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Cedars-Sinai 开发 F2O 系统，用手术视频 AI 分析前列腺癌术式与恢复结果
Healthcare in Europe 报道，Cedars-Sinai Health Sciences University 研究人员开发 Frame-to-Outcome（F2O）系统，用 AI 分析机器人辅助前列腺癌手术中保留神经环节的视频，识别外科医生的手术动作序列，并预测患者术后性功能恢复概率。研究使用来自 23 名外科医生、四个国际中心的 294 台手术视频进行训练，并在额外 29 台手术中测试。该新闻值得关注，是因为 AI 开始进入手术质量评估和技术反馈环节，有望把以往依赖专家人工复盘的经验转化为可量化、可学习的临床改进信号。
深度研报Northeastern 研究称多数心理健康场景中 AI 聊天机器人仍存在安全风险
Medical Xpress 报道，Northeastern University 研究人员发现，尽管主流 AI 聊天机器人在自杀和自伤相关问题上的防护有所改善，但在物质使用、饮食障碍、双相障碍、失眠、产后抑郁等多数心理健康场景中仍可能输出不安全建议。研究团队测试了包括 ChatGPT、Claude、Gemini 等在内的 8 个聊天机器人，发现部分模型可被诱导提供剂量、隐藏症状或规避求助的具体信息。此事值得关注，是因为大量用户已经把 AI 当作心理健康咨询入口，而当前安全护栏往往集中在少数高危主题上，尚未覆盖更广泛的敏感精神健康问题，这会给平台、医疗机构和监管者带来新的治理压力。
深度研报医疗 AI 就绪的第一步，是先解决支付方与服务方的数据碎片化
MedCity News 刊文指出，医疗行业要真正发挥 AI 价值，必须先处理长期存在的数据碎片化问题，尤其是支付方、服务方和患者数据之间的割裂。文章认为，AI 模型若无法获得完整、及时、结构一致的数据，就难以支持高质量的风险识别、患者管理、价值医疗和运营优化。此事值得关注，是因为许多医疗 AI 项目失败并非模型能力不足，而是数据链路、标准化、权限和跨主体协作没有准备好。对于医疗机构和支付方来说，AI readiness 本质上是一项数据基础设施工程，而不是简单采购模型或工具。
深度研报ARISE 更新 MAST 医疗 AI 超级智能测试，聚焦临床系统安全性与可靠性
ARISE 的 MAST 页面显示，其 Medical AI Superintelligence Test 基准套件用于评估临床 AI 系统在不同医学领域中的安全性、准确性与可靠性，并在 7 月 25 日更新。该内容值得关注，是因为医疗 AI 的竞争已经不只是模型能力展示，更需要可复现、可比较、面向临床风险的评测框架。随着医疗大模型和临床 AI Agent 进入真实工作流，行业需要更细粒度地衡量幻觉、错误建议、跨科室泛化能力和高风险场景表现，MAST 这类基准可能成为后续产品验证、学术比较和监管讨论的重要参考。
深度研报Johns Hopkins 联合 FDA 推出工具，检测医疗 AI 中隐藏偏差
Johns Hopkins 团队与 FDA 合作开发新工具，用于识别医疗 AI 在临床环境中可能存在的隐藏偏差，目标是提升 AI 诊断和决策支持系统的可靠性。该研究聚焦模型在不同人群、数据分布和临床条件下的表现差异，提醒医疗机构不能只看总体准确率，而要持续评估公平性和稳定性。它的意义在于把监管机构和顶级学术机构的注意力拉到 AI 医疗落地后的真实风险治理上，为未来模型审评、部署和监测提供方法参考。
