生成式AI临床应用能力仍存局限
尽管人工智能（AI）在医疗健康领域的运用愈发普遍，但其“仿效医师思维”的本领仍有显著缺陷。美国麻省总医院MESH孵化器团队开展的最新研究表明，生成式AI在临床推断的关键步骤仍显薄弱，尚无法独立承担临床诊疗工作。研究成果刊登在最新一期《JAMA Network Open》上。 团队选取包括ChatGPT、DeepSeek、Claude、Gemini和Grok在内的21种大语言模型，在29个已公开的临床病例中进行测评，并通过逐步给予患者信息（从基础症状到实验室及影像学结果）来复现真实诊疗流程。结果显示，当获取
AI赋能药物研发：行业变革加速，掌握核心技能正当时
十年磨砺、数十亿投入、不足一成的成功率——这是新药研发的“现实账单”。面对研发成本不断攀升、专利到期多重压力，如何实现降本增效、如何压缩研发周期、如何提升临床通过率，已成为整个生物医药行业亟待破解的关键课题。人工智能带来了解决方案。从《医药工业数智化转型实施方案（2025-2030年）》明确支持医药大模型创新平台建设，到DeepSeek等国产大模型在分子设计、ADMET预测等领域的突破性进展，AI正从“辅助工具”演进为“研发核心引擎”。掌握AI赋能药物研发的全流程技术，已非一道“选择题”，而是关乎行业地位
丹麦大型研究为孕期泰诺安全性正名：未发现与自闭症风险关联
丹麦一项大规模研究显示，孕妇在孕期服用对乙酰氨基酚（在美国常以泰诺为商品名），与孩子日后罹患自闭症谱系障碍、注意力缺陷多动障碍或智力发育迟缓的风险增加之间，并未发现存在联系。这项研究的发现，与早前引发公众忧虑的部分结论相左，为孕期使用该药物的安全性提供了强有力的科学依据。 研究方法：覆盖超百万人群的追踪分析 这项由丹麦科研人员主导、发表在《新英格兰医学杂志》上的研究，依托丹麦全国性的医疗健康登记系统，对超过230万名儿童进行了最长可达14年的长期跟踪随访。该研究被认为是该领域迄今为止规模最大、设计最为严谨
北京出新政助推医药创新 全面布局AI药物研发
北京消息（人民日报陈旭）从市医保局13日新闻发布会了解到，2025年本市医药健康产业规模超过1.13万亿元。万亿新阶段，市医保局等十部门联合推出《北京市支持创新医药高质量发展若干措施（2026年）》，全面推动医药科技创新。 这是本市连续三年发布推动创新医药发展的政策举措。市医保局局长王明山指出，2026年政策更强调原始创新，在研发、审批、生产、应用等环节进一步优化，依托北京（京津冀）国际科技创新中心优势，聚焦人工智能预测、类器官与器官芯片、脑机接口等前沿技术，鼓励企业和科研机构加强前瞻性研究。 王明山强调
Revolution Medicines胰腺癌新药晚期临床大获成功
核心要点Revolution Medicines于本周一宣布，其开发的胰腺癌治疗药物在备受瞩目的三期临床试验中斩获成功。试验数据表明，相较化疗方案，这款药物使患者的中位生存期几乎翻倍，并将死亡风险削减了60%。据RevMed透露，其每日一次的口服药物daraxonrasib在针对已用尽其他疗法的晚期癌症患者试验中，圆满达成了所有主要及次要目标。企业发布的新闻稿指出，接受daraxonrasib治疗的患者中位生存期普遍达到13.2个月，而化疗组仅为6.7个月，意味着生存期延长了6.5个月。“这项结果具有突破
Revolution Medicines胰腺癌新药三期试验结果积极
Revolution Medicines公司于本周一披露，其研发的胰腺癌治疗药物在一项关键的三期临床试验中取得优异成果：相较于传统化疗手段，该药将患者的平均生存时间几乎翻了一番，并使死亡风险下降了60%。 该公司指出，其口服每日用药daraxonrasib在针对已经历过一次治疗后病情依然恶化的患者的试验里，达成了所有主要及次要研究目标。RevMed发布的公告显示，使用daraxonrasib的患者平均存活期为13.2个月，而接受化疗的患者仅为6.7个月，延长了6.5个月。 RevMed首席执行官马克·戈德
AI驱动药品注册全链条革新
中国化工企业管理协会医药化工专业委员会各相关单位当下，人工智能（AI）技术正深度融入医药产业各环节，特别是在药品注册环节，已完成从理论验证到实践应用的跨越，成为攻克行业难题、提高申报效率、确保合规品质的关键引擎。我国医药产业正处于创新升级攻坚期，2023年国家药监局受理药品申报事项接近2万件，药品注册工作面临申报文件庞杂、审评审批耗时久、合规标准高、异构数据融合困难、跨机构协作不畅等显著挑战，传统申报模式已无法匹配产业高质量发展要求及国际监管协同方向。国家药监局相继发布《药品监管人工智能典型应用场景清单》
AI制药产业深度解析：从理论验证到商业落地
AI制药产业正经历从理论验证到商业落地的关键转型，2026年全球市场规模预计将达到29.9亿美元，国内市场同样保持迅猛增势。政策扶持、技术创新与市场需求三方协同，共同推动行业前行。AlphaFold2及生成式AI等技术突破研发壁垒，显著缩短研发周期并降低投入成本。产业生态已构建起“上游算力数据-中游AI平台-下游药企应用”的完整链条，国内外企业展开多元化角逐。英矽智能、晶泰科技等领军企业研发管线进展顺利，首条AI全程参与设计的药物已推进至二期临床试验。本研究深度剖析行业发展趋势、竞争格局及投资标的，为生物
宜明昂科股价飙升13% CD47双抗临床潜力获权威期刊验证
宜明昂科-B（01541）早盘强势拉升，盘中涨幅最高触及19%，截至发稿时，股价攀升13.29%，报5.37港元，成交金额为1418.52万港元。 医药魔方发文称，《科学》杂志最新刊载的论文与宜明昂科的靶点开发策略不谋而合。IMM0306的临床数据充分印证：若药物设计合理，既能破解"抗原沉没"带来的疗效低下难题，又可提供"双信号"协同激活效应，CD47靶点的临床开发潜力依然巨大。 国元国际此前分析提到，该公司持续丰富研发管线，抗风险能力随之提升，其CD47CD20双抗（IMM0306）临床数据表现卓越，有
脑机接口技术开启医疗应用新纪元
“只需意念一动，瘫痪的手便能随‘念’而起、稳稳抓握”——这曾是众多截瘫患者深藏心底的梦想。如今，一项革命性技术，让这一梦想真正化为现实。国家药监局近期批准了全球首款侵入式脑机接口医疗器械上市。这标志着，国际首个侵入式脑机接口医疗器械正式迈入临床应用阶段。 这一名为NEO系统的产品，全称植入式脑机接口手部运动功能代偿系统，由清华大学生物医学工程学院洪波教授团队独立完成全部研发工作。 连接大脑与肢体的“无线传译器” 对于颈髓损伤、高位截瘫的患者而言，最大的痛苦并非肢体本身受损，而是大脑发出的每一道行动指令，都
AI驱动药物研发全链条创新实战特训营
各相关单位：伴随政策红利与技术突破双轮驱动，AI技术已全面渗透新药研发各环节，推动医药产业向高效精准方向跃迁，交叉学科迎来战略发展机遇。《医药工业数智化转型实施方案（2025—2030年）》明确要求，深化AI赋能医药全产业链条，支持医药大模型平台建设及AI在药物研发场景的规模化落地。为加速AI技术与医药创新深度耦合，培育面向未来的复合型高端人才，我中心拟于2026年4月下旬举办“AI驱动药物研发全链条创新实战”高级研修班。特邀中科院相关院所及国内顶尖医药科研机构专家，聚焦AI技术在药物研究中的实战应用与操
人工智能浪潮下医学教育与医学伦理的再塑
编者按人工智能（Artificial Intelligence，AI）正快速进入医学实践和医学教育场景。从自动病历撰写（AI scribes）到由大语言模型（Large Language Models，LLMs）支持的医学文本摘要，再到算法参与临床决策，技术不仅改变了医学知识的生成方式，也正在改写临床推理的结构以及医患互动的形态。在这一背景下，医学教育所面对的问题，已经由“要不要引入AI”转变为“如何在AI环境下守住临床判断力与伦理反思能力”。需要警惕的是，技术效率的提升并不必然意味着专业能力和职业精神会
AI赋能口腔医学的应用进展与现实瓶颈
伴随人工智能（artificial intelligence, AI）技术持续迅猛进步，其在医疗行业中的落地场景不断扩展，口腔医学领域同样迎来了由AI推动的发展契机。依托出色的数据运算、影像识别以及自我学习能力，AI正逐渐进入口腔诊断、治疗方案设计、医患交流等多个流程，在一定程度上补足了传统口腔诊疗中的部分不足，提升了诊疗效率与准确水平。不过，AI在口腔医学中的实际应用依然面临不少限制，尚不足以取代临床医生，因此全面认识其当前发展状况及存在问题，是科学使用AI、提升口腔诊疗质量的重要前提。现阶段，AI在口
AI推荐机制揭秘：牙膏进入答案池靠什么硬核凭证
引言：当用户向AI提问“牙龈红肿该用什么牙膏”时，你的品牌是否有机会被推荐？试想这样一个情境：一位长期受到牙龈红肿困扰的消费者，不再去电商平台查看成百上千条评价，而是打开DeepSeek或豆包，直接发问：“牙龈红肿、刷牙出血，有哪些功效型牙膏值得推荐？”AI给出的答案往往只有3-5个选择，并且通常会附上一句——“依据临床验证及功效评估数据，以下产品具备缓解牙龈炎症的作用。”若你的牙膏品牌希望进入这份推荐清单，仅凭“口碑不错”“常年畅销”“消费者反馈很好”就足够了吗？显然不够。AI不会采信“主观感受”，它更
CMEF上的AI趋势：怎样让AI更懂临床所需
AI技术正在成为重塑医疗健康生态的重要驱动力，算法决定了AI“可以做什么”，而数据质量则决定了AI“能够把什么做好”。在本届CMEF展会上，理邦依托30多年的硬件、研发、平台及资源积淀，以“AI融合创新，共建数智生态”为主题，全面呈现了AI落地应用的广阔前景。当AI从算法阶段迈向临床实践，真正的门槛究竟在哪里？医疗场景本身高度复杂，数据来源又较为分散，加之临床验证要求极其严格，这些因素共同构成了AI从算法走向临床应用过程中难以跨越的障碍。AI模型只有经过长期、多中心、大样本的临床验证，充分证明其准确性、安