环球医讯AI与医疗健康

美国食品药品监督管理局(FDA)近期批准了一种创新AI工具EchoNext，该工具能够通过常规心电图检测出潜在的结构性心脏病风险，包括左右心衰竭、瓣膜疾病、严重心肌增厚和肺动脉高压等病症，有望在症状出现前实现早期诊断。研究表明，该AI系统仅通过心电图就能正确识别77%的结构性心脏问题，准确率高于心脏病专家的64%，这一突破可能改变心血管疾病的筛查方式，但专家也提醒AI应作为诊断辅助工具而非最终决定因素，同时需注意避免数据偏差问题，确保不同种族、性别群体都能公平受益于这项技术。

研究人员开发出一种受捕蝇草启发的AI引导4D打印微针贴片，该贴片在体温(37°C)下会主动弯曲以帮助闭合伤口，同时输送再生DNA和抗菌锌治疗。通过机器学习优化制造过程，该技术在临床前实验中显著加速了糖尿病伤口愈合并促进组织再生，展现出对慢性伤口治疗的突破性意义，未来有望扩展应用于智能伤口贴片、植入物、支架等多种医疗场景，为糖尿病患者及其他慢性伤口患者提供更有效的治疗方案。

本文详细报道了2026年BIO国际大会上Contract Pharma对龙沙集团生物制品外部创新负责人扎拉·阿斯加尔普尔的独家专访，深入探讨了人工智能如何从药物发现到制造全流程变革CDMO行业。阿斯加尔普尔阐述了AI在缩短研发周期、优化制造流程方面的实际价值，分析了数据标准化、监管合规等关键挑战，并强调了技术公司与生物技术企业合作的重要性，为行业提供了关于如何有效整合AI技术的前瞻性见解，展示了AI正从价值链的各个环节切实影响生物制药产业的发展方向。

韩国汉阳大学研究团队开发出一种AI引导的微针贴片，该贴片能在人体温度(37°C)下主动改变形状以闭合伤口，同时提供再生疗法和抗菌保护。这项创新整合了AI、4D打印、仿生学、DNA纳米技术和表面工程，灵感源自捕蝇草的捕食机制。研究使用机器学习模型优化材料形状恢复行为，实验室测试显示该微针系统能迅速恢复编程弯曲形状，整合的DNA纳米粒子支持组织再生，锌处理表面提供抗菌保护，对大肠杆菌和金黄色葡萄球菌表现出强大抗菌活性。临床前实验证明其能加速伤口闭合、改善组织再生，未来有望应用于智能伤口贴片、植入物和生物医学机器人等领域，为慢性伤口治疗提供革命性解决方案。

本文深入分析了制药行业人工智能应用的验证与合规要求，详细解读了美国FDA和欧洲EMA关于AI在药物研发、生产和质量控制中使用的最新监管指南，系统阐述了AI验证证据包的关键组成要素，包括使用场景定义、数据验证、算法透明度和人工监督等，并提供了符合中美欧监管要求的最佳实践建议，为制药企业构建符合监管标准的AI系统提供了全面指导。

Foundation29开发的DxGPT是一款免费AI辅助诊断支持平台，专为复杂及罕见疾病诊疗设计。该平台运用先进人工智能和医学语言模型，将患者症状描述和临床病史结构化为鉴别诊断假设列表，为医疗专业人员提供决策支持。系统具备多语言自动识别与翻译、GDPR合规架构和敏感数据自动匿名化功能，在欧盟被认定为IIa类医疗器械软件。DxGPT强调仅作为辅助工具而非替代专业医疗判断，目前完全免费向全球医疗工作者和患者开放，旨在通过慈善捐赠和合作项目推动医疗诊断公平性和可及性，已在Microsoft Azure安全云基础设施上部署运行。

在美国药物信息协会(DIA)全球年会上，美国食品药品监督管理局(FDA)和欧洲药品管理局(EMA)官员强调国际间在人工智能政策制定方面的合作进展，双方已发布联合AI指导原则，FDA还与加拿大卫生部和英国MHRA合作制定医疗器械良好机器学习实践指南；默克雪兰诺、国际制药工程协会(ISPE)等机构正开发实践指南，帮助制药企业将AI技术有效整合到药品研发和生产过程中，同时确保合规性和安全性，这标志着全球AI监管正从早期探索阶段迈向更具结构性的实施和协调阶段，同时注重AI素养培养和跨部门协作。

2026年David-Sackett奖授予了Christoph Wilhelm和Felix G. Rebitschek博士，以表彰他们在"患者相关利益和损害：基于AI的决策支持和循证健康信息"研究项目中的卓越贡献。该研究系统评估了AI在医疗健康领域的实际价值，不仅关注技术性能，更着重考察AI系统是否真正为患者带来益处、避免伤害并支持知情决策，揭示了当前AI应用评估中忽视患者相关终点、潜在危害和社会经济差异等问题，强调医疗AI应作为医疗干预而非单纯技术创新来评估，对推动数字时代的循证医学发展具有重要意义，将在2026年9月30日至10月2日在哥廷根举行的多学科年会上正式颁奖。

协同轨迹分析项目（cTAP）公布了一种新型预后评分系统，该系统基于杜氏肌营养不良症（DMD）患者从地面起身和10米步行/跑步两项功能评估指标，可更准确预测患者丧失行走能力的时间。这项研究发表在《神经病学》杂志上，通过将患者分为五个风险组，最低风险组丧失行走能力中位时间为4年以上，最高风险组仅为0.9年。该评分已在独立数据集上得到验证，比现有模型更精确，有助于临床医生为患者提供更个性化的医疗建议，优化临床试验设计，并支持家庭提前规划。这一成果体现了患者组织、学术界和医药产业合作推动罕见病研究的重要价值，对改善杜氏肌营养不良症患者的治疗和生活质量具有重要意义。

本研究提出了CORA模型，一种基于病理中心表示学习的冠状动脉疾病评估方法，通过合成驱动的自监督学习策略，利用大规模无标注冠状动脉CT血管造影数据，实现了斑块表征、狭窄检测、冠状动脉分割及主要不良心血管事件风险分层等多项任务的高精度评估；该模型在九家医院的多中心数据集上验证，展现出优于现有方法的泛化能力，尤其在外部测试集上表现突出，为临床转化提供了一种可扩展的无标注数据驱动解决方案，有望解决冠状动脉疾病诊断中专家标注稀缺和病理信号空间稀疏性的关键挑战。