AI 机器人与医疗领域迎来突破,引来监管新思考

一聊科技早7点 · 2026-07-28

关注我们，每天早上 7 点，5 分钟看懂 AI 医疗科技

通用机器人基础堆栈如何改变具身AI？

医疗AI监管的四个条件能否确保安全？

AI文档助手如何提升眼科医生效率？

— 重磅头条 —

❶ 具身AI初创X Square Robot发布通用机器人基础堆栈

X Square Robot押注开源集成栈，为通用机器人寻找“GPT时刻”

大语言模型为AI提供了通用能力配方，但机器人领域一直缺乏这样的蓝图。中国具身AI公司X Square Robot明确押注：一个集数据、世界模型与动作模型于一体的开源堆栈，或许就是答案。

▍堆栈三大层

该堆栈由数据层、世界模型（预测物理世界变化）和动作模型（整合感知、规划、推理、决策以生成可执行行为）构成。公司认为三者紧密关联，而非独立模块。

▍三项设计原则

第一，基本数据单元是交互（演示成功需改变世界状态），而非单纯轨迹；第二，预训练应直接产出可用能力，而非仅用于后续微调；第三，行为建模应基于物理事件，而非固定时间片。

🔗 来源：IEEE Spectrum-AI · "关注我们，明天7点见"

超越“人在回路”：医疗AI监管需满足四项条件

随着AI越来越多地参与诊断、分诊和治疗决策，各国监管机构开始要求“有意义的人类监督”。然而，最新观点指出，仅仅让医生在场远远不够。欧盟AI Act的风向标下，医疗系统需要重新定义什么才是真正有效的监督。

▍四项条件

真正有效的监督需要同时具备：认知能力（临床医生能理解AI输出的依据和局限）、认知空间（在繁忙工作中留出足够的审查时间）、决策权威（医生有权否决或修改AI建议）以及干预有效性（医生的调整能确实改变患者结局）。缺一不可。

▍全流程嵌入

文章建议将上述四项条件嵌入AI系统的采购、部署、持续监控和最终退役四个阶段，使监督从静态合规转化为动态安全保障，适用于预测、生成、半自主和自主（代理性）四类AI系统。

🔗 来源：Nature Digital Medicine · "关注我们，明天7点见"

AI文档助手在真实临床中提升效率，降低修订负担

医生大量工作时间耗在电子病历写录上，加剧职业倦怠。大语言模型被寄厚望，但此前验证多在模拟环境。这项在眼科真实工作流中开展的试验，首次给出基于纯EHR输入的实际效果数据。

▍效率提升看得见

27名眼科临床医生（11人干预组、17人对照组）参与12个月试验（2024年1月至2025年2月）。干预组使用基于QLoRA微调的LLM，模型仅凭患者EHR记录自动生成出院小结结论部分。结果显示，干预组每分钟书写字数改善程度明显大于对照组，且需要上级医师修订的文书数量减少。

▍真实环境可行性

AI系统直接集成到真实EHR工作流中，不需额外音频输入。模型使用8万份机构历史记录进行QLoRA微调，所有15,615份文书均来自日常临床流程。研究证明了LLM在减少文书负担方面的实际应用潜力，但分组为自愿选择，且样本仅限眼科一科。

🔗 来源：PLOS Digital Health · "关注我们，明天7点见"

— 即时快讯 —

· 研究：大语言模型辅助提升骨科罕见病诊断准确性 — LLM可为医生提供决策支持，减少罕见病漏诊误诊

· 研究：评估大语言模型在肿瘤护理决策中的表现 — 揭示LLM在肿瘤护理中的潜力与局限，指导工具开发

· 据VentureBeat报道，54%企业已遭遇AI智能体安全事故 — 细节待核

· 研究：链式思维提示使LLM解读体检结果准确率达95% — 提示策略显著提升LLM在体检数据解读中的可靠性

· 研究：简化机器学习方程精准计算LDL胆固醇 — 使更多实验室可便捷采用精准LDL计算方法，助力心血管疾病管理

— 合规观察 —

· Blaine Labs Inc召回TERPENICOL Antifungal Solution，原因CGMP偏差（未对在售产品进行稳定性测试）。

· NeoGenomics以980万美元和解美国司法部联邦医疗合规调查。

"关注我们，明天7点见"

本简报由 AI 辅助生成，仅供参考、不构成医学建议、欢迎大家转发留言交流