1996年，贝克与研究生们开始编写一个叫做Rosetta的程序，该程序可以通过输入一段氨基酸序列，预测蛋白质的结构。1998年，贝克首次使用Rosetta参加了CASP（蛋白质结构计算机预测比赛）比赛，表现出色。

清华大学这个虚拟医院，采用的是一种MedAgent-Zero（无参数策略）的自我进化方法。这些数据集将该AI医生框定在了呼吸系统疾病领域，病人只会得呼吸道疾病，所以这个虚拟医院，其实更像一个理想条件下的专科医院。

在他们看来，平时生活习惯的改变是预防这些慢性病的关键，但人的行为习惯很难改变，因此他们希望通过非常个性化的AI来解决这个难题。个性化的AI可以通过改善人的睡眠、饮食、运动、压力管理和社交五种日常基础行为，从而让人养生更健康的生活习惯。

微软全球资深副总裁彼得·李与两位合著者在《超越想象的GPT医疗》中描绘了一种新的医患关系：传统医学中医生与患者是一对双向关系，但现在我们应该转向一种全新的三方关系，而AI是这个三角关系的第三支柱。

今年年初，一名比利时男子在与Chai Research公司开发的名为Eliza的AI聊天机器人就气候危机进行了为期6周的对话后，结束了自己的生命。这名男子的遗孀对比利时媒体表示：“如果没有与聊天机器人的这些对话，我的丈夫仍然活着。”

一部分观点相信大型语言模型（LLM）能够颠覆AI的推理逻辑，优化算法对于医学影像、医学文本的推理，另一部分观点则认为这项技术已经出现多年，如今不过是老调重弹，量变有余，质变不足。

患者是一名15岁的骨折女孩。在术前沟通时，我们就给她和家人戴上MR眼镜，让他们能清楚地看到骨折的情况，以及我们将如何为她完成手术。手术时，医生使用混合现实技术，将虚拟的数字模型与真实患者叠加，这让手术医生有了非常直观、精确的视野，能够完成更准确的操作。

天然物质的目标分子是潜在的药物靶点。确定活性天然物质的靶标蛋白和作用机制，是新药开发的关键。不过，要从多达40万种不同的人类蛋白质中找到药物的靶点并非易事。因此，苏黎世联邦理工学院的吉斯伯特·施奈德教授利用人工智能程序来帮助寻找天然物质可能的目标分子，从而在药理学上识别相关化合物。

以前是“对症下药”，现在逐步形成了健康管理的理念。目前市场上根据发展前景将AI＋医疗分成了AI药物研发、AI辅助诊断、医疗机器人等几个主赛道......它们是不怕感染的，而且它们可以做到不分昼夜的照顾病人。

头皮脑电波的信号非常微弱，只有百万甚至千万分之一伏，科研工作者要通过传感装置监测不同活动脑电波的变化，再通过这些信息研判出人在做什么样的思考或者有什么意图。捕捉、破译头皮脑电信号类似于在非常嘈杂的购物中心远远地听见、听懂一个人自言自语的呢喃。听到脑语、解读脑语、输出脑语，涉及传感、材料、

需要正视的是，康复机器人也面临着一些行业问题，包括产品推广、技术突破以及行业竞争等方面。康复机器人市场在国内还处于起步阶段，再加上医疗行业的监管比较严格，很多医疗器械需要相关的生产许可和注册许可才能进入医院。

在最近的一期《今日AI》播客中，葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee，谈到了制药行业是如何使用人工智能和机器学习技术的，且介绍了人工智能和机器学习技术的独特用例。