IFM 2026年度大会深度解读：AI浪潮中功能医学从业者的新定位——从被动接受到主动驾驭的转型之路
在2026年IFM年度国际盛会上，精神科与功能医学领域权威Robert J. Hedaya MD带来了一场题为《The Awakened Clinician：How Our Consciousness—Not Computation — Will Define Medicine's AI Era》（《觉醒的临床医生：决定医学AI时代的，不是计算能力，而是我们的意识》）的精彩演讲，在与会者中引发强烈反响。这场演讲并未局限于AI技术的浅层讨论，而是将焦点对准了一个更为根本的命题：当AI逐步渗透至医学推理的核心
真实病例诊断AI或可与医生比肩：哈佛团队建议重审评估体系
随着技术不断增强，AI 在某些医学基准数据集上达到 SOTA 的现象早已不足为新鲜。但研究者进一步表明：在真实病例情境中，AI 的准确率能够与医生相当，甚至出现更高的表现。也就是说，AI 并非只是在训练阶段“背诵”标准答案，而是在临床实际中完成诊断推理与决策。近日，哈佛医学院、斯坦福大学等研究团队在 Science 发表了迄今规模最大的 AI 医疗对照研究[1]，并首次使用真实患者病历来检验模型的推理能力。真实场景往往会带来病历内容杂乱、信息缺失等不确定性。研究人员让 OpenAI 的 o1 模型与几百名
AI在医疗诊断中表现优异但推理能力仍存短板
“智网文摘”是智网互联实验室的中拉科技互鉴品牌项目之一。通过精选编译西葡语媒体科技板块的文章，让中文读者能够了解拉美与加勒比海地区对科技的关注点和相关动态。欢迎联系智网互联实验室，向本项目推荐内容和提供意见建议。尽管用于医疗服务的人工智能（inteligencia artificial，IA）聊天机器人在掌握完整临床信息时，通常能够作出正确诊断，但当它们面对信息不足的情况，或需要进行鉴别诊断时，仍然表现出明显缺陷。根据本周一发表于《JAMA网络开放获取》（JAMA Network Open）的一项研究，这
人工智能浪潮下医学教育与医学伦理的再塑
编者按人工智能（Artificial Intelligence，AI）正快速进入医学实践和医学教育场景。从自动病历撰写（AI scribes）到由大语言模型（Large Language Models，LLMs）支持的医学文本摘要，再到算法参与临床决策，技术不仅改变了医学知识的生成方式，也正在改写临床推理的结构以及医患互动的形态。在这一背景下，医学教育所面对的问题，已经由“要不要引入AI”转变为“如何在AI环境下守住临床判断力与伦理反思能力”。需要警惕的是，技术效率的提升并不必然意味着专业能力和职业精神会