环球医讯AI与医疗健康

瑞士制药巨头罗氏以10.5亿美元收购马萨诸塞州人工智能医疗诊断公司PathAI，这一里程碑式交易彰显了该州在人工智能与医疗健康交叉领域的独特优势。PathAI开发的AI软件能将病理切片数字化并进行毫秒级精准分析，帮助病理学家诊断癌症等疾病，其技术可准确计算组织样本中的癌细胞数量，标志着"应用型AI"在马萨诸塞州的成功实践，与硅谷通用型AI公司形成鲜明对比，为当地AI企业吸引风险投资和顶尖人才提供了有力证明，也为全球数字病理学发展指明了方向，展示了人工智能如何切实提升医疗诊断的准确性和效率。

本文介绍了人工智能如何助力罕见疾病新药研发的创新进展。欧盟资助的DREAMS研究项目利用AI平台Sapian与诱导多能干细胞技术相结合，针对五种罕见神经肌肉疾病开发治疗方法。研究团队通过分析2700种已获批药物，探索药物再利用可能性，并采用创新的"篮式临床试验"方法，有望突破罕见疾病药物研发周期长、成本高、患者数量少等传统难题，为全球约94%尚无有效治疗方案的7000-10000种罕见疾病带来希望。该研究不仅体现了AI在医疗领域的突破性应用，更展示了科技与人文关怀的深度融合，为数百万罕见病患者点亮了生命希望。

本文深入探讨了心理治疗师使用AI工具记录会话和自动生成临床笔记的现象，通过患者莫莉·奎因的亲身经历展现了隐私担忧，同时介绍了Berries等公司提供的AI辅助服务及其宣称的减轻行政负担优势，引用了医学伦理专家对HIPAA合规性局限性的警示，呈现了治疗师引入AI技术在提升效率与维护治疗关系之间的两难困境，反映了科技在心理健康领域应用所面临的信任、隐私和伦理挑战。

普罗维登斯医疗系统正积极扩大Epic原生AI工具的应用范围，通过将AI功能整合到电子健康记录系统中来简化技术架构。该系统近期推出12个新的AI用例，包括临床文档摘要、编码辅助和预测性拒付功能，旨在减少应用复杂性、优化临床工作流程并降低对外部独立解决方案的依赖。这种战略转型不仅提升了工作效率，还显著减少了系统集成和维护成本，为医疗AI应用提供了可复制的成功范例，同时确保临床医生能够将更多时间用于面对面患者护理而非数据录入工作。

内布拉斯加儿童医院正致力于一项雄心勃勃的计划，目标是在2027年前让所有临床医生掌握"感知式编码"技术，使医护人员能够自行开发应用程序。该计划以医院的Mammal创新中心为核心，旨在通过人工智能降低定制开发门槛，让临床工作流程驱动技术开发而非依赖供应商设计的通用解决方案。执行副总裁兼首席信息与创新官Ryan Cameron认为，感知式编码——即利用AI生成功能软件而无需深厚编程专业知识的方法——是可行的，只需额外的质量保证步骤，能让亲身体验医疗问题的医护人员直接参与开发，创造更符合实际需求的医疗技术解决方案，从而提高医疗服务效率和质量。

人工智能正在深刻改变医疗健康领域，欧洲Health AI Register登记显示截至2026年4月已有300多个放射学AI系统获得医疗器械认证，美国FDA批准的AI医疗产品更是超过1451个。从健康聊天机器人到数字孪生技术，AI已不再是医疗辅助工具，而是患者护理的核心组成部分，能够帮助医生更精准诊断、制定个性化治疗方案，并加速新药研发进程，但同时也面临数据标准不统一、隐私保护和审批流程等挑战。

文章探讨了人工智能如何革新药物发现过程，指出到2026年，机器学习工具已将早期药物发现时间缩短约三分之一，临床前候选药物开发周期从四年降至13-18个月。文中分析了技术驱动型生物公司构建计算平台的模式，以及法国约20家专注于发现软件的公司发展情况，强调数据获取是平台扩展的主要瓶颈，同时指出尽管数字工具加速了研发进程，但临床试验、患者招募和监管审查仍受生物学因素限制，目前全球有超过170个AI设计的药物项目正在进行临床开发。

法国巴黎与美国剑桥的生物制药公司Biomunex宣布与人工智能企业戈迪恩生物科学公司和唐格拉姆生物技术公司达成战略合作，将AI技术深度整合至双特异性抗体研发流程，重点加速癌症免疫疗法中新型靶点组合的发现与验证。通过AI驱动的生物网络分析和生成式人工智能技术，该公司旨在优化靶点筛选、缩短研发周期，推动针对实体瘤和血液系统恶性肿瘤的下一代免疫疗法开发，其专有的BiXAb®平台已成功应用于黏膜相关不变T细胞重定向治疗领域。

本文警示了在人工智能快速发展背景下忽视质量控制所带来的潜在风险，作者通过类比工业革命时期因安全措施滞后导致的工人伤亡案例，指出当前AI领域同样存在类似问题。文章详细分析了AI在危机响应、自动驾驶和医疗诊断等关键领域的安全隐患，强调商业领导者必须加强对供应商的严格审查，建立完善的质量控制体系、安全防护机制和网络安全措施，确保人工智能技术的安全可靠应用，避免因追求速度而牺牲安全，从而在拥抱AI创新的同时防止可预防的伤害发生，为构建安全可持续的技术未来提供重要指导。

西北大学Rocklin实验室宣布发布MGnify稳定性数据集，该资源包含180万个多样化蛋白质结构域的折叠稳定性实验测量数据，由OpenFold联盟支持，首次大规模提供关键负向数据以训练生物分子AI基础模型；该数据集通过cDNA展示蛋白水解技术生成，涵盖超20万个序列家族，显著提升SaProtΔG和ESM3ΔG等模型对蛋白质稳定性的预测能力，为药物发现和蛋白质工程提供重要支持，标志着生物分子人工智能向理解蛋白质物理特性迈出关键一步。