环球医讯

在2026年美国临床肿瘤学会(ASCO)年会上，辉瑞公司公布了TALAPRO-3三期临床试验的初步结果，显示Talzenna(他拉唑帕利)与Xtandi(恩扎卢胺)联合疗法在同源重组修复(HRR)基因突变的转移性去势敏感性前列腺癌(mCSPC)患者中展现出显著临床价值，相比单独使用恩扎卢胺，联合疗法使影像学无进展生存期(rPFS)风险降低52%，其中BRCA突变患者风险降低63%，非BRCA HRR突变患者风险降低43%，这一突破性研究不仅强调了分子生物标志物检测在前列腺癌诊疗中的关键作用，还可能重塑晚期前列腺癌的治疗格局，为患者提供更精准有效的早期干预方案。

Ambroise Wonkam博士作为约翰霍普金斯大学Henry J. Knott基因医学教授、McKusick-Nathans研究所主任及非洲人群基因医学研究中心(GeneMAP)创始人，深入探讨了镰状细胞病的基因研究突破。他强调非洲人群基因组学对理解人类基因组的三大关键价值——祖先溯源、生态适应与医疗公平，指出当前主要基因数据库中非洲血统数据不足2%的严重失衡。Wonkam博士分享了提高胎儿血红蛋白水平的FLT1基因研究、α地中海贫血对镰状细胞病患者的保护作用等重大发现，并剖析了非洲大陆基因医学面临的规模化挑战，提出应借鉴M-Pesa移动银行模式实现技术跨越式发展，为全球15亿非洲人口构建创新性基因医疗解决方案。

剑桥大学与DIOSynVax公司开发的AI超级抗原疫苗技术通过单次注射即可提供对整类病毒的免疫力，该技术利用人工智能分析病毒生存关键要素，已在人体试验中证实安全有效，标志着疫苗开发从"反应式"向"预防式"的重大范式转变，有望在病毒爆发前提供广泛保护，避免未来大流行病带来的封锁与经济损失，为应对埃博拉等病毒数千变体提供持久防护，是人工智能与医学融合的突破性进展

人工智能正在彻底变革药物研发领域，将原本需要10-15年且耗资26亿美元的药物开发周期大幅缩短至数月。通过AI在靶点识别、化合物设计、临床前测试和临床试验优化等环节的应用，药物研发成本降低30%-70%，成功率提高2-3倍。Atomwise、Recursion Pharmaceuticals等公司已在埃博拉病毒应对、新冠药物再利用和抗生素发现等领域取得突破性成果，量子计算、数字孪生和个性化医疗等新兴技术将进一步加速这一变革进程，为全球健康带来前所未有的机遇。

剑桥大学与衍生公司DIOSynVax合作开发的AI设计通用Sarbeco冠状病毒疫苗成功通过首个人体临床试验，证实该疫苗安全且无明显副作用。这项创新技术利用AI设计的"超级抗原"提供持久保护，不仅能抵御SARS-CoV-2和SARS病毒，还能针对可能从动物跳转至人类并引发未来大流行的蝙蝠病毒。该疫苗采用无针微流体喷射方式递送，为害怕针头注射的人群提供替代方案。这是首次在人体中测试完全由计算机模拟设计的疫苗活性成分，标志着疫苗开发从"被动反应"转变为"未来防护"，有望突破当前疫苗需频繁更新的局限，为应对未来可能出现的病毒威胁提供更广泛、更持久的保护。

英国科学家研发出一种由人工智能设计的"超级抗原"疫苗，该疫苗通过分析病毒基因序列确定其生存必需要素，可在单次注射中提供对整个病毒家族的免疫力，有效预防未来病毒突变。这项技术已在冠状病毒疫苗上取得初步成功，未来有望应用于埃博拉病毒和禽流感等，彻底改变当前"反应式"疫苗研发模式，提前预防大流行，拯救数百万人的生命，避免封锁和经济受损，标志着疫苗研发领域的重大范式转变。

英国研究人员利用人工智能技术成功设计出一种能同时针对多种病毒的新型疫苗，该疫苗已完成初步测试。这一突破性进展有望大幅缩短疫苗研发周期，使科学家能够更快应对新出现的传染病威胁。研究表明，AI可分析海量生物数据识别病毒中不易变异的区域，设计出能对抗多种相关病毒的"超级抗原"，为未来可能爆发的大流行病提供更全面的防护。剑桥大学乔纳森·希尼教授表示，这标志着疫情准备策略的根本性转变，目标不仅是应对当前病毒，更是预防下一次疫情爆发。南安普顿大学索尔·福斯特教授称该技术"潜力巨大"且"令人振奋"，特别擅长为正在变化的病毒设计潜在大流行病疫苗。

瑞典哥德堡大学医学研究员阿尔米拉·奥斯马诺维奇·通斯特伦在2024年进行了一项实验，她创造了一种名为"bixonimania"的虚构眼疾并发布虚假研究，测试AI是否会传播医疗错误信息。结果令人震惊，主要AI系统迅速将这种不存在的疾病当作真实病症推广，甚至建议患者就医。研究显示，AI聊天机器人在医疗问题上约50%的回答"有问题"，20%的回答"高度有问题"，凸显了AI在医疗健康领域应用的风险与局限性，警示我们不应盲目相信AI在医疗保健领域的建议。

巴塞罗那生物医学研究所结构生物信息学与网络生物学实验室提出创新策略，利用生成式人工智能设计新型化学实体，通过表型发现方法精准靶向特定细胞类型而非特定蛋白质靶点。研究团队测试了超过1.1万种化合物在8种不同细胞模型中的活性，开发出基于生物活性信息的预测模型，并将其整合到生成式AI系统中设计候选分子。实验证实，AI设计的化合物不仅在选择性作用于特定细胞模型方面表现出色，其生物活性和结构新颖性均超越传统筛选方法，为缺乏明确治疗靶点的疾病提供了更快速、更精准的药物研发新途径。

华盛顿大学医学院研究人员开发了一种结合AI增强心电图和电子健康记录的模型，能够识别心脏骤停高风险人群，将风险从普通人群的每年千分之一提升至百分之一至百分之二，这一发现有望改变心脏骤停的筛查和预防策略，为高风险人群提供更精准的干预措施。该模型在39,911名患者队列中验证，高风险组2年心脏骤停累积发生率为2.4%，显著高于低风险组的0.5%，研究人员正寻求进一步研究以确定系统性筛查方案，并探索对特定人群如心脏病家族史者、运动员等的应用价值，同时强调避免过度筛查造成"过度担忧的健康人群"问题，需通过基因评估、高级心脏成像和持续心律监测等方法完善筛查流程。