环球医讯AI与医疗健康

欧洲药品管理局（EMA）和美国食品药品监督管理局（FDA）共同发布10项"共同原则"，指导人工智能在药物全生命周期开发中的应用。这些原则强调AI系统必须以人为本、符合伦理价值，采用基于风险的方法开发，严格遵守法律、技术、网络安全等多维度标准，并实施严格的数据治理和多学科协作。监管机构要求在使用前进行人机交互测试等性能评估，建立持续监测机制确保系统适用性，同时要求以清晰易懂的语言向患者和用户提供信息。该共识将为美欧未来AI监管指南奠定基础，促进国际标准制定，展示大西洋两岸如何通过合作保持全球医药创新领先地位，同时将患者安全置于核心位置，反映了当前生物制药企业与AI技术公司密集合作的行业趋势。

随着监管要求在过去五年加速提升，美国FDA等机构要求药物安全报告必须提供全面可靠的数据。本文指出人工智能正帮助药企整合多渠道安全数据，通过七步可信度框架确保AI模型透明可追溯，推动药物安全监测从被动报告转向主动智能模式，最终提升患者安全和监管效率。当前药物安全团队正利用AI捕捉隐性信号、弥合报告缺口，并通过智能体AI实现实时安全监控，使药物安全监测成为战略决策的核心环节。

毕马威2025年全球生命科学首席执行官展望报告显示，83%的生命科学企业领导者将医疗物联网(IoMT)视为未来三年推动增长、加速研发及提升运营效率的核心技术，其重要性超过人工智能；尽管73%的企业面临AI整合挑战并计划将10%-20%技术预算投入AI领域，但行业正积极平衡创新与成本效率，86%的高管对并购持中度至强烈兴趣，强调通过多组学技术与智能体AI的协同应用实现可持续价值，报告最终指出行业近期增长将依赖"创新与效率的结合"这一关键策略，同时医疗AI市场规模预计2027年达190亿美元。

美国食品药品监督管理局（FDA）和欧洲药品管理局（EMA）于2026年1月14日联合发布《药物研发中良好人工智能实践指导原则》，提出10项高级别原则指导人工智能在药物全生命周期的安全应用。这些原则涵盖以人类为中心的伦理设计、基于风险的评估方法、数据治理与网络安全等关键领域，虽非正式监管指南但预示未来监管方向，要求企业在药物和生物制品研发中遵循这些原则以加速创新、缩短上市时间、加强药物警戒并减少动物试验依赖，同时建议企业建立跨职能治理机构、实施风险分类验证、确保AI生命周期文档完备并与监管机构早期沟通。

谷歌DeepMind研发的AlphaGenome人工智能模型能够一次性解析长达一百万个DNA碱基对的序列，其准确性和分析广度超越现有技术，为破解基因组中占98%的"暗物质"区域提供突破性工具。该模型可同时预测近6000种人类遗传信号功能，有望推动罕见遗传病诊断、癌症驱动突变识别及新药靶点发现，但科学家强调其性能受限于生物医学数据的质量和标准化程度，揭示出当前基因组暗物质研究仍面临数据规模不足的核心挑战，标志着人工智能在精准医疗领域应用的重要里程碑。

Google DeepMind推出名为AlphaGenome的人工智能工具，该工具能够一次性分析100万个DNA代码字母，精准预测基因突变如何干扰基因调控机制，包括基因开启时机、作用细胞类型及生物表达强度，帮助科学家识别心脏病、癌症等家族性疾病的遗传驱动因素。AlphaGenome基于人类和小鼠遗传数据库训练，可绘制关键遗传代码链图谱，助力开发靶向基因疗法，多位国际专家证实其在破解98%非编码基因组功能方面取得突破性进展，有望加速新药研发并革新遗传疾病治疗路径。

韩国保健福祉部宣布将投入142亿韩元（1000万美元）在17家地区中心医院全面部署人工智能系统，重点提升患者安全监测、临床诊断精确度和医院运营效率，具体包括实时预警心脏骤停等危急状况、辅助医学影像解读及自动化医疗文书处理，并通过公众咨询机制和评估委员会确保项目实施，同时配套推出医疗AI专业人才培养计划及初创企业支持项目，旨在构建国家医疗AI生态系统以全面提升韩国区域医疗服务水平。

全球抗菌药物耐药性危机持续加剧，传统药物研发模式因速度慢、成本高且失败率高而难以应对病原体进化挑战。人工智能通过深度分析海量化学与生物数据，在数日内完成数亿化合物的虚拟筛选，精准识别抗菌活性结构特征；同时整合基因组学、转录组学等多组学数据，系统解析微生物关键靶点与代谢通路脆弱性。AI还能从头设计新型抗菌分子，预测耐药突变趋势，并通过闭环优化机制显著提升研发效率，为糖尿病足溃疡、囊性纤维化肺部感染等生物膜相关疾病提供突破性解决方案，从根本上扭转人类在抗感染领域的被动局面。

这项发表在《npj Digital Medicine》期刊上的研究展示了一种创新AI系统，该系统通过分析医生的临床笔记识别认知衰退早期迹象。研究采用"智能体"方法构建由五个协同工作的AI程序组成的系统，使用麻省总医院三年临床数据进行训练。测试显示系统与医生判断一致性达91%，在真实场景测试中敏感度为62%，且44%情况下临床专家复核后支持AI判断。该技术旨在辅助而非替代医生，特别适用于专科医生短缺环境，能帮助识别需要紧急随访的认知问题患者，通过优先关注病历中明确描述的记忆障碍或思维变化等关键线索，为早期干预提供支持，有望提升医疗系统对认知健康问题的筛查效率。

马萨诸塞总医院和布里格姆医院(MGB)研发的AI系统通过分析临床笔记中的语言变化、句子停顿、叙述混乱及家属担忧等细微信号，成功实现早期认知衰退检测。该系统采用五个相互协作的AI智能体，对200名匿名患者的3300余份临床笔记进行分析，检测敏感度达91%且接近专家级准确度，无需人工干预即可运行。研究显示当AI与人工评审结果冲突时，58%情况下AI的临床判断经独立专家验证正确，揭示了人类审查可能遗漏的重要线索。MGB团队已开源Pythia工具，使医疗机构能自主部署AI筛查应用，为阿尔茨海默病等认知障碍在最佳治疗窗口期的早期干预提供了突破性技术支持，显著提升了疾病早期发现能力。