医药 AI 前沿资讯
洞察医药研发动态，把握产业先机——监管政策、深度研报、产品发布与行业观察一站直达。
深度研报
深度研报La Trobe 开发 SÉMIL 病理 AI，识别二期肠癌患者复发风险
La Trobe University 研究人员开发名为 SÉMIL 的 AI 算法，通过分析病理切片中肿瘤侵袭前沿的生长模式，识别二期肠癌患者术后复发风险。模型在 Austin Health 及两个外部队列的 1220 多名患者中完成验证，被其标记为高风险的患者 5 年内复发风险约为普通患者的两倍，并且与病理医生评估结合后能进一步提高风险分层准确性。该研究值得关注，是因为它把 AI 病理从单纯识别病灶推进到治疗决策前的复发风险判断，未来可能帮助医生更精准地权衡辅助化疗。
深度研报HKUST 开源 GSCo 医疗 AI 框架，用低成本方式提升多模态诊断模型表现
香港科技大学团队发布 Generalist-Specialist Collaboration (GSCo) 医疗 AI 框架，把通用医疗基础模型 MedDr 与轻量专科模型协同起来，用于医学影像诊断、视觉问答和放射报告生成等任务。研究显示，GSCo 在 32 个公开数据集、约 26 万张医学图像上的表现优于多种现有视觉基础模型，且适配新临床任务的计算成本可比微调整个通用模型低两个数量级。它值得关注，是因为该路线为算力有限、又希望把敏感数据留在本地的医院提供了更可落地的医疗 AI 开发路径。
深度研报Ambient Clinical Intelligence 从 AI 书记员升级为临床智能，考验医院治理能力
HIT Consultant 文章指出，环境式临床智能正在从单纯的 AI 书记员演进为更复杂的临床工作流代理：系统不仅记录医患对话，还可能识别护理缺口、预填医嘱、生成事前授权材料并推动 EHR 内任务流转。文章引用多个数据点说明环境式文书已快速普及，但其治理机制、患者同意、隐私、投资回报和监管边界仍未完全跟上。该内容值得关注，是因为当 AI 从“听写病历”跨入临床决策支持和自动化执行时，医疗机构面临的已不只是效率采购问题，而是安全、责任和 FDA 软件边界问题。
深度研报Healthcare IT News：医疗物理 AI 落地关键转向治理与规模化准备
Healthcare IT News 在物理 AI 专题第二部分中讨论了医院如何为具备感知、推理和行动能力的物理 AI 系统建立治理、安全验证和运营策略。文章采访 Northwell Health、NVIDIA 和 Expper Technologies 等相关人士，强调重点不是选择机器人形态，而是把物理 AI 作为护理团队延伸，先从可控、重复、低风险流程切入。该议题值得关注，因为医疗 AI 正从文档、影像和行政自动化扩展到真实临床环境中的设备、传感器和机器人。
深度研报研究团队开发 AI 脑龄框架，绘制不同脑区衰老地图
Digital Health News 报道称，南加州大学 Andrei Irimia 团队开发了一种基于 AI 的脑龄框架，可生成局部脑区衰老地图，而不只是给出整体脑年龄估计。研究使用来自 UK Biobank、人类连接组计划等数据集的近 1.5 万名认知正常成年人 MRI 进行训练，并在阿尔茨海默病神经影像计划数据中测试。该事件值得关注，因为区域化脑龄模型有望帮助识别与认知功能、正常衰老和神经退行性疾病相关的更细粒度影像信号。
深度研报AHA AI Assessment Lab 评估 Ultromics 心衰诊断 AI：可提前数月识别 HFpEF 风险
Healthcare IT News 报道，美国心脏协会 AHA 的 AI Assessment Lab 发布首份评估，聚焦 Ultromics 的 FDA-cleared 诊断支持工具 EchoGo Heart Failure。该软件分析常规超声心动图视频，用于识别射血分数保留型心衰 HFpEF。评估使用约 9 万份真实世界超声心动图，并结合临床和经济模型测算五年影响，结果显示该工具可能比标准照护提前最多 263 天识别部分漏诊患者，并在每 1 万名评估人群中减少死亡、住院、再入院和急诊使用。该事件的价值在于，它把医疗 AI 评估从敏感性、特异性扩展到患者结局、工作流、健康公平和经济影响，为临床 AI 的采购与部署提供了更现实的评价框架。
深度研报AI 工具尝试通过社交媒体数据识别青少年心理健康危机
WRDW 报道了一项面向青少年心理健康危机识别的 AI 工具，该工具尝试利用社交媒体数据发现潜在风险信号，帮助医疗和公共卫生团队更早识别可能需要干预的个体。该方向值得关注，是因为青少年心理健康服务长期面临筛查不足、求助延迟和资源紧张等问题，而社交媒体行为数据可能为早期预警提供新入口。但这类应用也会同步带来隐私保护、误报漏报、算法偏差和未成年人数据治理问题，能否进入临床或公共卫生流程，关键取决于验证质量、伦理审查和人类专业人员的介入边界。
深度研报Healthcare IT News：新 ARISE 框架用于评估和追踪临床 AI 模型
Healthcare IT News 报道称，研究人员提出 ARISE 框架，用于评估和持续追踪临床 AI 模型表现。该新闻的重要性在于，医疗 AI 进入实际部署后，行业痛点不只是模型初始准确率，而是模型在不同医院、不同患者群体、不同时间段是否持续可靠。ARISE 代表了医疗 AI 从静态 benchmark 走向动态监测和临床治理的趋势，也回应了监管机构和医院对安全性、公平性、可解释性以及模型漂移风险的关注。
深度研报UCL 用 AI 识别晚期直肠癌中更适合强化联合治疗的患者
News-Medical 报道，UCL 研究团队开发的 AI 工具在晚期直肠癌研究中识别出一类可能从伊立替康联合标准放化疗中显著获益的患者。研究发表于 eBioMedicine，基于 ARISTOTLE III 期试验中的 414 份活检样本，AI 通过分析肿瘤细胞密度把患者分为高低两组。结果显示，对高肿瘤细胞密度患者，加入伊立替康可将癌症复发风险降低约 43%，死亡风险降低约 50%，而低密度组没有明显获益。此事值得关注，是因为 AI 不只是辅助诊断，还可用于从既有临床试验数据中挖掘治疗响应差异，帮助医生在强化治疗和副作用风险之间做更精准的分层决策。
