环球医讯AI与医疗健康

MD安德森癌症中心肿瘤学研究与开发副总裁Tim Heffernan博士领导团队革新癌症药物研发模式，通过整合人工智能算法、蛋白质结构预测模型及计算药物设计工具，将传统需数年的药物筛选与设计流程压缩至数月；其团队于2025年与生物技术企业合作开发生成式人工智能平台，2026年成功提名首个AI设计的候选药物，计划2027年初启动临床试验，旨在以分子级精度识别治疗靶点并加速为癌症患者提供有效治疗方案，标志着人工智能在癌症诊疗全流程中的革命性应用。

这篇文章讲述了美国明尼苏达州的乔里·克劳斯婴儿被诊断出患有极其罕见的DeSanto-Shinawi综合征后，梅奥诊所的两位研究人员开发了名为BabyFORce的人工智能工具，成功从现有药物库中筛选出可用于治疗该病的氯硝西泮。经过低剂量治疗，乔里的WAC基因表达恢复正常，发育状况显著改善，从无法独立行走到能够自主活动并开始说话。这一突破性案例展示了人工智能在罕见病药物重定位研究中的巨大潜力，为全球约3000万罕见病患者提供了新希望，同时也引发了关于AI在医疗领域应用前景的深入思考。

前诺和诺德首席数字信息官Anders Romare在与《Pharmaceutical Executive》的深度对话中指出，人工智能已成为制药行业的结构性转折点，其真正影响将主要取决于数据质量、基础设施建设、组织文化变革及监管体系协同，而不仅仅是算法先进性。他详细分析了AI在加速药物发现、优化临床试验和提升患者服务方面的实际应用，同时强调监管障碍仍是关键挑战。Romare建议制药企业应聚焦特定应用场景，构建完善数据生态系统，培养复合型人才，以充分发挥AI在缩短10-15年药物研发周期、提高成功率及推动精准医疗方面的巨大潜力，从而为患者、社会和企业创造多赢价值。

斯坦福大学研究人员开发出名为SleepFM的基础模型，该AI系统仅需一晚多导睡眠图数据即可评估100多种疾病的长期风险。这项突破性技术能够识别前列腺癌、乳腺癌、帕金森病、痴呆症、心脏病甚至全因死亡率的升高风险，通过分析脑电、心电、呼吸等生理信号间的微妙差异，在130多种疾病中实现超过80%的预测准确性。研究表明睡眠中隐藏着多年后才会显现的疾病早期信号，未来睡眠研究可能从单纯诊断睡眠障碍转变为预防医学的重要工具，使医生能在疾病不可逆前进行早期干预。

LIGAND-AI是由辉瑞公司和结构基因组学联盟领导的国际开放科学倡议，旨在解决人工智能在药物研发中面临的数据匮乏瓶颈。该项目获得创新健康倡议6000多万欧元资助，将生成描述小分子与人类蛋白质相互作用的大规模高质量开放数据，创建AIRCHECK公共数据库，供全球研究人员开发AI模型以加速药物研发过程。歌德大学法兰克福负责领导药物化学部分，致力于将初步结合物快速改进为强效抑制剂，特别针对罕见神经系统和肿瘤疾病，为早期药物发现提供全新解决方案。

第14届国际医药大会暨展览会于2026年1月21日在阿联酋沙迦研究、技术和创新公园隆重开幕，吸引了来自150多个国家的医疗保健服务、制药和医疗技术领域的公司及机构参与，聚焦建立医疗创新文化主题，活动包括高级B2B会议、科学讲座、专业研讨会及人工智能在医疗领域的应用讨论，沙迦创新公园CEO强调该展会已成为推动制药行业创新和知识交流的重要平台，进一步巩固了沙迦作为全球医疗保健中心的战略地位，为促进可持续医疗解决方案和区域经济发展提供了关键支撑。

欧洲药品管理局(EMA)与美国食品药品监督管理局(FDA)联合制定了药物生命周期中人工智能良好实践的10项原则，这些原则为药物从早期研究、临床试验到生产及安全监测等各阶段提供了全面指导，旨在规范人工智能在证据生成和监管决策中的应用，支持不同司法管辖区未来的人工智能监管框架构建，并促进监管机构、技术标准组织及利益相关方加强国际合作，同时确保患者安全最高水平，加速安全有效药物的创新开发进程，体现了欧美在新型医疗技术领域重启深度协作以保持全球创新领先地位的战略举措。

美国西奈山医学中心研究人员开发出基于卷积神经网络的人工智能模型，通过分析常规心电图数据可提前6至15个月检测慢性阻塞性肺病（COPD），该模型在内部测试和外部验证中均表现出稳健性能（AUROC为0.8），即使在六种不同心律失常亚组中AUROC仍保持0.77-0.81的高精度，突破了传统肺功能测试在初级医疗中难以普及的局限，能捕捉肺部病变对心脏电系统的细微影响，为COPD早期干预提供新途径，未来将推进前瞻性临床应用研究以实现从科研到临床的转化。

康涅狄格州医疗专家深入分析OpenAI推出的ChatGPT健康平台的双面性，该平台与260名医生合作开发，旨在安全回答日常健康问题并允许上传医疗记录，但专家强调AI基于概率生成答案可能导致误诊风险，已引发多起自杀相关诉讼；患者虽能便捷获取信息，却需谨记其不能替代专业诊疗，必须始终验证信息并与医生确认，尤其在涉及症状解读或测试结果时，避免因权威语气误导而延误治疗，医疗系统正探索AI辅助处理低级问题以释放医生精力，但责任归属问题仍悬而未决。

这项发表在《生物工程》杂志上的研究探讨了"以人工智能为先"的医疗保健系统模式，指出虽然AI技术在影像解读、风险预测等领域已达到技术成熟度，但医疗系统因数据碎片化、互操作性不足、治理结构薄弱等系统性挑战而未能做好整合准备；研究强调若不解决这些非技术性障碍，即使高度准确的AI工具也难以实现持续改善医疗结果、效率和公平性的目标，特别是在全系统重新设计亟需的当下，碎片化的AI部署方式正在限制其在门诊、住院、诊断等各环节的实际影响，而真正的转型需要将AI作为核心基础设施而非孤立工具，并建立包含互操作性、持续学习和人工监督的稳健架构。