云南十部门联手推进AI医疗应用
为加快医疗卫生领域人工智能应用发展近日云南省卫生健康委员会云南省发展和改革委员会等十部门联合发布《云南省加快推动“人工智能+医疗卫生”应用发展实施方案》全文如下↓↓云南省加快推动“人工智能+医疗卫生”应用发展实施方案为认真贯彻落实党中央、国务院关于“人工智能+”行动战略和省委、省政府工作要求，加快医疗卫生领域人工智能应用发展，结合工作实际，制定本实施方案。一、工作目标2026年底，建成省级卫生健康数据共享交换枢纽，构建20个卫生健康部门业务资源数据库，打造基层医疗卫生机构人工智能辅助诊疗、智能慢性病管理、
AI赋能医疗：投资回报显现，行业应用加速
人工智能正以前所未有的速度推动医疗领域的进步，其影响范围涵盖了医学影像、新药开发、医疗设备制造，乃至通过数字人技术催生的创新疗法。根据英伟达（NVIDIA）发布的《2026年医疗健康与生命科学行业人工智能发展现状及趋势调研报告》，业界已从最初的AI探索阶段转向实际应用，并在医学影像和药物研发等关键领域开始显现可观的投资回报。与此同时，行业内正积极拥抱开源软件与AI模型，以应对各类特定应用场景的需求，并且也在探索利用代理式AI来提升知识检索和科研文献分析的效率。本年度的调研报告揭示了以下几个重要趋势：70%
Python驱动临床科研：机器学习与深度学习实战训练营
第一部分AI智能体与多模态医学研究设计ØAI Agent在医学研究领域的前沿应用及发展趋势ØAgent架构：ReAct / Plan-and-Execute / Multi-AgenØ多模态数据（影像+基因组+电子病历）的整合研究设计Ø研究选题策略：从临床问题到AI解决方案的转化第二部分Python编程基础及AI智能体工作流ØPython环境配置（Anaconda / Jupyter / VS Code）Ø数据处理核心语法实践ØDataFrame操作 · 缺失值处理 · 数据可视化Ø医学统计图表：Kapl
AI与医学影像SCI期刊投稿指南：易中选优
在AI与医学影像交叉领域，有哪些投稿相对容易且易于被接受的SCI期刊呢？本文将为您盘点。🥣 IEEE Transactions on Medical Imaging：作为工程与医学交叉领域的标杆性期刊，它位列一区，影响因子高达9.9。该刊每年发表约350篇文章，涵盖AI、医学影像重建等高质量研究，在业内享有极高的声誉。对于寻求发表高水平原创性研究成果的学者而言，这是冲击医学影像与AI交叉领域顶刊的核心之选。🥣 Radiology-Artificial Intelligence：这是放射领域一颗冉冉升起的新
通用电气医疗下调全年盈利预期，整合两大核心业务
专题：聚焦美股2026年第一季度财报 这家医学影像公司计划通过业务整合来提升运营效率，并更好地服务患者及客户。 受本季度存储芯片、原油及货运成本显著上涨的压力，通用电气(282.7745, -6.43, -2.22%)医疗（GE HealthCare） 调降了其全年利润预测。 该医疗科技企业同时宣布，将合并其两大核心业务部门，旨在通过此次整合提高医学影像业务的运营效能，并优化对患者与客户的支持能力。 通用电气医疗于周三发布公告称： 全年调整后每股收益预期区间下调至 4.80–5.00 美元，此前预期为 4
AI医疗发展全景
1.1 AI技术发展脉络1.1.1 AI演进历程自1956年人工智能（Artificial Intelligence, AI）概念被提出以来，领域内陆续涌现出一批备受关注的研究突破。人工智能早期的进展显著提高了人们对其的期待，但受限于当时的技术水平，许多充满想象力的目标仍难以真正落地。1974~1980年以及1987~1993年，人工智能先后进入两段相对低谷期，不过这一阶段仍不断出现重要成果。例如20世纪70年代诞生的专家系统（Expert System，ES），可以借助人类专家的知识与经验解决相关问题，
人工智能医疗器械多模态大数据三项团体标准审定会在杭举行
2026年4月21日，为攻关医疗器械多模态知识融合技术及可信共享平台，破解医疗行业存在的关键技术难题。由浙江大学生物医学工程与仪器科学学院等单位联合起草的《人工智能医疗器械 心肌梗死区域定量分析算法性能测试方法》、《人工智能医疗器械 心脏异常起搏点定位深度学习算法性能要求与测试方法》、《人工智能医疗器械 医学影像生成与增强内容标识方法》三项人工智能医疗器械多模态大数据系列团体标准审定会在浙江省医疗器械行业协会成功举办。该系列团体标准依托在研的2025“尖兵+领雁”项目开展编制工作。标准审定组由浙江大学医学
德适生物iMedImage医学影像基座模型面市，覆盖超90%临床场景助力专病AI研发降本增效
新浪科技讯 4月22日晚间消息，在2026第十届万物生长大会上，杭州德适生物科技股份有限公司携自研iMedImage®医学影像基座模型，亮相“杭州AI十八罗汉”联展区。 德适于3月30日登陆港交所主板，成为医学影像大模型第一股。作为杭州“AI十八罗汉”首家上市企业，其公开发售阶段获得1073倍超额认购，目前市值超250亿港元。 本次参展，德适重点展出两大核心产品：自主研发的iMedImage®医学影像基座模型，以及基于该模型打造的AI AutoVision® 染色体核型辅助诊断软件。据现场负责人介绍，iM
医疗AI领域招聘：人工智能总监与工程师，上海
一、人工智能总监—医疗应用方向100W，要求博士岗位职责：·研发并运用先进的人工智能与机器学习技术，聚焦多模态surgical AI手术解决方案的设计与实现；·开展医学图像/视频处理算法原型的快速构建与验证工作，通过实验评估模型效果与可行性；·深入理解业务场景，挖掘算法需求，推动临床应用AI解决方案的设计与落地，并对新方法进行验证；·持续关注人工智能及医疗影像领域的最新研究进展，不断优化和提升算法性能；·与临床用户保持紧密合作，共同解决实际临床场景中面临的问题；·严格遵守公司的产品研发流程与规范要求；·与
AI重塑医疗：创新实践与发展趋势
当前，医疗健康行业正经历着人工智能技术的深度渗透，这正在引发一场深刻的变革。无论是从疾病的早期预警到精准治疗方案的制定，还是从药物研发周期的缩短到偏远地区医疗资源的延伸，AI都在以独特优势重塑医疗服务的每一个环节。随着深度学习、多模态融合等技术的不断突破，AI在医疗领域的应用正从单纯的辅助工具向核心支撑力量转变，同时也面临着可解释性、伦理规范等严峻挑战。深入剖析这一技术变革的现状、困境与未来，对于推动医疗行业的智能化升级至关重要。AI技术已全方位嵌入医疗服务的各个层面，其应用场景的广度和深度持续扩展，为提
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？
AI医疗初具规模，部分疾病快速诊断，准确率超95%
AI医疗助手在特定领域已相当可靠，但目前无法完全取代人类医生的全面判断。目前，AI在分析医学影像、辅助诊断和数据处理方面表现出色，一些系统的准确率超过95%。甚至在复杂病例的初步诊断中，AI的准确率是人类医生的数倍。例如，浙江大学的AI病理助手能在1到3秒内锁定癌症病灶，准确率超过95%。然而，AI的可靠性受到输入信息完整性和临床推理能力的限制。哈佛医学院的最新研究表明，AI在“鉴别诊断”阶段表现不佳，超过80%的病例未能将正确的诊断列入初步名单。这意味着，当患者仅提供模糊症状时，AI很容易误诊，其建议只
首届国家级医保影像AI识别赛事全面启动
3月19日，首届全国医保影像AI识别大赛新闻发布会在绿城南宁盛大启幕，标志着国内首个医保影像人工智能赛事正式扬帆起航。本届赛事由国家医疗保障局与广西壮族自治区人民政府强强联手，以“慧眼识图 影领未来”为核心主题，聚焦人工智能技术与医学影像辅助诊断的深度交汇，面向全球广发英雄帖，征集顶尖医学影像AI解决方案。广西壮族自治区副主席眭国华、国家医疗保障局大数据中心主任付超奇亲临发布会现场，全方位阐释大赛的价值内涵与筹备进程。国家级赛事破浪前行 助力“数字中国”与“健康中国”双向赋能大赛锚定AI技术实践与医学影像
人工智能医疗创新周度要闻
2026年4月6日 - 4月12日一、技术动态1. 多病症早期筛查AI模型瑞典隆德大学在《自然·医学》期刊发布研究成果，研发出一种通过一次血液检测即可识别5种神经退行性疾病的AI模型，能够区分阿尔茨海默病、帕金森病、额颞叶痴呆等，为大规模社区筛查提供了经济高效的解决方案。2. 医学影像AI产品迭代深睿医疗的肺结节AI辅助诊断系统获得国家药品监督管理局三类证升级批准，新增了良恶性概率预测与随访建议生成功能，临床验证的敏感度达到98.2%。万东医疗在中国国际医疗器械博览会上发布MR智能体与DR智能体，基于百万
德适-B大涨逾7% 医学影像AI基座模型成核心
被誉为“医学影像大模型第一股”的德适-B（02526）今日早盘表现强劲，涨幅一度超过7%，截至发稿时，股价录得5.13%的涨幅，报收246港元，当日成交额达3409.76万港元。 据披露，德适深耕AI医学影像底层技术革新，其自研的iMedImage®医学影像基座模型具备卓越性能，支持19种影像模态，能覆盖超过90%的临床影像应用。该模型依托海量预训练数据，能高效构建专病诊断模型，在“少样本、低算力、快训练”方面取得了行业性的关键进展。 另外，公司核心产品AI AutoVision®®已成功通过国家药监局审