Orchestra:基于佐证的多智能体生物信息学工作流用于调控候选发现
Orchestra 多智能体工作流结合 RegNetAgents 与 CASCADE 服务器,通过要求两个独立系统对候选调控因子达成一致来增强结果可信度。在 TCGA 肿瘤数据集中,BRCA/COAD 面板显示至少 2 个证据源预测已知驱动基因状态(OR 3.15, p=0.016),且该模式在 STAD 面板中更强(OR 6.71, p=0.0047),阴性对照组无显著关联。
Orchestra 多智能体工作流结合 RegNetAgents 与 CASCADE 服务器,通过要求两个独立系统对候选调控因子达成一致来增强结果可信度。在 TCGA 肿瘤数据集中,BRCA/COAD 面板显示至少 2 个证据源预测已知驱动基因状态(OR 3.15, p=0.016),且该模式在 STAD 面板中更强(OR 6.71, p=0.0047),阴性对照组无显著关联。
国家自然科学基金委员会率队赴迈瑞医疗调研,标志国家基础研究资助体系向民营医疗器械龙头开放。此举是2025年6月双方签署民企联合基金协议后的跟进,旨在统筹社会科技资源,推动产学研用深度融合,提升源头创新能力。
一项利用增强现实叠加3D肿瘤可视化的交互式3D技术,于2026年6月在肝脏手术中首次应用于患者,系统运行正常且患者次日出院。该技术通过在肝表面贴附约1平方厘米带二维码的标记,结合术前影像实时计算并指引肿瘤位置。团队计划于2026年秋季进行更多肝脏手术以验证临床效果,并推进监管审批。
发表在Int J Mol Sci的研究利用可解释机器学习与分子模拟筛选海洋天然产物库,锁定CMNPD30448与CMNPD7060两个候选分子。PubChem分子指纹结合随机森林模型对HER2活性化合物预测准确率达0.91、ROC-AUC为0.96。500纳秒动力学模拟及自由能分析显示候选分子与HER2复合物结构稳定。
PacBio与Verily Health宣布开展多年合作,将PacBio的HiFi长读测序与Verily的临床数据平台结合,用于生物医学研究及AI模型训练和部署。双方计划通过Verily Pre平台的Workbench环境汇总分析HiFi基因组数据与真实世界临床信息,合作未披露财务条款、具体客户及时间表。
弗吉尼亚联邦大学与埃默里大学开发了名为 HomePal 的被动式居家传感系统,通过运动、睡眠、电视使用、智能音箱语音及电话模式等数据,识别老年人孤独相关行为并向照护团队报告。研究团队在亚特兰大 70 名 65 岁以上独居老人家中部署原型系统三个月,计划将数据与每两周一次的孤独评估进行比较;研究者强调现阶段并非直接诊断孤独,而是寻找可能与孤独相关的模式。研究发表于期刊 Assessment。
Penn Medicine 团队在 npj Digital Medicine 发表研究,介绍可从 CT 扫描中识别原检查目的之外疾病线索的 AI 模型 Percival。
推荐理由:与同类模型 TotalSegmentator 的对比给出该模型在部分疾病识别上的差异,研究仍处临床前测试阶段。
IMU Biosciences 与 UK Biobank 合作构建迄今规模最大、最详细的人体免疫数据集,计划先分析 80,000 份参与者血样,每份样本产生逾 1 亿个免疫数据点,并拟扩展至全部 500,000 名参与者。
华中师范大学团队提出 CoReFuse-Med 框架,针对多模态医学图像融合中低质模态引入伪影的问题,通过 LACE 与 IMSH 模块实现浅层特征去污染。该模型在 EPVS 数据集上 DSC 达 0.7326,在 BraTS 数据集上 DSC 达 0.8528,优于对比模型。研究验证了该框架在解决分辨率不一致导致的信息质量下降方面的有效性。
周一A股震荡分化,上证综指、沪深300等主要股指收红,科创50走低,银行股创历史新高,人形机器人与创新药主线活跃。全球资本回流权益资产,韩国KOSPI从开盘跌3%拉升至收涨1.76%,美国10年期国债收益率向5%方向大幅走低。分析认为A股有望进入震荡筑底周期,操作上可跟踪红利资产及三季度业绩改善的乳业、零售药店、创新药、化工等品种。
athenahealth 的赞助内容提出,原生集成于 EHR 的 AI 相比独立工具可共享同一套数据、权限与临床工作流,并列出医疗管理者应关注的三点。文中称一家使用 athenaOne 的客户每次就诊的病程准备与记录时间减少近 6 分钟,同日病历完成率超过 80%,均为其客户总体数据,个体结果可能不同。文章建议管理者评估底层架构而非仅看功能清单,判断 AI 能否跨工作流共享临床上下文并随使用扩展。
3DR Labs 推出名为 Strings 的智能体 AI 平台,旨在自动化临床影像工作流程,通过解释临床意图将检查自动路由至相应算法,解决“整合鸿沟”。该平台在一家年生成超 100 万次影像检查的大型医疗系统中,每月消除超过 467 小时的医护人员手动操作时间,并预计每年带来 170 万美元的经济效益。
加州大学圣地亚哥分校等机构团队提出一项可泛化深度学习模型,通过语言建模协调跨EHR数据以预测阿片类药物使用障碍。该研究发表于 npj Digital Medicine,使用 All of Us Research Program 参与者数据。
Nutrients 期刊综述指出,在高质量临床证据出现前,AI 膳食评估软件应作为传统营养评估方法的补充而非替代。现有数字化工具虽能实现连续监测,但受限于食物数据库质量、跨文化适配性及临床认可度不足。
京仪智能科技将参加在武汉举办的两场学术会议,展示HMS 7500系列三重四极杆及HMS 7600系列高分辨液质联用系统。技术中心副主任姚继军博士将作专题报告,分享药物代谢分析与国产高端质谱工程化应用进展。
自免CAR-T迎来商业化关键节点,首批产品接近上市申报,业界聚焦疗效持久性与安全性。Kyverna的miv-cel已启动僵人综合征BLA申请,一年随访显示92%患者无需继续免疫治疗;Cabaletta和Cartesian Therapeutics分别通过多适应症和mRNA技术探索差异化路线。疗效持久性被视为获取支付方认可的关键,安全性及现货化、体内CAR-T等简化方案是未来扩大的制约与方向。
推荐理由:梳理自免CAR-T商业化关键节点,对比各家疗效持久性与安全性数据,揭示支付方对长期获益的考量逻辑。
基于日本 8282 名儿童(5170 名家长)的横断面研究显示,家长常规使用生成式 AI 获取健康建议与儿童腮腺炎、流感、新冠疫苗接种率升高相关。然而,该习惯与常规计划内的麻腮风疫苗接种无明显关联。研究通过联动 2023 年同队列数据开展追踪亚组分析以验证结果稳定性。
浙江大学团队在 Targetome 发表研究,利用 Spatial-seq 2.0 技术解析三七总皂苷和人参总皂苷在 C57BL/6 小鼠急性缺血卒中模型中的空间分子调控机制。
加州大学圣地亚哥分校团队在Cell发表两项研究,分别利用深度学习模型MitoSpace和基于物理的数字孪生模拟线粒体动态。MitoSpace基于40,000部4D显微电影训练,仅凭线粒体形状在26种药物条件下预测细胞能量状态,4D数据训练准确率75%。
我国60周岁及以上老年人口超3.2亿,智慧养老产品正从技术试点向普及应用发展。涵盖跌倒监测、慢病管理的情感计算和AI陪伴等功能逐步落地,但面临产业链碎片化、标准缺失及线下响应服务不完善等挑战。
首届全球具身智能应用创新挑战赛暨2026中国机器人大赛在浙江杭州闭幕,共有168支队伍获得各赛项前三名。赛事包含22个大项、60个子项目,涉及医疗机器人等方向,部分成果将进一步开展测试验证和应用对接。
据最新一期《科学》报道,包括2024年诺贝尔化学奖得主戴维·贝克在内的团队开发出新的生成式AI系统RFdiffusion3(RFD3),该系统能够直接从原子层面设计蛋白质和核酸。
宾夕法尼亚大学研究团队在 Nature Medicine 发表概念验证研究,让 13 名接受持续脑电监测的癫痫患者通过手机应用向监测系统提问、获取脑电趋势与警报,并反馈症状与识别结果,期间共分析 1307 条医患系统消息。研究团队认为,这种双向交流平台或可推广至心脏设备、胰岛素泵及帕金森病等神经精神疾病的治疗设备。
推荐理由:概念验证研究展示了患者与医疗设备双向对话的可行模式,可帮助读者理解医疗AI应用的一种新方向。
Mount Sinai 科学家在《American Journal of Psychiatry》发表研究,识别出三条与深部脑刺激(DBS)治疗重度抑郁症长期疗效相关的白质通路:扣带束、下勾和内侧钩束/腹侧杏仁核投射。
推荐理由:研究基于多队列数据关联了三条白质通路与深部脑刺激疗效,为优化电极植入定位提供了影像学依据。
英国药品和健康产品管理局(MHRA)于10月14日发布2030年战略规划,计划将快速通道科学咨询时限从90天缩短至45天、Ⅰ期临床试验审查时限减半至14天,并推进AI监管、真实世界数据应用和国际互认。规划还提出成立AI与数字健康中心、开发AI临床试验方案核查工具,以加快创新产品可及。
推荐理由:MHRA2030年战略将审评时限、真实世界数据和AI监管目标逐一量化,可作为观察英国药品与医疗器械监管动向的参考。
多中心随机对照试验显示,基于强化学习的胃肠镜自动麻醉系统(AAS-GE)的低氧血症发生率与麻醉医师手动管理无显著差异(14.42% vs 14.29%,P=0.968),麻醉诱导时间更短(1.55 vs 1.90 min,P<0.001)。
推荐理由:强化学习自动麻醉系统此前多停留在模拟与回顾性分析,本研究以多中心随机对照方式直接比较其与麻醉医师手动管理的临床表现,为该方向提供了前瞻性临床证据。
罗敏敏团队在Neuron发表研究,开发出不依赖Cre系统的新型AAV平台,实现对小胶质细胞的高效、特异和持久遗传操纵。该平台整合了特异性调控元件MSRE和高效AAV2/9.m衣壳等策略,在多个小鼠脑区实现超过90%的小胶质细胞特异性,并借助多柔比星辅助递送在大鼠、恒河猴和人离体脑切片中实现了高效靶向。
一项真实世界临床研究评估了 AI 系统 AI-FCP 在荷兰癌症研究所头颈肿瘤科首次门诊准备中的临床可用性。该研究由 Top Sector Life Sciences & Health 资助,数据及分析由无商业利益关联的研究人员负责。研究涉及多家荷兰医疗机构,其中部分作者来自合作企业 kaiko.ai,已采取版本冻结等冲突利益管理措施。
该研究提出一种名为ARES-SI的强化学习系统,用于个性化调整自杀意念(SI)的生态瞬时评估(EMA)时机。系统结合随机森林模型和Q学习算法,根据风险状态动态决定评估间隔(高风险30分钟、低风险3小时等)。在验证测试中(N=34),其主动SI预测的AUC为0.865,比随机调度高出65%的操作选择准确率(0.781 vs. 0.474),且在检测高风险窗口方面表现更优。
美国达特茅斯学院卫生政策与管理教授阿尔伯特·穆利在2026世界传统医药大会期间表示,西方医学可借鉴传统医学关注患者个体体验及以人为中心的服务模式。穆利认为,人工智能在医疗中的应用若能面向了解个体患者的感受和需求,将有助于提高患者健康决策质量。他评价中国的“健康中国2030”战略注重以人为中心的医疗卫生和中医药发展。
这项发表于npj Digital Medicine的研究验证了大语言模型(LLM)从每日视频日记文本评估抑郁症状的有效性。研究纳入108名参与者,LLM评分与自我报告在个体内相关(r=.45),平均LLM评分与临床访谈确定的抑郁严重程度相关(r=.53),且能预测自我报告之外的日常功能变量。
华南理工大学附属第二医院团队在 ACS Nano 发表研究,开发了荧光编码赋能的多重液滴数字 RPA-CRISPR/Cas12a 检测体系(FLEMD-CRISPR)。
推荐理由:文章展示了一种通过组合荧光编码和确定性液滴配对,将多重检测信号明确归属到不同病原菌的方法。
沙特阿卜杜拉国王科技大学团队联合联川生物在bioRxiv发表预印本,报道跨物种生成式单细胞基础模型Speciesformer。该模型在涵盖11个物种、1.31亿细胞的SpeciesCorpus数据集上预训练,可将进化表征学习与虚拟细胞状态生成相结合,并实现对未知细胞情境中扰动响应及转录组状态的预测。
一篇综述系统总结了人工智能在急性缺血性卒中多模态CT病灶识别与分割中的研究进展,范围覆盖平扫CT、CT灌注和CT血管成像三类模态。文中显示AI辅助判读可将NCCT隐匿性病灶的诊断准确率提高约26%~30%,CTP深度学习模型在梗死核心分割上优于商业软件固定阈值法,CTA模型对近端大血管闭塞的识别已有外部验证支持。
欧洲核医学协会(EANM)2026 年大会展示脑 PET 扫描在阿尔茨海默病诊疗中的应用。Amyloid PET 用于确诊以指导 lecanemab 和 donanemab 治疗,JAMA 发表的 III 期试验显示 52% 的 donanemab 用药者 12 个月内清除 amyloid;tau PET 可预测治疗响应,III 期试验中的 trontinemab 旨在优化疗效与安全性。
研究人员提出了一种多阶段验证框架,利用大型语言模型从未结构化的健康记录中提取临床信息。该框架结合了提示校准、规则过滤、语义接地、法官模型评估、专家审查和预测效度分析,提高了提取的准确性和可信度。
韩国首尔科学技术大学研究团队开发了一种域自适应深度学习框架,用于手机录音检测儿童异常肺音,在配对数据测试中F1为0.802、AUROC为0.911。在48名儿童的外部手机录音验证集上,该模型F1为0.744、AUROC为0.862,而仅用电子听诊器数据训练的模型F1仅0.034。
Iambic Therapeutics通过IPO融资1.5亿美元,股价较发行价上涨超50%。公司表示其AI平台已将分子推进至临床阶段并计划2027年启动注册试验。CEO强调通过合作伙伴关系积累现金和临床数据以支撑公司价值。
中国研究团队用深度学习分析面部与舌象照片筛查冠心病,在 104 人测试中准确率达 98%,40 名冠心病患者全部被识别,另有 2 名健康人被误判。该研究纳入 518 人,其中 200 名确诊冠心病、318 名健康志愿者,照片在受控光照下用专用设备拍摄,论文发表于 Scientific Reports。文章指出健康对照未全部接受冠脉影像检查,且该结果尚不能说明面部与舌象特征由冠脉狭窄引起。
Stanford 团队在 npj Digital Medicine 发表开放获取研究,提出基于公开数据训练的通用文本引导潜在扩散模型 MediSyn。该模型可跨 6 个医学专科和 10 种影像模态生成图像,在计算效率上优于特定任务模型套件。研究显示该模型能提升数据有限场景下的分类器性能,验证了通用生成模型在加速医学算法研发中的潜力。