环球医讯AI与医疗健康

本文通过阿斯利康首席数据科学家Jim Weatherall和斯坦福大学Russ Altman教授的深度对话，揭示了人工智能如何重塑药物研发全流程。从疾病生物学解析到分子设计优化，AI正在通过学术界与产业界的深度合作突破研发瓶颈，同时探讨了AI伦理框架建设与跨学科团队在加速创新中的关键作用。文中通过具体案例展示了AI在基因靶点发现、化合物筛选及临床试验优化中的实际应用，并强调了信任、透明度和多样性在推动医疗突破中的核心价值。

本文探讨了超级计算机和量子计算技术如何加速药物研发进程，通过模拟人类基因组和疾病模型，未来七年可能实现癌症、神经肌肉疾病甚至衰老问题的突破性治疗。文章分析了传统药物研发的高成本低效率，介绍了AI辅助药物筛选、光子芯片和量子计算等前沿技术对生物医学的革命性影响，并引用AlphaFold和EVO 2等案例说明计算生物学的最新进展，最终预测疾病治愈将不再只是下一代才能实现的愿景。

印度裔科学家阿克沙伊·贾达什凭借其在神经科学和人工智能的交叉研究领域积累的十年经验，正式加入OpenAI担任研究学者。他将专注于推进AI安全研究，并探索人工智能如何加速医疗健康领域的突破性进展。其研究背景涵盖从神经科学基础到AGI应用的多层次探索，而OpenAI当前正通过高强度人才争夺战吸纳顶尖技术人才。

英国生物制药公司Alchemab Therapeutics宣布启动首个针对ATLX-1282的1期人体临床试验，并完成3200万美元A轮融资扩展。该疗法基于其独有的AI驱动抗体平台，通过分析具有天然疾病抵抗力个体的抗体数据，开发针对神经退行性疾病等难治疾病的创新疗法。礼来公司作为授权合作伙伴将主导后续商业化开发。

哈佛医学院开发的PDGrapherAI模型通过分析基因网络和信号通路，突破传统单靶点药物筛选模式，成功识别出能逆转细胞病变的新型基因靶点和药物组合。该技术基于图神经网络构建因果生物模型，在19组癌症数据集中验证显示35%的预测准确度提升，并计划扩展至神经退行性疾病治疗，为多因素复杂疾病的精准治疗提供革命性工具。

哈佛医学院开发的新型图神经网络AI模型PDGrapher，突破性地同时识别多靶点疾病驱动因素并预测组合治疗方案，相较传统单靶点方法可提升35%靶点预测准确率，速度提升25倍，可应用于非小细胞肺癌等11类癌症及帕金森病等复杂疾病的个性化治疗研发，其发现的TOP2A靶点已获临床证据支持。

本期健康新闻涵盖牛津大学研发的磁控微型机器人靶向给药技术、红发人群麻醉剂量差异研究、光致喷嚏现象解析、煤焦油衍生物在食品中的应用争议、吸烟与心脏病关联历史研究等跨学科领域突破，同时包含医疗历史和解剖学知识科普。

礼来公司于2025年9月9日宣布推出名为TuneLab的人工智能与机器学习平台，旨在为生物技术公司提供基于其逾10亿美元研究数据训练的药物发现模型。该平台允许合作伙伴使用AI技术开发癌症疗法并构建新模型，同时通过共享实验数据增强平台性能，标志着制药行业加速AI应用、减少动物实验的重要趋势。

本研究通过机器学习算法开发并验证了针对急诊经皮冠状动脉介入治疗后急性心肌梗死患者的院内死亡率预测模型。研究发现随机森林算法表现最优（AUC 0.976），血流动力学参数（平均动脉压等）、肾功能及心脏功能是主要预测因素。该模型可辅助临床识别高危患者，优化治疗决策，降低死亡率。

阿斯利康波兰公司与弗罗茨瓦夫理工大学签署合作协议，旨在通过人工智能等前沿技术推动医疗创新。双方将联合开发AI应用、培育专业人才，并强调知识产权保护对产学研合作的重要性。合作涵盖药物研发智能化、医疗教育拓展及创新文化培育，标志着波兰在构建科技企业与学术机构深度协作模式上的重要进展。