。研究人员在《国际口腔科学杂志》上报道了他们的新发现。
这项新研究表明，在干燥综合征早期阶段，一种名为三细胞素的蛋白质被破坏，这种蛋白质原本将产生泪液和唾液的腺体细胞紧密连接在一起。
细胞间紧密连接的丧失导致唾液分泌不足，研究人员发现。
两种可能的干预措施——一种实验性药物（AT1001）和一种实验性分子——分别通过修复细胞连接或阻止连接的分解来恢复小鼠的唾液分泌。
这两种方法都恢复了正常腺体功能，为人类治疗提供了潜在蓝图。
“这改变了我们对治疗干燥综合征的看法，”该研究的领导者、北京大学的Cong Xin博士在一份声明中表示。“我们现在可以修复腺体中的实际结构损伤，而不仅仅是缓解炎症。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。”
实验药物对一种多发性硬化症显示出前景
一种最初用于治疗淋巴瘤的实验药物成为首个显示对无活动性、非复发性继发进展型多发性硬化症有效的药物，目前尚无批准的治疗方法。研究人员在美国神经病学学会会议上报告了这一发现。
赛诺菲公司的tolebrutinib是一种正在研究中的口服布鲁顿酪氨酸激酶抑制剂，在一项临床试验中，它使非活动性、非复发性继发进展型多发性硬化症患者的六个月内确认残疾进展延迟了31%。
“这是首次临床试验证明在非复发性SPMS中延缓残疾进展的有效性，这是一种后期形式的疾病，神经功能逐渐恶化，残疾不断增加，”该研究的领导者、克利夫兰诊所的Robert Fox博士在一份声明中表示。
在该试验中，共有1,131名患者参与，tolebrutinib组六个月内的确认残疾进展率为22.6%，而安慰剂组为30.7%。根据发表在《新英格兰医学杂志》上的研究报告，更多接受tolebrutinib治疗的患者实现了残疾改善，六个月内的确认残疾改善率为8.6%，而安慰剂组为4.5%。
与安慰剂相比，tolebrutinib还减少了疾病活动标志物，包括炎症和组织损伤。
严重的不良事件，特别是肝脏并发症，在tolebrutinib组更为常见，该药物目前正在接受美国的审批审查。
“大约每200名患者中就有1人会在使用头三个月内出现严重的肝酶升高，因此需要密切监测，并且在出现肝酶升高的情况下应立即停药，”Fox表示。
此外，在两项针对复发性多发性硬化症患者的研究中，tolebrutinib在降低年复发率方面并不优于赛诺菲公司的Aubagio（特立氟胺），根据同一期刊的另一份报告。
(全文结束)
