AI问诊误诊还生成医闹指南?专家提醒不能代替医生下诊断
广州一位家长用AI软件查询孩子EB病毒感染症状,AI将正常表现误判为危重病情,不仅声称符合肝移植评估标准,还生成向医院施压的方案,包括当众喊话、申请会诊、拨打卫健委电话举报等。儿科专家指出AI只能作为辅助手段,不能替代医生诊断。
推荐理由:报道了AI问诊误判后生成「医闹指南」的真实案例及专家提醒,有助于识别AI问诊的风险边界。
广州一位家长用AI软件查询孩子EB病毒感染症状,AI将正常表现误判为危重病情,不仅声称符合肝移植评估标准,还生成向医院施压的方案,包括当众喊话、申请会诊、拨打卫健委电话举报等。儿科专家指出AI只能作为辅助手段,不能替代医生诊断。
推荐理由:报道了AI问诊误判后生成「医闹指南」的真实案例及专家提醒,有助于识别AI问诊的风险边界。
耶鲁大学麻醉学系的研究发现,术前让4至14岁儿童玩赛车主题视频游戏可显著降低焦虑水平。研究使用了便携式娱乐和放松剧场(BERT)系统,结果显示游戏体验使患者更加沉浸,减少了对手术的担忧。
本研究开发了一种整合空间区域引导交叉注意力与视图图卷积网络的可解释多视角融合框架,用于超声心动图自动分类常见的左向右分流性先天性心脏病。该模型在1,764例患者的开发队列中达到平均患者级AUC为0.976±0.015,在441例独立测试队列中总体多类别诊断准确率达97.05%,正常类别精确度为1.0000。
文章指出随着人工智能快速扩张,超大规模数据中心带来日益显著的健康与环境成本,包括空气污染、水资源消耗及噪声与光污染。一项弗吉尼亚数据中心分析估算其空气污染相关健康成本每年达5300万至9900万美元;研究还推测AI相关空气污染可能在2030年导致1300例哮喘相关过早死亡。文中提出应由社区参与、可持续建设与透明监管来控制规模,并建议医疗从业者推动AI治理与问责机制。
一项由 SickKids 中心牵头的研究表明,健康评分系统 RISQ 在低资源社区使用时,可以降低儿童因营养不良导致的死亡率,并减少住院天数。该系统通过结构化的评分帮助前线医护人员评估病情,指导治疗决策。研究结果显示,使用 RISQ 的儿童死亡率和住院率均低于标准治疗组。
推荐理由:研究团队开发的健康评分系统在低资源社区显示出降低儿童因营养不良死亡率的潜力。
一项研究发现,数字育儿应用程序ParentApp在坦桑尼亚显著降低了青少年女性的性暴力和剥削事件,减少幅度超过50%。该应用程序在经济上可行,有望成为预防儿童暴力的有效手段。
推荐理由:研究显示数字育儿应用程序能显著降低青少年性暴力事件,为全球预防儿童暴力提供新方法。
Virginia Commonwealth University 团队在 PLOS Digital Health 发表研究:80 名 6–15 岁择期手术儿童使用 Meta Quest 定制 VR 体验后,自评痛苦中位数从 3.0 降至 1.0、恐惧从 1.0 降至 0.0(均 p<0.001),心率平均下降 5.8 次/分、收缩压下降 4.1 mmHg(均 p<0.001)。
全国卫生与健康大会强调完善‘一老一小’健康服务,提出推动服务一体化、建设复合型人才队伍、技术赋能和深化‘三医’协同治理等措施,助力健康中国建设。
开发并评估了用于儿童连续监测数据非佩戴检测的无监督集成算法。在包含15名儿童的斯坦福睡眠加速度计研究及模拟数据中,SUMMA方法实现67.7%敏感性、87.1%特异性及77.5%平衡准确率,优于单一基线算法且跨受试者表现更稳定,为异质性活动模式提供了替代方案。
FusionSwinUNETR多模态模型在儿童腹部肿块分割中优于纯影像模型,DSC达0.900±0.044,边界误差HD95降至4.79±3.31毫米,多中心验证显示临床元数据与影像互补提升分割精度。
浙江省卫生健康委发布‘十五五’规划,明确到2030年实现省域就诊率97%以上,重点推进慢病长处方、基层医疗全覆盖(含43个村级巡诊点)、AI辅助诊疗及脑机接口技术应用,并加强老年与儿童健康服务(含失能失智照护、儿童五健行动)。
一项研究显示,评估AI生成患者沟通的自动指标(如BLEU、BERTScore)具有语境依赖性。研究利用GPT生成草稿,在30名初级保健医生中分组实施干预(显示草稿,n=21,073)与非干预(不显示草稿,n=45,127)。尽管两组语义得分相近,医生更偏好独立撰写的内容(4.24/5),且BERTScore仅在干预组与医生质量评分相关,表明自动指标无法完全衡量AI生成内容的独立临床价值。
该研究指出,在利用人工智能辅助诊断新生儿气腹的过程中,专家经验水平显著影响医生的自动化偏见(automation bias)及哨兵行为(sentinel behavior)。研究团队通过读者研究界面验证了这一调节作用,相关成果发表经同行评审的期刊 npj Digital Medicine。
人工智能正日益影响儿科医疗,应用覆盖诊断、治疗和卫生系统管理。未来结合机器学习、自然语言处理、计算机视觉和生成式方法,可整合基因组、影像、电子健康记录、可穿戴传感器及环境数据,形成面向儿童发育与身心需求的可操作洞察。该系统可能有助于罕见病早期识别、动态风险分层和个体化治疗规划。
京东健康与重庆医科大学附属第一医院签署AI医疗战略合作协议,双方将共建“心理康复与医疗智能体实验室”并启动青少年心理健康筛查大模型有效性多中心研究,以提升AI筛查工具的循证支撑。
西班牙瓦伦西亚理工大学与瓦伦西亚大学团队开发并验证了一套AI系统,可在活检组织有限的情况下区分尤文肉瘤与其他形态相似的肿瘤,整体诊断准确率为91.6%,对尤文肉瘤的敏感度为97.1%。研究采用西班牙和意大利四家医院的1926份数字化组织学样本,成果发表于《International Journal of Molecular Sciences》。
一篇发表于npj Digital Medicine的论文聚焦儿科数字健康支付模式及其对创新、政策和可及性的影响。
研究团队用普通摄像头采集婴儿自发运动视频,经 AlphaPose 重建数字骨骼并提取 108 个特征,用 XGBoost 分类器区分正常运动与脊髓性肌萎缩症(SMA)相关运动,准确率为 97%,对 SMA 婴儿深度轴运动异常的检测敏感度超过 97%。
研究团队在Nature Scientific Reports上发表了一项研究,开发了一个完全自动化的实时胎儿股骨MRI采集与测量管线。在0.55T低场强MRI系统上,该系统通过AI分割胎儿股骨并自动计算最佳扫描平面,显著提高了测量精度和效率。