环球医讯AI与医疗健康

莫菲特癌症中心正在测试一种人工智能工具，该工具能够为多发性骨髓瘤（一种罕见血液癌症）患者制定个性化治疗方案。这项AI技术可以在几小时内处理复杂的临床数据，将癌细胞与31种不同药物或药物组合进行测试，并分析患者的基因信息，帮助医生快速确定最佳治疗方案。研究人员强调，该工具旨在辅助而非取代医疗专业人员的判断，同时确保患者隐私得到保护，代表了人工智能在精准医疗领域的重要应用。

莫菲特癌症中心正在测试一种人工智能工具，用于为多发性骨髓瘤（一种罕见血液癌症）患者构建个性化治疗方案。该技术能在数小时内处理复杂的临床数据，并测试癌细胞对31种不同药物或药物组合的反应，将原本需要数年的工作缩短至数小时，从而帮助医生在六天内为患者制定量身定制的治疗计划。研究团队强调该工具旨在辅助而非取代医生决策，目前正使用受保护患者数据进行测试以确保安全性，未来将通过严格监管流程向全球推广。

莫斯科医疗系统推出第70项放射学人工智能服务，该工具专门用于分析儿童髋部X光片，自动完成复杂的髋部测量过程，辅助早期发现发育不良。副市长安娜斯塔西娅·拉科娃表示，这标志着儿科学领域的重大进步。AI通过精确标注解剖标志并计算角度，帮助医生更高效地生成报告，但最终临床决策权仍由主治医生掌握。目前莫斯科已将人工智能应用于45个放射学临床领域。

人工智能已成为现代莫斯科医疗体系的核心技术，辅助医生诊断、解读影像并解决诸多关键问题。莫斯科市长谢尔盖·索比亚宁在博客中详述了数字技术的发展历程：AI从早期粗陋方案逐步演进，经检测和注册后融入临床实践，随后进入标准化阶段。莫斯科在短短五六年内创建了28项国家标准（GOST），其中多项涉及生成式AI，这些标准未在ISO注册，使莫斯科得以塑造全球医疗AI监管议程。自2022年起，首项国家标准定义了AI系统临床试验方法；2025年七项新标准生效，涵盖功能、可靠性和应用要求；2026年又通过了利用基准数据集评估AI服务的标准以及统一术语分类的标准。标准化过程持续整合科研、临床经验和专业讨论，每项草案均公开征求意见。这一倡议由俄罗斯联邦技术规范与计量局下设的专门分委会主导，分委会设在莫斯科医疗保健部诊断与远程医学中心。莫斯科通过融合开发者与医生的专业知识，正在AI服务标准化方面引领全球趋势，并决定未来多年医疗发展的方向。

莫斯科通过制定28项国家标准（含多项新标准），将AI医疗服务从初期试错阶段带入标准化阶段，避免过往错误并保障质量；此举不仅覆盖影像诊断、临床试验等传统领域，还延伸至生成式AI，使莫斯科能在短短五六年内完成通常需数十年的标准化进程，从而在全球医疗AI监管议程中掌握话语权，为未来医疗发展奠定基础。

圣裘德儿童研究医院的Paul Geeleher团队开发了一种名为Combocat的新型机器学习策略，用于高效筛选药物组合。该方法利用密集数据集训练模型，然后仅需测试少量剂量组合即可预测大量未测试组合的效果，大幅提升实验效率。团队已将其应用于神经母细胞瘤的新治疗方案研究，并开源了该模型，希望推动社区共同努力，提升其预测能力。该研究发表于《自然·通讯》。

本文深入探讨了人工智能在药物研发领域的应用现状与发展前景，指出AI已从早期的炒作阶段进入实际生产力测试期。全球制药公司正积极寻求与AI公司的合作模式，包括靶点识别、蛋白质结构预测、抗体设计等关键环节。韩国制药企业如SK生物制药、Celltrion等正通过结合外部AI技术与内部数据资源，构建"扩展型研发实验室"模式以提高研发效率。文章同时强调，AI并非万能解决方案，其成功应用关键在于与研发系统的有效整合，以及建立AI生成假设与实验验证之间的闭环循环，而美国FDA已将AI视为贯穿整个药物研发周期的监管科学问题，标志着AI正从研究支持工具演变为监管申报和研发决策的组成部分。

本文分析了近期医疗健康领域人工智能应用的四个关键动态：Alphabet旗下Isomorphic Labs完成21亿美元B轮融资并推进自有药物研发、SandboxAQ将量化模型整合到Claude中、FDA启动ADVOCATE项目探索"行动型"AI监管、以及Grow Therapy解决心理健康保险系统断层问题。文章指出，这些领域共同面临系统间连接障碍的挑战，标志着2026年医疗AI正从功能特性向基础设施转变的关键转折点，核心在于解决技术与监管、财务和组织系统的整合问题。

普林斯顿大学研究团队开发人工智能工具分析药物对细胞核仁结构的影响，通过显微镜观测发现四种核仁形态变化模式，包括新发现的"花状"形态；研究揭示两种抗癌药物会引发帽状结构变化，拓扑替康药物导致新型花状形态，表明这些药物可能通过影响核仁功能产生治疗作用，为单细胞水平药物反应监测提供新方法，对阿尔茨海默病、肌萎缩侧索硬化症和癌症研究具有重要价值。

本文探讨了药品福利管理机构（PBM）在药物福利管理中越来越多地使用人工智能（AI）工具所带来的机遇与风险，并针对雇主作为健康计划发起人，在数据隐私、监管合规和合同责任方面可能面临的关键问题提供了实用建议。文章指出，PBM与健康计划发起人之间的行政服务协议（ASA）通常包含授权PBM使用AI的宽泛条款，但这可能引发一系列数据隐私担忧，例如AI使用导致的损害责任归属、AI将执行哪些裁决功能、PBM何时可使用AI而何时应禁止等。为规避风险，文章建议计划发起人在谈判ASA时推动三项关键条款：禁止AI用于裁决性决策、限制使用受保护健康信息（PHI）训练AI模型、将AI使用风险转移给PBM。此外，文章还提供了三项立即可以采取的主动措施，包括保持与PBM的沟通、建立稳健的AI导向政策和程序、以及聘请外部专家以应对快速演变的监管环境。