环球医讯AI与医疗健康

本期PharmTech周度新闻综述聚焦2025年9月29日当周医药行业关键动态，深入报道人工智能在药物研发中的加速应用、FDA和EMA最新监管指南更新、临床研究突破性进展、辉瑞与白宫达成的最惠国定价协议以及亚硝胺杂质引发的质量控制挑战。重点涵盖再生医学高级疗法审批灵活性、患者体验数据纳入监管决策、诺华remibrutinib获批拓展BTK抑制剂应用范围、放射性药物开发障碍及目标导向型AI在药物警戒领域的实际应用，全面呈现全球制药行业当前监管环境与创新发展格局。

最新研究证实，结合人类教练与人工智能的减肥项目显著提升用户减重效果。基于HealthifyMe应用6.5万名用户三年数据分析，人机协作模式下用户三个月平均减重2.12公斤，比纯AI模式多减74%。人类教练通过增强目标设定、提高饮食记录频次（每周102次对比49.7次）和体重监测频率，显著提升用户责任感，尤其对女性、年长者和起始BMI较低群体效果突出。该研究为健康科技公司优化服务模式和政策制定者应对全球肥胖挑战提供了关键依据，强调混合解决方案在数字健康领域的不可替代价值。

本文深入剖析了数据质量问题如何成为医疗健康领域人工智能实施的核心障碍，指出仅有25%的AI项目在过去几年实现预期投资回报率，医疗领域仅30%的AI试点能进入生产阶段。作者强调，急于求成而忽视数据基础设施建设是失败主因，详细阐述了数据治理作为赋能者而非障碍的关键作用，包括确保数据清洁高质量、建立透明可信的数据流程及实现多系统整合。文章呼吁医疗机构应优先夯实数据基础，将耐心视为战略优势，避免昂贵的AI实验因缺乏可靠数据支撑而无法规模化应用，最终导致临床决策失误和资源浪费。

印第安纳大学卢迪信息、计算与工程学院研究人员将人工智能和机器学习创新应用于声流控技术领域，该技术利用声波在液体中操控细胞，实现了无接触、无标记的生物材料处理。郭峰教授团队凭借此项研究获得美国国立卫生研究院150万美元资助，通过整合人工智能与类器官计算形成"生物智能"系统，显著提升了传染病研究、癌症治疗和再生医学等领域的实验效率。该技术能实时监测细胞动态并快速筛选药物化合物，为个性化医疗提供精准支持，同时避免了传统实验中的交叉污染风险，目前已有医疗初创企业寻求技术授权，展现出在神经刺激、透皮给药等临床应用中的广阔前景，标志着工程学与生物医学交叉创新的重大突破。

本文深入分析了人工智能在医疗设备领域的快速发展现状及监管挑战。截至2024年12月20日，美国食品药品监督管理局已授权1016款AI/ML赋能医疗设备，标志着AI在提升诊断准确性、推动个性化治疗和优化临床操作方面的重大突破。文章系统回顾了从20世纪90年代静态算法到当代自适应AI模型的演变历程，重点阐述了性能退化、透明度不足、上市后监管等七大核心监管难题，并详细介绍了FDA数字健康卓越中心与加拿大卫生部数字健康部门的创新应对策略，强调在确保安全性、有效性和伦理合规的前提下，构建动态适应的全球监管框架以平衡创新速度与患者安全。

美国食品药品监督管理局（FDA）公开征集行业意见，探讨如何在真实世界环境中持续监测人工智能赋能医疗设备的性能表现，以确保其全生命周期的安全性和有效性。截至2025年10月，FDA当年已批准141款此类设备，累计总数达1250款。该机构强调需建立动态监测机制应对算法性能漂移问题，同时参考了欧盟2024年通过的《人工智能法案》及《自然·医学》期刊提出的用户界面反馈机制建议，旨在通过预设变更控制计划和全产品生命周期监管框架，提升患者安全水平并优化监管流程，最终实现人工智能医疗技术在临床应用中的可靠性保障。

Delphi-2M是一种创新的生成式人工智能模型，能够预测个人未来数年内患上1000多种疾病的风险，该模型基于Transformer架构，使用英国生物银行50多万名参与者的纵向健康数据训练，并在丹麦190万个体数据上完成验证，不仅能同时评估多种疾病风险并捕捉其相互关联性，还能模拟数十年健康演变轨迹，在慢性病预测方面表现优异但对偶然事件影响较大的疾病准确性有限，目前作为研究工具为预防医学和精准医疗提供新视角，标志着大规模健康数据与先进机器学习结合的重要突破，其伦理应用与临床转化仍需深入探索。

弗雷德哈钦森癌症研究中心联合达纳-法伯、约翰霍普金斯及纪念斯隆凯特琳等顶尖机构成立癌症AI联盟，创新采用联邦学习技术解决医疗数据隐私难题，通过让AI代码访问本地存储数据而非传输敏感信息，实现跨中心癌症研究协作；该平台已启动包括免疫疗法响应预测和罕见癌症趋势识别在内的八个初始项目，允许医生以自然语言提问获取分析结果，并计划扩大机构参与范围以提升数据多样性和代表性，有望显著加速癌症治疗突破进程，同时规避大型语言模型训练中的偏见风险。

本文深入探讨了人工智能聊天机器人在心理健康护理领域的应用现状与前景，详细介绍了达特茅斯学院进行的首项生成式AI聊天机器人随机对照试验结果，分析了AI工具在补充心理健康服务方面的潜力与局限，并汇集了斯坦福大学和北佛罗里达大学专家的观点，强调AI应作为治疗师的辅助工具而非替代品，特别是在处理中重度心理健康问题时，同时指出了建立评估标准、确保数据安全及维护治疗关系的重要性。

本文系统阐述了人工智能在医疗健康领域的核心应用，重点解析了AI在预测性诊断、个性化治疗、临床决策支持及患者体验优化中的具体实践，同时为创业者提供了数据治理、伦理合规和投资回报的实施框架，强调AI通过提升诊断精度、减少医疗差错和优化慢性病管理，正推动医疗体系从被动治疗转向主动干预，最终实现更安全高效的人本化医疗服务。