环球医讯AI与医疗健康

日本顺天堂大学的研究表明，人工智能在评估医患面诊文字记录方面可以达到与临床专家相当的准确性，同时能够提供更快、更可扩展的反馈。研究发现，基于AI的评估系统与人工评估结果高度一致，评估分数差异极小，且评估时间减少超过50%，为医学教育提供了新的可能性。该研究采用"AI先行、教师验证"模式，既能减轻教育工作者负担，又能确保学生及时获得反馈，但研究人员强调AI评估需人类监督，因为它无法捕捉非语言线索、语气和文化背景等重要细微差别。

诺和诺德与OpenAI宣布建立战略合作伙伴关系，旨在利用人工智能技术加速药物研发进程。该合作将使这家丹麦制药巨头能够应用先进AI分析复杂数据集、识别潜在药物并大幅缩短研发周期，重点聚焦于糖尿病和肥胖症治疗领域。双方计划在研发、制造和商业运营等多个环节实施AI解决方案，预计将于年底前实现全面整合，为数百万患者带来更快速、更有效的治疗选择，标志着制药行业与人工智能技术深度融合的新里程碑。

伦敦初创公司Basecamp Research正在开发名为EDEN的AI系统，该系统基于万亿级基因数据训练，旨在通过分析自然界中的DNA序列来设计新型药物和基因疗法，以治疗癌症和罕见遗传疾病，同时通过与28个国家建立合作伙伴关系确保生物多样性数据的公平获取与利益分享，展现了AI技术在医药研发领域的革命性应用前景，有望大幅缩短药物研发周期并为患者提供更精准的治疗方案。

亚马逊云服务(AWS)推出Amazon Bio Discovery人工智能应用，旨在通过让科学家无需编写代码即可运行复杂计算工作流程，加速早期药物发现过程。该工具提供专门的生物基础模型库，帮助研究人员生成和评估潜在药物分子，并配备AI代理协助选择模型、设置参数和解释结果。全球前20大制药公司中有19家已使用AWS云服务，拜耳、Broad研究所等机构已成为早期采用者。在与纪念斯隆-凯特琳癌症中心的合作中，该平台成功将可能需要数月的药物研发工作压缩至数周，展示了AI在生命科学领域的重要价值。

丹麦制药巨头诺和诺德宣布与人工智能领军企业OpenAI达成战略合作，共同推进AI在药物研发领域的深度应用。此次合作将利用先进的人工智能技术分析复杂生物医学数据集、高效识别有前景的候选药物，并显著缩短从实验室研究到患者应用的时间周期。诺和诺德已建立AI卓越中心，部署FounData数据池和NovoScribe AI平台，同时与AWS、微软等科技巨头保持紧密合作，旨在通过AI技术彻底变革医疗保健行业，更快地为全球数百万肥胖症和糖尿病患者提供创新治疗方案，预计到2026年底实现全面业务整合，加速新疗法的发现与市场投放。

丹麦制药巨头诺和诺德宣布与OpenAI达成合作，将人工智能技术全面应用于药物研发、制造及商业运营各环节，旨在加速减肥药物开发进程并提高运营效率，以应对在减肥药市场落后于礼来公司的竞争压力，该合作将从2026年启动试点项目，预计年底前实现全面整合，同时OpenAI将协助培训诺和诺德全球员工提升人工智能素养，此次合作标志着人工智能在生命科学领域应用的重要进展，有望为制药行业带来革命性变化，同时严格保障数据安全与人工监督机制。

伦敦癌症研究所和都柏林皇家外科学院科学家开发了名为PhenMap的人工智能工具，用于预测哪些晚期肠癌患者最可能从NHS批准的靶向药物贝伐珠单抗中获益。该技术通过整合肿瘤基因构成数据与患者临床信息，帮助识别药物有效人群，避免患者承受不必要的副作用，有望在多种癌症类型中推广应用，改善癌症治疗的精准度和效果，为数千名癌症患者带来更个性化的治疗方案。

澳大利亚生物技术公司Kazia Therapeutics向澳大利亚布里斯班的QIMR Berghofer研究所支付140万美元，获取其开发的表观遗传学药物发现平台。该平台整合了人工智能技术，用于创建靶向SETDB1蛋白的疗法，旨在恢复对免疫治疗产生抗性的肿瘤中的免疫信号。Kazia还获得了先导候选药物MSETC及后续药物管线，结合公司现有的paxalisib和PD-L1平台，将在肿瘤生物学的多个层面上开发癌症治疗方法，为难治性癌症患者提供新的治疗希望。

本文探讨了AI技术如何在复杂制药环境中推动能力提升，重点关注AI在制药培训、流程预测和数据利用三大方面的变革性应用。Umoja Biopharma的Christopher Lewis指出，AI可以替代传统的文档密集型培训模式，提供个性化的任务特定能力培养；作为预测工具持续监控流程性能；并帮助自动化重复性任务，释放高技能人才的创造力；最终解锁制药行业庞大数据库中的价值，推动质量和合规性发展，为制药行业带来革命性变革。

全球制药巨头诺和诺德正积极布局人工智能领域，通过战略合作伙伴关系加速药物研发和制造流程优化。文章详细阐述了生成式AI在GLP-1类肥胖药物分子研究、临床试验设计及供应链管理中的应用现状，指出人工智能技术虽能显著缩短早期研发周期，但药物最终验证仍需依赖传统实验室测试和临床试验。随着AI技术深入制药产业链，诺和诺德与礼来等企业在肥胖和代谢疾病治疗市场的竞争日趋激烈，同时监管审批流程仍保持严格的人工审核机制，AI目前仅作为辅助工具而非决策主体存在。