环球医讯AI与医疗健康

人工智能正在彻底改变实体肿瘤药物研发的各个阶段，从靶点发现到临床试验设计。通过整合多组学数据、空间转录组学和高级计算模型，AI已将传统十年的研发周期压缩至2-3年，在小分子抑制剂、生物制剂和mRNA疫苗设计方面取得突破性进展。尽管面临数据偏差、算法透明度和临床验证等挑战，但随着量子计算和多模态AI等技术的发展，肿瘤学领域有望实现更精准的靶向治疗，提供更加个性化、有效和公平的癌症治疗方案，为全球数百万癌症患者带来新的希望。

英国邓迪大学研究人员创立的PhaSER生物医学公司被选定为英国政府药品和健康产品管理局100万英镑项目的执行伙伴，将主导DAIRR项目，利用人工智能和计算模型验证药物相互作用预测，旨在通过8HUM人源化小鼠模型与临床数据加速安全药物上市，减少每年造成医疗系统数十亿英镑损失的药物副作用；该项目联合邓迪大学、圣安德鲁斯大学等多学科团队，有望革新药物监管流程，推动个性化用药发展，缩短新药研发周期并降低成本，助力英国巩固全球生命科学创新领导地位，同时为患者更快提供安全有效的创新疗法。

巴塞尔大学研究人员在《自然·通讯》发表的研究揭示，当前用于药物设计的尖端AI模型（如AlphaFold和RosettaFold）主要依赖记忆已有模式而非理解物理化学原理，导致在面对新型蛋白质或修改后的结合位点时预测失效。研究表明，超过半数情况下，即使蛋白质结合位点被完全阻断，AI仍预测相同结构，表明其缺乏对药物-蛋白质相互作用本质的理解。研究强调，在药物开发中应谨慎使用AI，需通过实验验证预测结果，并建议将物化规律整合到未来AI模型中，以提升对新型蛋白质结构的预测能力，为创新药物研发提供更可靠基础。

OpenAI完成重大公司重组，非营利部门更名为OpenAI基金会，营利子公司转为公益公司OpenAI集团，基金会持有26%股份（估值约1300亿美元）。该公司计划投入250亿美元加速健康研究并支持AI韧性解决方案，同时联合投资3000万美元给生物防御初创公司Valthos。文章深入分析AI在生物技术领域的双重风险与机遇：既能强化疾病检测、疫苗研发等医疗突破，又可能被滥用制造致命生物武器，强调在通用人工智能发展进程中必须平衡创新与安全，呼吁全球加大AI生物防御投入以应对日益复杂的生命重设计工具带来的潜在威胁，确保技术进步真正造福人类而非引发灾难。

凯德雷尔公司最新报告揭示，尽管医疗领导者对人工智能效益持乐观态度，但医疗机构在IT基础设施现代化、网络安全强化及领导层战略对齐等关键环节仍存在显著短板；报告强调，要充分释放AI规模价值，必须同步推进技术架构升级、网络安全加固和员工技能提升，而当前38%的医疗组织在风险缓解准备上落后于行业均值，85%在过去一年遭遇过网络中断事件，凸显出遗留系统与文化转型的双重挑战，唯有实现技术革新与组织文化的协同演进才能驱动真正的投资回报。

研究团队开发出基于人工智能的蚊媒监测工具，通过整合公民科学上传的智能手机照片与深度学习模型，实现对入侵蚊种斯氏按蚊的高精度识别（准确率达99.34%），该技术在马达加斯加案例中成功验证了无实物标本条件下的早期预警能力，为资源有限地区的疟疾防控提供了可扩展的解决方案，同时可解释性人工智能技术揭示了蚊子幼虫腹部色素沉着等关键生物特征，为公共卫生干预争取了关键时间窗口，显著提升城市环境中应对疟疾传播的响应效率。

菲律宾洛斯巴尼奥斯医疗中心凭借"基于人工智能预测的智能预警死亡率审查流程"项目荣获2025年亚洲医院管理大奖最高奖项，该项目通过自然语言处理与随机森林算法分析超3万份匿名病历，实现死亡率预测自动化，将病历审查时间缩短近半，显著提升数据准确性与临床分析标准化水平，证明社区医院在资源有限条件下亦能通过数据科学驱动医疗质量革新，其框架可扩展至住院成本预测、伤口护理评估等领域，为亚太地区医疗数字化转型树立实践范本。

沙特阿拉伯卫生部联合Lean Business Services和谷歌云，在国家Sehaty应用中推出AI健康教练，标志着该国"2030愿景"在医疗领域的重大进展。这款基于谷歌Gemini模型的AI工具提供实时语音视频互动，能总结临床笔记、协助医生工作，并根据用户医疗史提供个性化建议，同时确保所有数据存储在沙特境内，符合严格的数据主权标准，体现了沙特在AI医疗创新与数据安全保护方面的领先地位，展示了技术如何推动预防性医疗模式转型，为全球公共卫生体系树立新标杆。

加州大学洛杉矶分校研究团队在《美国医学信息学协会杂志》发表研究，提出五个关键问题框架以优化AI在临床决策中的应用。该框架关注AI信息呈现方式、介入时机、决策透明度、偏见影响及长期依赖风险，强调AI应作为医生辅助工具而非替代品，避免过度依赖导致诊断能力退化，确保AI技术真正提升医疗准确性、效率与患者安全，同时维护医生专业判断力。

研究人员提出五个关键问题指导AI在临床决策中的应用，包括信息呈现方式、时机选择、决策透明度、对偏见影响及长期依赖风险。这些问题旨在平衡AI辅助与医生专业能力，防止过度依赖导致诊断技能退化。研究表明，AI应作为医生决策的补充工具而非替代品，通过优化人机协作机制，可提高诊断准确性、效率和患者安全性，同时避免AI整合不当可能带来的新风险。