Knit Health CEO 讨论 AI 在医疗中的应用
Jonathan Kolstad,Knit Health 的 CEO,认为医疗系统的核心问题是未能将患者及时引导至合适的医疗服务。Knit Health 正在开发一个基于 AI 的世界模型 Med-BEAM,该模型已训练超过 140 万份病历记录,旨在预测患者需求并优化医疗流程。公司刚刚完成 3500 万美元的 A 轮融资,将加速该模型的商业化部署。
Jonathan Kolstad,Knit Health 的 CEO,认为医疗系统的核心问题是未能将患者及时引导至合适的医疗服务。Knit Health 正在开发一个基于 AI 的世界模型 Med-BEAM,该模型已训练超过 140 万份病历记录,旨在预测患者需求并优化医疗流程。公司刚刚完成 3500 万美元的 A 轮融资,将加速该模型的商业化部署。
剂泰科技与礼来达成新型脂质纳米颗粒(LNP)递送技术战略合作,涉及最高约11亿美元的开发、监管和商业里程碑付款。文章分析了AI递送技术的现状与未来发展方向,强调了企业应关注可验证的递送优势、打通从配方筛选到生产开发的路径以及融资与研发节点匹配。
韩国科学家开发了可解释的机器学习模型,直接从分子结构预测植物化合物的肠道吸收特性,无需实验。该模型在预测渗透性和外排比方面表现优异,有助于筛选功能性食品和新药候选物。
Mayo Clinic Platform 推出 AI 工具,提供临床指导,覆盖 35 个专科,帮助医生更快获取信息,专注于患者护理。
Journal of Chemical Information and Modeling发表MML-DTI多流形学习框架,用双曲图神经网络融合分子拓扑、化学指纹、预训练化学模型语义与ESM-2蛋白序列特征,预测药物靶点相互作用。
Doximity的研究显示,九种常用AI模型中有19.5%的答案包含严重或致命错误。Doximity的新剂量验证工具DoseCheck正确率为99.9%,强调了临床AI工具的准确性问题。
推荐理由:AI模型在药物剂量计算中出现严重错误,强调了临床AI工具的准确性问题。
研究团队提出 FBEHR 框架,以兼容 ECDSA 的椭圆曲线算法实现免双线性配对的 IUDVSP 签名,为 IoMT 电子健康记录提供身份认证与指定验证者隐私保护。
日本大阪公立大学联合MD Anderson癌症中心测试五款大语言模型,发现其模拟选药时首选推荐平均97.5%集中于同一款产品,且多为品牌药。该研究发表于Nature Health,模型还倾向于不推荐较晚获FDA批准或临床更常用的产品,并出现含已停产产品的与监管信息不符的推荐。按美国数据模拟,若医生依模型推荐开药,年度采购成本将增加约5560万美元,相当于1019%。
一项发表在Bioinformatics的BLURB基准测评显示,ChatGPT综合得分58.50,与领域最优模型的84.30存在差距,六项任务中仅问答接近BioLinkBERT-Large,在PubMedQA测试集上甚至超过部分对照组。
美国多所高校联合团队在Journal of Hazardous Materials发表研究,开发了vToxiNet生物学约束深度学习框架。该框架整合多类毒理数据,可同时完成肝毒性风险判断与损伤机制溯源。
一项发表于eGastroenterology的研究将机器学习与深度学习结合,构建动态模型预测失代偿期肝硬化ICU患者12小时后发生至少两个肝外器官衰竭的风险。模型基于滑动时间窗整合连续生命体征和实验室指标,主任务AUROC为0.830;外部验证于eICU数据库(1666例)中AUROC为0.774。
一项利用增强现实叠加3D肿瘤可视化的交互式3D技术,于2026年6月在肝脏手术中首次应用于患者,系统运行正常且患者次日出院。该技术通过在肝表面贴附约1平方厘米带二维码的标记,结合术前影像实时计算并指引肿瘤位置。团队计划于2026年秋季进行更多肝脏手术以验证临床效果,并推进监管审批。
多中心随机对照试验显示,基于强化学习的胃肠镜自动麻醉系统(AAS-GE)的低氧血症发生率与麻醉医师手动管理无显著差异(14.42% vs 14.29%,P=0.968),麻醉诱导时间更短(1.55 vs 1.90 min,P<0.001)。
推荐理由:强化学习自动麻醉系统此前多停留在模拟与回顾性分析,本研究以多中心随机对照方式直接比较其与麻醉医师手动管理的临床表现,为该方向提供了前瞻性临床证据。
武汉大学人民医院团队在 Scientific Reports 发表前瞻性评估研究,评估实时AI助手用于门诊文书书写与质量控制。研究经该院伦理委员会批准,并在中国临床试验注册中心注册(ChiCTR2400086606,2024年7月8日注册),参与的医师、患者与临床研究人员均签署书面知情同意。作者声明无利益冲突。