AI能否预判孩子近视风险？——儿童青少年近视预测模型的系统综述与Meta分析
核心结论人工智能模型在预判儿童及青少年近视发病方面展现出良好的应用前景。不过，现有证据仍受限于研究间的异质性、潜在偏倚风险以及外部验证匮乏等问题。未来亟需开展高质量、多中心的研究，推动AI预测模型从实验室科研工具迈向临床诊疗与公共卫生实践。AI用于预测儿童青少年近视的价值，并非取代医生进行诊断，而是将防控关口前移：在儿童尚未出现近视前，结合眼部生物学特征、遗传背景及行为环境数据，提前锁定高风险人群。近视已成为儿童青少年中普遍且日益严峻的公共卫生挑战。传统防控策略多聚焦于近视发生后的控制，而预测模型的意义在
北京瓣膜会2026：AI融入瓣膜病诊疗的全链路实践与思考
2026年7月8日，由国家心血管疾病临床医学研究中心、首都医科大学附属北京安贞医院、首都医科大学附属北京安贞医院心脏瓣膜病介入中心、亚太结构性心脏病青年俱乐部（APSHD）联合北京华卫公益基金会共同主办的第六届北京瓣膜会（BEIING VALVES 2026）盛大启航，宣告一场为期5天的学术交流正式开启。7月10日下午，“人工智能在心脏瓣膜病诊疗中的应用”专题论坛召开。论坛围绕“心血管影像AI与数字化介入规划”及“心血管AI临床转化与虚拟验证”两大主题展开，内容涵盖多模态影像、经导管主动脉瓣置换术（TAV
活力中国调研行 | 基础科研怎样跨越“死亡谷”
从基础科学发现到真正进入临床，中间往往横亘着一道“死亡谷”：周期漫长、投入巨大、失败率高，让不少原创成果停留在论文里，或倒在走向应用的半路上。 7月6日，“活力中国调研行”记者团走进中国科学院生物与化学交叉研究中心。深耕细胞死亡领域四十余年的中国科学院外籍院士袁钧瑛，把基础发现走向临床药物的过程形容为“九死一生”。 一项原创研究，为何如此容易掉进“死亡谷”？科研机构怎样为科学家提供长期稳定的支持？一座城市如何通过制度、资金、平台、科学研究和成果转化体系，为基础研究架起一座通向未来的桥？请看一线记者的深度解
AI制药BD交易火热但首付不及1%，合规与数据安全成商业化关键分水岭
导读：本周AI医药领域呈现"资本狂热与商业化冷静"并行的复杂格局。英矽智能25亿美元牵手SK生物制药、默沙东5.1亿美元布局Protillion，但首付比例均不足1%，揭示行业对AI药物临床转化仍存顾虑。86%医疗机构已部署AI但仅30%盈利，后端运营场景率先跑通，前端诊疗面临泛化瓶颈。监管成为核心变量：FDA受理首款AI肝毒性预测工具上市申请，科创板第五套标准向医疗AI张开怀抱，而苹果AI健康教练却卡在FDA审批。底层技术持续迭代，英伟达开源BioNeMo、斯坦福推出Proto语言整合120+生物AI模
巨头分拆加码药研，智能体涌入医院，中国AI医疗开启加速模式
2026年6月5日，腾讯健康宣布与南通大学附属医院联合打造“通小安”门诊就诊智能体；仅仅五日后，字节跳动AI制药业务启动拆分并独立融资。一端是聚焦新药研发“双十难题”的上游突破——大型企业拆分融资、平台型企业斩获国际大额BD订单；另一端则是深入诊室的下游渗透——AI智能体入驻三甲医院。短短一周内，中国AI医疗在上下游两端同步按下“加速键”，通过分场景、分赛道的方式向深水区发起实质性攻坚。大厂拆分融资国际订单落地2026年6月10日晚间，字节跳动AI制药业务线启动拆分与独立融资的消息，为沉寂已久的AI制药一
AI靶点发现新纪元:Nature Reviews Drug Discovery全面解析从识别到临床的创新路径
传统药物靶点发现耗时漫长且风险极高——人类约20,000个蛋白编码基因中仅有716个被成功药物靶向。进入AI时代，机器学习、大语言模型和知识图谱正从根本上改变靶点识别与评估的效率。2026年4月发表于《Nature Reviews Drug Discovery》的重磅综述《Target identification and assessment in the era of AI》系统梳理了这一领域的突破、挑战与未来方向。本文为你提炼核心干货，并解读为何该文能登顶顶刊。📊 图1｜AI赋能靶点识别全流程▶ 从
AI 赋能多肽创新：Space Pharma 构建全球领先制药平台
近期，Space Pharmaceuticals AG/上海胜普泽泰医药科技有限公司的创始人兼 CEO 何润泽博士，受邀请出席由香港特区政府医务卫生局在瑞士苏黎世组织的“香港 - 瑞士生物科技圆桌会议”，并分享了公司基于化学空间理论与 AI 驱动技术的全球顶尖多肽药物发现平台。深耕化学空间源头创新，打造 AI 多肽药物全栈实力Space Pharm 是一家专注于利用人工智能推动多肽药物发现与联合开发的全球领先 AI 制药企业，由化学空间理论奠基人、瑞士伯尔尼大学 Jean‑Louis Reymond 教授
2026 年 AI 制药产业深度洞察报告
生物医药作为守护国民健康与公共卫生安全的战略基石，传统新药研发长期受困于“长周期、高投入、高风险、低成功率”的“双十难题”。长达 12 至 15 年的研发周期、数十亿美元的资金消耗以及不到 10% 的临床上市成功率，严重阻碍了医药创新的迭代进程。疾病机理的错综复杂、化学空间筛选的高难度以及严苛的监管门槛，使得传统的经验试错型研发模式难以适应精准医疗、新发传染病及罕见病用药的市场需求，行业范式的革新已刻不容缓。人工智能技术的迅猛迭代，推动药物研发从经验驱动向数据驱动的智能范式转型。近五年来，AI 已从单点技
BMC综述：AI赋能病理诊断的效能评估与临床展望
伴随数字病理与人工智能技术的飞速演进，AI在组织及细胞病理领域的应用愈发普及。尽管如此，虽然众多原始研究证实了AI在肿瘤筛查、分级及预后判断上的高精准度，但其临床落地仍受制于方法学质量参差不齐、外部验证缺失等挑战。本研究依托一项伞形综述，系统整合了6项系统综述与Meta分析的数据，旨在评估AI在病理诊断中的准确度及其临床转化前景。结果表明，特别是深度学习模型在前列腺癌、淋巴瘤、黑色素瘤、胶质瘤分级以及宫颈癌淋巴结转移等任务中展现出卓越性能，敏感性与特异性均超过95%，部分场景下甚至媲美资深病理专家。不过，
AI驱动生物医药：从算法到实验的闭环创新
点击上方蓝字 关注普瑞基准2026年5月8日至10日，由无锡市政府主办2026太湖湾生命健康未来大会在无锡国际会议中心举行。本届大会以“智融前沿 产创未来”为主题，深度聚焦AI+生物医药、细胞与基因治疗、脑机接口、核药等前沿赛道。在“人工智能赋能药械发展论坛”的《从算法到“湿实验”：AI驱动的高效研发闭环实践》圆桌对话中，普瑞基准创始人兼CEO季序我博士与舶望医药IT负责人史俊、海正药业研发中心副总经理周厚江、望石智慧创始人兼CEO周杰龙、再鼎医药全球研发首席运营官阎水忠等行业专家展开深度交流。季序我博士
2026医学影像AI峰会登陆港大，聚焦智能诊疗新纪元
本次峰会核心议题锁定 Agentic Radiology，深入研讨 AI 如何由辅助决策角色，演进为能理解、规划并深度介入完整临床路径的智能体系。日期：2026 年 5 月 16 日，星期六时间：9:00 – 18:00地点：香港大学本部校园 Chow Yei Ching Building G/F, CBA大会特邀港大、港中文、上海科技大学、昆山杜克、澳门理工、新加坡 A*STAR 等科研院校专家，重点分享以下领域：下一代医学图像生成与基础模型的方法学革新具备多模态推理、规划及执行能力的 Agentic
医保局密集出台39批医疗定价指南——加速创新技术造福患者
近期，国家医保局将规范医疗收费项目列为重点改革方向，加速推进医疗服务价格项目立项指南的编制与发布工作。从2021年起，全国范围已累计推出39批医疗服务价格项目立项指南，各地平均落实30批左右，目前第40批检验类指南正公开征询意见，标志着全国医疗服务价格项目"通用名"统一工作接近尾声。此次改革特别增设了180余项面向新技术、新产品的前瞻性收费项目，涵盖手术机器人、远程诊疗、脑机接口等尖端医疗方向，引发社会高度关注。 价格项目立项指南究竟是什么？它的制定与实施会对百姓看病、医院管理、医药行业发展产生怎样的深刻
女性癌症诊疗：AI技术的临床应用与未来展望
AI技术正在重塑女性癌症的全方位管理：涵盖了从早期风险研判、筛查、确诊、治疗策略制定到预后追踪的全过程，并在多个关键环节展现出强大的应用潜力。乳腺癌领域是AI应用最为深入的板块：特别是AI辅助的乳腺X线摄影筛查，目前已在临床实践中广泛应用。相比之下，妇科癌症的AI发展步伐较慢：这主要归因于数据资源匮乏、肿瘤特征差异大以及缺乏大规模的前瞻性验证研究。面对当前的瓶颈，生成式人工智能与多模态模型被视为突破技术限制的关键路径。基因表达数据解析：例如ARIADNE算法，被用于对三阴性乳腺癌的恶性程度进行分层评估。可
跨国制药巨头全面进军AI，中国创新药企如何突围制胜？
AI半月谈【第20期】全球AI制药已从概念炒作进入实质性变革阶段。礼来、罗氏、武田等国际制药巨擘竞相搭建自有算力体系、斥资并购AI技术企业、将人工智能全面融入研发链条——一场围绕数据、算法与算力的竞速赛已经全面展开。与此同时，人工智能生物技术公司在靶点识别、分子设计、临床结果预判等领域不断验证其价值，但平台型企业同样面临被头部企业整合替代的生存挑战。对中国AI制药产业而言，考验更加严峻：算力储备不足、优质临床数据难以获取、监管框架尚未明朗。在此形势下，我们更需要理性审视：人工智能究竟变革了药物研发的哪些环
医学影像AI破局指南：4大前沿方向与顶会创新思路
从事医学影像AI研究的研究人员，是否经常遇到这些难题？采集数百例MRI数据后，仅标注一套T1序列便需占用放射科医生半小时，且不同医师的标注结果存在分歧；历经艰辛训练出Dice系数达0.95的模型，一旦投入临床便遭遇滑铁卢——运动伪影、设备差异等因素瞬间导致模型性能骤降；尝试将T1、T2、FLAIR等多序列融合时，却因配准困难、分辨率不匹配等问题产生相互干扰……这些挑战本质上源于两大核心瓶颈：复杂病灶定位困难，跨模态信息整合不易。针对这些瓶颈，哪些研究路径具备真正的创新价值？哪些方向更易产出高水平学术成果？