AI 如何辅助健康

AI 健康教练更容易开始，为什么用户仍想找真人？

一项 368 人糖尿病预防试验的最新分析发现，AI 组更快开始、参与更持续，但真人辅导的接受度更高。产品需要同时解决服务可及性和人与人的支持感。

阅读要点先把“愿意用、持续用、健康是否改善”分开衡量。

健康“数字孪生”落地到哪一步？看一项 19 人的 AI 干预研究

研究用饮食、体重、活动和血糖记录建立个人预测模型，由护士审核后发送建议。体重结果有积极信号，血糖变化未达到统计显著，距离完整的个体化治疗系统仍有距离。

阅读要点这类系统目前更像持续更新的预测助手，关键环节仍由专业人员把关。

Google Health Coach：把睡眠、运动和健康记录变成持续辅导

Google 将健康教练从单次问答扩展为围绕个人目标、历史记录和日常状态的连续服务。这提供了一个产品方向：把数据解释、每周计划和反馈串起来，但产品发布本身并不是临床疗效证明。

阅读要点真正的产品单元是“记录—解释—计划—反馈”，而不只是一个聊天框。

MedGemma 1.5：医疗 AI 从读文本走向影像、检验单和语音工作流

MedGemma 1.5 4B 增加 CT、MRI、病理切片及纵向影像支持，MedASR 提供医疗语音转文字能力。它们降低了原型开发门槛，但仍需要针对具体任务验证与适配。

阅读要点近期可试的入口是可核对的资料整理，而不是直接输出最终诊断。

AI 就诊记录助手：先减少文书负担，再验证是否改善医疗质量

一项覆盖美国 6 个医疗系统的研究观察到，使用环境式 AI 记录工具后，临床人员自报的文书负担和倦怠下降。它支持工作流改善的可能性，但还不能证明患者结局改善。

阅读要点自动生成笔记的价值，要扣除医生核对与修正所花的时间。

Apple Watch 高血压提示：用长期信号找到值得进一步确认的风险

Apple Watch 通过光学心率传感器的长期模式提示可能的高血压。它展示了可穿戴 AI 的一条落地路线：先发现风险线索，再连接外部测量和医疗沟通。

阅读要点风险提示、血压测量和疾病诊断是三个不同环节。

MAI-DxO：让 AI 学会追问、选择检查和核对推理

微软把复杂病例变成逐步获取信息的诊断任务，并通过多个推理角色与成本核对提高表现。这个方向的技术价值在于如何处理不完整信息，距离真实诊疗仍需验证。

阅读要点基准里的高准确率，不能直接转换成现实门诊的诊断准确率。

眼底 AI 筛查的真实价值：让检查在一次就诊中完成

ACCESS 试验把自主 AI 眼底检查放到糖尿病门诊，显著提高了青年患者的筛查完成率。这个较早但有价值的案例说明，医疗 AI 的收益也来自减少转诊过程中的流失。

阅读要点模型之外，采图、当场反馈和后续转诊决定了服务能否完成。