2026-03-19 日報 ⌂ 
---
date: 2026-03-19
tags: [通用人工智慧, 體內CAR-T, 電子健康紀錄, 醫療視覺AI, 暴露體學]
---

🩺 AI與醫藥每日摘要 - 第 030 期 (2026-03-19)

🌟 重點導讀 (Daily Highlights)

1. 美國國防部計畫讓 AI 公司在機密數據上訓練模型
(The Pentagon is planning for AI companies to train on classified data, defense official says)
原文連結
美國國防部正積極討論建立安全的運算環境，允許生成式人工智慧公司利用國防機密數據，來訓練軍事專用的語言模型。目前如 Anthropic 的 Claude 等模型已被應用於機密環境中進行情報問答與目標分析，但允許民間企業直接在機密資料上進行「訓練」則是一大政策突破。此舉旨在維持美國在軍用 AI 領域的絕對領先優勢，同時也引發了關於資料外洩風險與國防安全防護的深度討論。

2. 邁向 AGI 的進展衡量：一個認知框架
(Measuring progress toward AGI: A cognitive framework)
原文連結
Google DeepMind 正式提出了一個全新的認知評估框架，旨在客觀且系統化地衡量當前人工智慧邁向「通用人工智慧（AGI）」的具體進度。該框架跳脫了傳統的單一測試指標，轉而從多維度的認知能力、學習適應性與推理深度來定義 AGI 的里程碑。為了推動此框架的實際應用，DeepMind 同步在 Kaggle 平台上舉辦了一場駭客松，邀請全球開發者共同建立相關的評估基準，此舉將可能重塑未來 AI 發展的評估標準。

3. AI 醫療文書助理的下一次飛躍：在診所中加入「視覺」
(The next leap for AI scribes provides eyes in the clinic)
原文連結
目前的 AI 醫療文書助理多半僅依賴語音記錄來生成病歷，但最新研究指出，將「視覺能力」整合進 AI 助理中將帶來革命性的改變。透過視覺化 AI，系統不僅能聆聽醫病對話，還能「看見」患者的肢體語言、表徵狀況以及醫師的理學檢查動作。這項發表於《npj Digital Medicine》的研究證實，視覺整合不僅大幅提高了病歷記錄的精準度，更能進一步釋放臨床醫師的時間，讓他們能將全部心力專注於患者照護之上。

4. 結構化電子健康紀錄（EHR）基礎模型中的分詞權衡
(Tokenization Tradeoffs in Structured EHR Foundation Models)
原文連結
在訓練醫療專用的基礎模型時，如何將帶有時間戳記的電子健康紀錄（EHR）轉換為模型可讀的資料（分詞化，Tokenization）是一大挑戰。最新研究深入探討了不同的分詞策略對模型效能的影響，發現分詞方式直接決定了資訊保留的完整度與編碼的效率。這項研究為未來開發更強大、能精準預測患者病程變化的醫療人工智慧模型，提供了關鍵的底層架構指引與實證數據。

5. ARPA-H 如何開發並在臨床試驗中測試獲 FDA 授權的 AI 代理
(STAT+: How ARPA-H is developing FDA-authorized AI agents, tested in clinical trials)
原文連結
美國進階健康計畫署（ARPA-H）正在引領一項極具前瞻性的計畫，旨在開發能夠實際部署於醫院環境中的醫療人工智慧代理（AI Agents）。這些 AI 工具不僅僅是研究原型，而是直接進入嚴格的臨床試驗階段，並尋求美國食品藥物管理局（FDA）的正式授權。此舉顯示官方機構正加速推動 AI 在醫療決策與疾病預後分析中的合法落地，為未來的智慧醫療制定了全新的監管與實務雙重標準。

6. 在小鼠體內清除腫瘤，Azalea Therapeutics 推進活體內 CAR-T 療法的夢想
(STAT+: Clearing tumors in mice, Azalea Therapeutics advances dream of in vivo CAR-T therapy)
原文連結
傳統的 CAR-T 細胞療法需要將患者細胞抽出體外進行基因改造，過程繁瑣且成本極高。Azalea Therapeutics 最新發表的動物實驗帶來了重大突破，他們成功利用精確的基因編輯技術，直接在小鼠「體內」生成具有抗癌能力的 CAR-T 細胞並成功清除腫瘤。如果這項活體內（in vivo）技術能成功轉譯至人體，將有望大幅降低血癌治療的成本並擴大患者的獲益範圍。

7. 健康與疾病風險中暴露體與表型關聯的圖譜
(An atlas of exposome–phenome associations in health and disease risk)
原文連結
《Nature Medicine》發表了一項震撼公衛界的超大規模關聯性研究，系統性地分析了 619 種環境暴露因子（暴露體）與 305 種量化健康特徵（表型）之間的關係。研究結果明確指出，血液脂質、持久性環境污染物以及維生素 E 的水平，是影響人類整體健康表型的最關鍵貢獻者。這份詳盡的「圖譜」為未來的預防醫學與公共衛生政策提供了極為重要的科學數據支撐。

8. 現實查核：ChatGPT 並沒有治癒狗狗的癌症
(ChatGPT did not cure a dog’s cancer)
原文連結
日前一位沒有生物學背景的科技創業家聲稱 ChatGPT 拯救了他罹患癌症的狗，該故事被科技巨頭廣泛宣傳為 AI 顛覆醫療的鐵證。然而，深入的調查與現實情況卻顯示，AI 所提供的建議僅是基礎資訊，並未真正達到「治癒」的醫療等級標準。這則新聞點出了在生成式 AI 狂熱下，大眾與媒體容易將 AI 的輔助能力過度神話，強調在嚴謹的醫療決策中，專業獸醫與醫師的判斷仍不可或缺。

🔬 醫藥領域次分類

Evidence (實證醫學)

  • 為什麼某些乳癌擴散得更快：Jagged1 可能引發組織硬化的回饋迴路 (Why some breast cancers spread faster: Jagged1 may trigger a tissue-stiffening feedback loop)
    原文連結
    研究人員發現了指導乳癌惡化期間腫瘤組織不良重塑的新機制。Jagged1 蛋白會引發組織硬化的惡性循環，這項發現有望為目前缺乏標靶療法的侵襲性乳癌提供全新治療方向。

Clinical (臨床研究與應用)

  • 抗癌藥物的蛋白質標靶也可能有助於對抗流感 (Cancer drug protein target may also help fight influenza)
    原文連結
    最新動物研究表明，幫助腫瘤逃避免疫攻擊的 PD-L1 蛋白，在某些情況下竟能協助免疫力低下的個體清除受流感感染的肺部細胞。這意味著現有的抗癌標靶藥物在抗病毒治療中可能具有意想不到的臨床潛力。
  • 針對 Koren 關於可待因母乳哺育問題的初步擔憂之回應 (Re: First concerns regarding the Koren Codeine breastfeeding issue)
    原文連結
    醫學界針對哺乳期婦女使用可待因（Codeine）的安全性進行了深入的辯論。專家強調需要重新檢視臨床用藥風險，以避免對新生兒造成潛在的呼吸抑制與致命威脅。
  • 對胃癌或胃食道交界腺癌初始治療試驗的快速回應 (Rapid Response to: Camrelizumab plus CAPOX with camrelizumab based maintenance versus CAPOX alone as initial treatment...)
    原文連結
    臨床學者對 Camrelizumab 聯合 CAPOX 用於胃癌第一線治療的第三期隨機試驗結果提出專業點評。討論聚焦於該免疫療法的生存效益及後續維持治療的臨床指導意義。

Guideline (醫療指引與政策)

  • 遭小羅伯特·肯尼迪解雇的前聯邦自閉症顧問成立新委員會 (Former federal advisers on autism who were let go by RFK Jr. form a new committee)
    原文連結
    一群曾服務於聯邦顧問委員會的頂尖科學家，在被川普政府解職後自發成立了獨立專家小組。他們旨在提供基於科學實證的自閉症政策建議，以抗衡政府目前推行的具爭議性議程。
  • 紅州推動模範立法以保護危機懷孕中心 (Red states move to protect crisis pregnancy centers using model legislation)
    原文連結
    保守派州正積極推動《CARE法案》，為反墮胎的危機懷孕中心提供法律保護傘。同時，其他州則指控這些中心存在欺騙性行為並試圖予以打擊，突顯了美國生殖醫療政策的嚴重分歧。
  • 明尼蘇達州醫療補助資金面臨史無前例的威脅，其他州恐成下個目標 (The threats to Minnesota's Medicaid funds are unprecedented. Other states could be next)
    原文連結
    隨著聯邦政府加大對醫療詐欺的打擊力度，明尼蘇達州數億甚至數十億美元的醫療補助（Medicaid）資金陷入停擺。此政策動盪不僅影響當地弱勢族群就醫權益，也讓其他州面臨相同的資金凍結風險。

Pharma (藥物研發與產業)

  • 馬里蘭州立法者要求製藥與患者團體披露疾病意識宣傳的財務關係 (STAT+: A Maryland legislator wants pharma and patient groups to disclose ties to disease awareness campaigns)
    原文連結
    馬里蘭州提出一項新法案，強制要求製藥公司必須公開其與患者倡議團體在「疾病意識宣傳」中的財務往來。此舉旨在提升醫療廣告的透明度，防止藥廠透過非營利組織進行間接行銷。
  • 杭亭頓舞蹈症研究者對 UniQure 與 FDA 爭議的看法 (STAT+: A Huntington’s researcher on the UniQure-FDA fray)
    原文連結
    知名研究員針對 UniQure 基因療法與 FDA 之間的監管爭議發表了謹慎的評論。此外，嬌生集團（J&J）成功獲得了全球首創的乾癬口服藥物核准，為自體免疫疾病市場帶來新的競爭格局。

Public Health (公共衛生)

  • 繪製人類化學暴露體圖譜以促進公共衛生 (Mapping the human chemical exposome for public health)
    原文連結
    科學家呼籲建立全面的人類化學暴露體圖譜，以追蹤環境中各種化學物質對人體的累積影響。這將大幅提升公共衛生機構預防慢性疾病與制定環境保護政策的能力。
  • 研究發現：疫情初期超過 15 萬名 Covid-19 死者未被計入 (More than 150,000 uncounted Covid-19 deaths occurred early in the pandemic, a study finds)
    原文連結
    一項新研究指出，美國在新冠疫情爆發初期的實際死亡人數遠高於官方統計數據，隱藏了超過十五萬起未通報案例。該數據也突顯了醫療資源分配與通報系統中的嚴重社經不平等問題。
  • 官方確認：肯特郡致命的腦膜炎疫情為較少被針對的 B 型菌株 (Re: Meningitis: Fatal outbreak in Kent is less targeted strain B, officials confirm)
    原文連結
    英國肯特郡爆發的致命腦膜炎疫情已被確認由 B 型菌株引起。專家對此表示擔憂，指出該型別的疫苗覆蓋率明顯不足，呼籲當局應迅速調整公共衛生疫苗接種策略。
  • 免費夏令營有助於縮小兒童健康行為的差距 (Free summer camp helps close the gap in healthy behaviors for kids, study finds)
    原文連結
    一項為期三年的研究結果顯示，為低收入家庭兒童提供免費的夏令營活動，能顯著改善他們的運動與飲食習慣。這項公衛措施被證實能有效縮小社會經濟階層造成的健康不平等。
  • 英國人是否對華盛頓的軍隊發動了生物戰？ (Did the British unleash biological warfare against Washington's troops?)
    原文連結
    歷史醫學研究回顧了 1777 年冬季美國獨立戰爭期間的事件，探討英軍是否刻意利用天花病毒作為生物武器來削弱華盛頓的軍隊。這段歷史為現代流行病學傳播與軍事醫學防護提供了早期的參考案例。
  • 面臨激進化風險的男孩必須以同情心而非懷疑來對待 (Re: Boys at risk of radicalisation must be approached with compassion, not suspicion)
    原文連結
    針對近期青少年心理健康與社會極端化的問題，醫學與心理學專家呼籲社會應採取關懷介入的態度。以懲罰和懷疑為基礎的政策將適得其反，建立心理支持系統才是根本的公衛解決方案。

💻 AI 領域次分類

Foundation Models (大模型與基礎研究)

  • Nemotron 3 Nano 4B：適用於高效本機 AI 的緊湊型混合模型 (Nemotron 3 Nano 4B: A Compact Hybrid Model for Efficient Local AI)
    原文連結
    NVIDIA 發表了參數規模為 4B 的緊湊型模型 Nemotron 3 Nano，專為資源受限的本機端設備所設計。該模型透過混合架構大幅提升了邊緣運算的推論效率，並確保了資料處理的隱私性。
  • XLinear：具備交叉濾波器的頻率增強型 MLP 用於穩健的長序列預測 (XLinear: Frequency-Enhanced MLP with CrossFilter for Robust Long-Range Forecasting)
    原文連結
    為了解決多層感知機（MLP）在捕捉時間序列長程依賴性上的不足，研究團隊提出了 XLinear 架構。該模型結合了頻率增強與交叉濾波技術，在長序列時間預測任務上展現出極高的抗噪聲能力與準確度。
  • 具備上下文評分量表獎勵的交替強化學習 (Alternating Reinforcement Learning with Contextual Rubric Rewards)
    原文連結
    研究提出了一種名為 RLRR 的全新強化學習框架，以多維度的評分量表取代傳統的單一標量獎勵。這種結構化的獎勵機制能讓 AI 模型在複雜的上下文中學習到更符合人類細緻偏好的決策策略。
  • 如何實現原型生滅以進行領域外檢測？ (How to Achieve Prototypical Birth and Death for OOD Detection?)
    原文連結
    傳統的領域外（OOD）檢測多依賴固定數量的原型學習，無法適應資料類別的複雜變化。本研究提出了一種能動態生成與銷毀原型的全新機制，大幅提高了機器學習模型在面對未知數據時的安全防護能力。
  • 非歐幾里得空間中的神經符號邏輯查詢問答 (Neural-Symbolic Logic Query Answering in Non-Euclidean Space)
    原文連結
    研究團隊開發出名為 HYQNET 的神經符號模型，用以解決在不完整的知識圖譜上進行複雜一階邏輯查詢的問題。透過非歐幾里得空間的映射，該模型成功結合了符號推理的解釋性與神經網路的泛化能力。
  • NextMem：邁向以 LLM 為基礎之代理的潛在事實記憶 (NextMem: Towards Latent Factual Memory for LLM-based Agents)
    原文連結
    為解決語言模型代理在文字記憶上索引負擔過重及參數記憶容易遺忘的問題，學者提出了 NextMem 潛在事實記憶框架。該架構賦予 AI 代理更長效且穩定的記憶提取能力，對於多步決策任務至關重要。
  • 形式追隨功能：遞迴詞幹模型 (Form Follows Function: Recursive Stem Model)
    原文連結
    為了減少訓練複雜推理模型所需的大量運算成本與深度監督，研究人員推出了遞迴詞幹模型（RSM）。這種輕量級的權重共享網路能透過不斷反覆運算來精煉潛在狀態，高效解決計算密集型的難題。

AI Products & Tools (AI 生態產品與工具)

  • 如何使用 NVIDIA AI-Q 與 LangChain 構建用於企業搜尋的深度代理 (How to Build Deep Agents for Enterprise Search with NVIDIA AI-Q and LangChain)
    原文連結
    NVIDIA 釋出了運用 AI-Q 技術與 LangChain 框架整合的開發指南，專門解決企業內部資料碎片化的問題。這套工具能協助開發者快速構建具備上下文理解能力的深度搜索代理，提升職場生產力。
  • DLSS 5：Nvidia 的 AI 圖形技術是否走得太遠了？ (DLSS 5: Has Nvidia's AI graphics technology gone too far?)
    原文連結
    Nvidia 最新發布的「3D 引導神經渲染模型」DLSS 5 能即時改變遊戲內的光影與材質，卻引發玩家強烈反彈。許多玩家抱怨該 AI 技術過度干預畫面，導致經典角色外觀變形，引發了對 AI 在遊戲渲染界限的討論。
  • AIDABench：AI 資料分析基準測試 (AIDABench: AI Data Analytics Benchmark)
    原文連結
    隨著 AI 文件處理工具的普及，學界推出了 AIDABench 這套全面的基準測試平台。有別於傳統的單點能力測試，該平台專注於評估 AI 在實際商業場景中的端到端資料分析與任務處理效能。
  • Polly 在您工作所在的 LangSmith 中已全面開放使用 (Polly is generally available everywhere you work in LangSmith)
    原文連結
    LangChain 宣布其專屬 AI 助理 Polly 正式上線，這款工具專為除錯複雜的 AI 代理而生。它能快速梳理成千上萬行的提示詞與多層級的執行追蹤紀錄，幫助開發者迅速定位錯誤發生的上下文根源。

AI Industry & Business (AI 產業與商業動態)

  • 大衛·薩克斯對伊朗的重大警告被嚴重忽視 (David Sacks’ big Iran warning gets big time ignored)
    原文連結
    知名科技投資人 David Sacks 近期針對科技平台與地緣政治（尤其是伊朗相關議題）發出警告，卻未能引起業界的重視。這篇專欄深入探討了科技界在面對國際政治風險與監管壓力時的選擇性忽視現象。

AI Safety & Ethics (AI 安全、對齊與倫理)

  • OpenAI 日本宣布「日本青少年安全藍圖」以將青少年安全置於首位 (OpenAI Japan announces Japan Teen Safety Blueprint to put teen safety first)
    原文連結
    OpenAI 在日本正式推出青少年安全防護藍圖，為使用生成式 AI 的未成年人引入了更強的年齡驗證與家長控制功能。這項措施展現了企業在擴展全球市場時，對符合在地文化與網路安全倫理的積極承諾。
  • 引導凍結狀態的 LLM：透過線上提示詞路由實現自適應社會對齊 (Steering Frozen LLMs: Adaptive Social Alignment via Online Prompt Routing)
    原文連結
    大型語言模型在部署後的固定權重難以應對不斷演變的越獄攻擊與社會規範變化。研究團隊提出了一種無須重新訓練的「推論期提示詞路由」機制，讓凍結的模型也能即時適應動態的安全對齊需求。
  • 受理解力限制的代理經濟：針對 AI 經濟代理的安全性優先架構 (The Comprehension-Gated Agent Economy: A Robustness-First Architecture for AI Economic Agency)
    原文連結
    隨著 AI 代理開始被授權執行交易與管理預算，現有的能力基準測試已無法保證其運作安全。新提出的架構嚴格要求 AI 代理的經濟操作權限必須受限於其被驗證的「理解能力」，從而大幅降低財務失控風險。

Hardware & Infrastructure (晶片、算力與基礎設施)

  • 聯邦網路專家稱微軟雲端為「一坨屎」，卻依然批准使用 (Federal cyber experts called Microsoft's cloud a "pile of shit," approved it anyway)
    原文連結
    根據最新曝光的內部文件，儘管美國聯邦網路安全專家對微軟雲端基礎設施的安全漏洞提出嚴厲批評，但該產品最終仍獲得了政府採購批准。此事件引發了外界對於國家級雲端基礎建設審查標準與供應商壟斷的強烈質疑。

🇬🇧 English Daily Highlights

Today's Intersection of AI and Healthcare
The convergence of artificial intelligence and medicine marks a critical theme in today's news cycle, with major strides in both practical applications and foundational frameworks. DeepMind has introduced a comprehensive cognitive framework designed to systematically measure progress toward Artificial General Intelligence (AGI), moving beyond isolated benchmarks to evaluate multifaceted cognitive adaptability. In the medical sphere, researchers are addressing the data-processing backbone of healthcare AI by analyzing the tradeoffs of tokenization in structured Electronic Health Record (EHR) foundation models, a critical step for retaining longitudinal clinical context without losing computational efficiency.

Clinical AI deployment is also accelerating rapidly. The Advanced Research Projects Agency for Health (ARPA-H) is taking a forward-looking approach by actively developing FDA-authorized AI agents that are being rigorously tested directly in clinical trials, signaling a robust shift toward regulated, hospital-ready AI infrastructure. Concurrently, a new study reveals that equipping AI medical scribes with "vision"—allowing them to observe physical examinations and patient body language alongside audio conversations—substantially improves the accuracy of patient notes and significantly reduces administrative burdens for clinicians.

Breakthroughs in Medical Science and Public Health
Beyond AI, significant biomedical breakthroughs were reported. In a promising leap for cancer treatment, Azalea Therapeutics demonstrated that CAR-T cells can be engineered in vivo using precise gene editing in mice, potentially bypassing the exorbitant costs and complexities of current ex vivo cell therapies. In the realm of public health, an expansive new study mapped the human chemical exposome, correlating 619 environmental exposures with over 300 health phenotypes, identifying pollutants, lipids, and vitamin E as profound influencers of long-term health outcomes.

Policy, Security, and Reality Checks
On the defense and policy front, the Pentagon is actively formulating secure environments to allow generative AI companies to train military-specific models directly on classified data, ensuring the U.S. maintains its strategic edge in defense technologies. Lastly, amidst the hype, a reality check was served: an entrepreneur's viral claim that ChatGPT "cured" his dog's cancer was debunked. While AI continues to prove its value as a supplementary information tool, the narrative underscores that complex medical decisions—whether for humans or animals—still fundamentally require professional clinical expertise.