🌟 本週熱點

💡 一人一藥，「個人化療法」不再是夢！AI 將給罕病患者帶來轉機

為何罹患罕見疾病令人煎熬？不只因為病痛折磨，也因為難以取得個人化療法。

傳統製藥模式下，單一藥物開發成本突破 26 億美元、耗時超過 10 年，製藥公司只能聚焦常見疾病，數百萬罕見病患者被遺忘在商業邏輯之外。

但AI 將有機會改寫這個遊戲規則。

一個美國創業家Stevie Ringel 因罕見遺傳疾病失明，等待臨床試驗 16 年沒有結果後，決定自己動手。他創立的生物科技新創公司 Nome 運用 AI 分析基因組數據，為罕見疾病患者繪製治療地圖，提供 0-100 分的療法可行性評分。他用 AI 幫罕病患者找出傳統療法以外，過去被忽略的治療方案。

AI 將原本需要數年和數億美元的藥物發現工作壓縮至數週。它能模擬蛋白質交互作用、篩選數千種治療可能性，使「不夠商業化」的罕見疾病治療成為可能。AI 藥物發現市場預計到 2030 年達到 203 億美元。

今年，美國國立衛生研究院批准了首個為單一兒童設計的基因療法——「N=1」醫療時代正式來臨。

當然,挑戰依然存在——AI 生成療法的所有權、單一患者藥物的定價機制、監管框架的建立。但當醫療能更針對個體客製化，更多的生命將因此迎來轉機。

 📖 參考資料：Forbes

💡 救命還是侵權？英國病房裝上「AI 眼睛」引爆隱私戰

英國國民健康服務 (NHS) 近期在精神健康護理領域採用一款新的遠端監控技術——Oxevision。這是一款創新結合攝影機與紅外線感應器的裝備，可以讓醫院對住院病人生命體徵遠程監控與持續觀察。Oxevision 系統使醫療人員能在不打擾病人的情況下監控其位置及生命體徵，並在檢測到異常情況（例如病人如廁時間過長）時主動發出警報。此技術意在提升病人安全。

不過，反對團體 Stop Oxevision 呼籲 NHS 英格蘭暫停該技術的部署，擔心潛在風險及對弱勢群體進行廣泛監視所帶來的影響。該組織獲得全國倖存者用戶網絡 (NSUN) 的支持，主張必須對 Oxevision 這類技術進行負責任的監督，以保障病人權益和安全。Stop Oxevision的公開信指出，對曾遭受監視創傷的個體而言，此監控可能加劇其心理痛苦，並帶來重大隱私風險。

在提升病人安全與保障隱私上，新興科技仍需要時間找出平衡之道。

📖 參考資料： The Canary

💡 3大 AI 模型挑戰國家級醫學考試，誰最厲害？

當醫生站在診間，手上拿著 X 光片、看著病歷報告、聽著患者描述症狀——這不是單純的「讀文字」或「看圖片」，而是同時處理多種資訊的複雜判斷。那麼，號稱能「看懂圖、讀懂字」的多模態大型語言模型，真的能勝任醫療現場嗎？

一項最新研究讓三大明星模型——Claude 3.5 Sonnet、GPT-4o-mini 和 Gemini Pro 1.5——接受真槍實彈的考驗：98 道醫學考題，其中 43 題必須結合影像判讀，完全模擬醫生在臨床上「邊看片子邊思考」的真實情境。(編按： AI 實在進展太快，目前這三款模型都已經屬於舊模型了。但研究成果依然值得參考）

結果出爐，Claude 3.5 Sonnet 以 84.69% 的準確率拔得頭籌，不僅跨過 80% 的及格門檻，更在胃腸科、兒科、內分泌科和急診等專科展現驚人的影像解讀能力。GPT-4o-mini 緊追在後，準確率 79.59%，雖略遜一籌但潛力不容小覷。

Claude 表現突出的原因，在於「多模態整合能力」。醫療診斷從來不是單一維度的問題——一張 CT 掃描配上病史描述、實驗室數據加上症狀描述，Claude 在這種「同時處理文字與影像」的複雜場景中，展現了更精準的判斷力。這正是醫療現場最需要的能力。

當然，這項研究也有其侷限性：測試題目來自單一年份、特定國家的醫學考試，未必能完整反映全球醫學教育的多樣性。未來需要更多元的題庫和跨國驗證，才能測出各個大語言模型在醫療現場的實戰表現。

📖 參考資料： BMC