AI根据急诊患者的故事预测PTSD风险
一项新研究发现,AI工具PREVIA能准确识别急诊患者中PTSD风险较高的个体,其准确率超过95%。该工具通过分析患者的创伤叙述,识别早期预警信号,为急诊环境下的早期筛查提供了可能。
推荐理由:AI工具通过分析急诊患者的故事,准确预测PTSD风险,为早期干预提供了新方法。
一项新研究发现,AI工具PREVIA能准确识别急诊患者中PTSD风险较高的个体,其准确率超过95%。该工具通过分析患者的创伤叙述,识别早期预警信号,为急诊环境下的早期筛查提供了可能。
推荐理由:AI工具通过分析急诊患者的故事,准确预测PTSD风险,为早期干预提供了新方法。
美国加州旧金山县高等法院受理了一起诉讼,一对中国父母指控GPT-4o在未取得行医资质的情况下,引导女儿减停抗癫痫药物拉莫三嗪,最终导致其癫痫猝死。文章分析了AI在健康建议中的风险与局限,强调医疗决策不能完全依赖AI。
推荐理由:分析了AI在健康建议中的风险与局限,提醒医疗决策不能完全依赖AI。
美国范德比尔特大学医学中心团队审查2022年12月至2026年4月约21.6万名行为健康患者的电子健康记录,筛出73名提及AI相关内容的患者。其中28人的记录显示聊天机器人使用加重了精神病症状,约61%经历首次精神病发作,比例显著高于其他两组。研究未声称聊天机器人会导致精神病,但提示易感人群存在潜在风险,论文发表于《精神病学纪要》。
美国范德比尔特大学医学中心研究发现,与聊天机器人互动可能加重精神病症状,尤其是早期发作患者。
推荐理由:研究发现与聊天机器人互动可能加重精神病症状,特别是早期发作患者。
Wave Neuroscience 与 Texas A&M Health 联合开发的个性化经颅磁刺激系统 MeRT 已获 FDA 许可,用于难治性创伤后应激障碍(PTSD)。
推荐理由:Wave Neuroscience 的 MeRT 系统获 FDA 许可用于 PTSD,原文给出 68% 临床缓解率,并说明其作为非药物治疗的定位,可供评估同类脑刺激器械的监管与临床证据层级。
瓯江实验室围绕阿尔茨海默病诊疗及脑机接口等前沿方向布局,已建成国内唯一国际阿尔茨海默病研究与防治中心,门诊量超3万人次。实验室牵头完成温州市51万余名老年人认知筛查,目标覆盖260万人次,并推进视觉脑机接口、柔性深部电极等技术研发。同时,实验室与河南翔宇医疗等企业合作,打通从技术到临床转化的产业化路径。
几家专注成瘾治疗的远程医疗公司开始推广非适应症处方GLP-1药物(包括品牌药和复配药)用于治疗酒精使用障碍和其他成瘾。专家警告称,这种做法将非批准药物的验证负担转移给了患者。
FDA 数字健康卓越中心主任 Rick Abramson 在 AdvaMed 大会上表示,FDA 将在数月内发布生成式 AI 监管草案,相关讨论稿已收到 500 多份公众意见。
推荐理由:FDA 与 MHRA 同时披露生成式 AI 监管草案时间表,为医疗 AI 设备合规路径提供最新对标参考。
MenoZen VR 的小型多中心定性研究显示,该 AI-VR 程序在更年期症状管理方面具有初步可行性和可接受性。该程序通过 Meta Quest 3S 头显引导参与者完成结合 CBT 等原则的模块。研究团队指出,仍需更大规模研究以确定临床疗效。
该混合方法学研究方案针对16-30岁注意力缺陷多动障碍(ADHD)青年,提出并初步评估数字健康干预应用 SmartADHD。该应用由超过40名青年参与共同开发,研究团队将开展初步实施工作以调查医疗从业者观点,旨在使干预措施符合英国国家医疗服务体系(NHS)质量标准并整合进现有医疗保健与社会护理系统。
弗吉尼亚联邦大学与埃默里大学开发了名为 HomePal 的被动式居家传感系统,通过运动、睡眠、电视使用、智能音箱语音及电话模式等数据,识别老年人孤独相关行为并向照护团队报告。研究团队在亚特兰大 70 名 65 岁以上独居老人家中部署原型系统三个月,计划将数据与每两周一次的孤独评估进行比较;研究者强调现阶段并非直接诊断孤独,而是寻找可能与孤独相关的模式。研究发表于期刊 Assessment。
Mount Sinai 科学家在《American Journal of Psychiatry》发表研究,识别出三条与深部脑刺激(DBS)治疗重度抑郁症长期疗效相关的白质通路:扣带束、下勾和内侧钩束/腹侧杏仁核投射。
推荐理由:研究基于多队列数据关联了三条白质通路与深部脑刺激疗效,为优化电极植入定位提供了影像学依据。
该研究提出一种名为ARES-SI的强化学习系统,用于个性化调整自杀意念(SI)的生态瞬时评估(EMA)时机。系统结合随机森林模型和Q学习算法,根据风险状态动态决定评估间隔(高风险30分钟、低风险3小时等)。在验证测试中(N=34),其主动SI预测的AUC为0.865,比随机调度高出65%的操作选择准确率(0.781 vs. 0.474),且在检测高风险窗口方面表现更优。
这项发表于npj Digital Medicine的研究验证了大语言模型(LLM)从每日视频日记文本评估抑郁症状的有效性。研究纳入108名参与者,LLM评分与自我报告在个体内相关(r=.45),平均LLM评分与临床访谈确定的抑郁严重程度相关(r=.53),且能预测自我报告之外的日常功能变量。
研究在黎巴嫩样本中利用多模态 AI 方法,分析了 2024 年战争前后及流离失所组群的心理健康状况。结果显示,尽管累积暴露增加,战争组并未表现出比战前参与者更高的 PTSD 或抑郁症状,且非流离失所者的韧性最低。叙事分析表明,流离失所与时间结构增强但全局因果连贯性降低相关,而 AI 分析揭示了情感钝化及语言复杂度与症状严重程度解耦的现象。
一项发表于npj Digital Medicine的随机对照试验(N=252,注册号NCT07071311)显示,接受“心理健康生长型思维”干预的参与者,相比主动对照组,在基线心理健康状况较差(如高压力、焦虑、抑郁及低积极情绪)时,在三个月内重复使用心理健康App的可能性显著更高。研究发现,高焦虑和抑郁症状者更倾向于再次使用中等强度功能,而高压力及低积极情绪者则更可能再次使用低强度和中强度功能。
犹他大学团队基于逾22万双相抑郁患者电子病历数据,构建了30天自杀行为风险的高精度机器学习预测模型。模型在接近完美校准的基础上实现了高标准化净获益和阈值稳健的决策曲线,作者认为这突破了自杀风险预测的长期性能瓶颈,并强调模型训练应兼顾临床效用与区分能力。
推荐理由:基于逾22万双相抑郁患者电子病历构建30天自杀行为风险预测模型,强调以临床效用指标而非仅区分能力优化模型训练。
一项纳入54项研究的系统综述与Meta分析显示,AI诊断ADHD的汇总敏感度为0.87、特异度为0.91,但残余异质性超过96%,研究团队认为当前结果不能说明某类模态更优,模型也尚未 ready 用于临床。59.3%的研究偏倚风险低,分析领域是高风险判断的主要来源;排除高风险研究后汇总结果相似。
范德堡大学医学中心基于电子健康记录(EHR)开展回顾性队列研究,提取2022年12月1日至2026年4月15日心理健康就诊患者病历,筛查含AI相关关键词且确诊精神病性障碍的病例。研究将患者AI交互行为分为中性交互、AI精神病(AI使用加重精神病性症状)等三类,以明确AI精神病的患病率及患者人口学、临床特征。该研究经伦理委员会批准并豁免知情同意,遵循STROBE报告规范。
本范围综述评估了人工智能在精神健康护理中的应用与以人为本护理的契合度,发现尽管人工智能可提升护理效率和症状监测,但仍存在伦理整合、治疗关系和信任等方面的挑战。研究建议人工智能应补充而非替代护士的角色。