Anthropic IPO创纪录,市值达1.27万亿美元
Anthropic于11月19日在纳斯达克上市,首日市值达1.27万亿美元,超过SpaceX创下的IPO纪录。该公司正通过AI技术切入生命科学领域,构建三层业务架构,包括AI科研平台、智能体工作流与物理实验连接,以及直接下场做药。近期两次收购进一步增强了其在生物医药领域的实战能力。
Anthropic于11月19日在纳斯达克上市,首日市值达1.27万亿美元,超过SpaceX创下的IPO纪录。该公司正通过AI技术切入生命科学领域,构建三层业务架构,包括AI科研平台、智能体工作流与物理实验连接,以及直接下场做药。近期两次收购进一步增强了其在生物医药领域的实战能力。
Jonathan Kolstad,Knit Health 的 CEO,认为医疗系统的核心问题是未能将患者及时引导至合适的医疗服务。Knit Health 正在开发一个基于 AI 的世界模型 Med-BEAM,该模型已训练超过 140 万份病历记录,旨在预测患者需求并优化医疗流程。公司刚刚完成 3500 万美元的 A 轮融资,将加速该模型的商业化部署。
一项由iCARE领导的研究表明,AI生成的出院总结在临床接受度、准确性和完整性方面优于医生手写版本。该研究评估了与患者住院记录相关的AI系统生成的出院总结,发现92%的AI生成总结无需或只需少量修改即可通过临床审核,而70%的手写总结需要修改。这表明AI辅助的文档记录可能在提高出院信息质量方面具有潜力。
推荐理由:AI生成的出院总结在临床接受度和质量上优于医生手写版本,显示了AI在医疗记录中的潜在应用价值。
一项英国研究发现,AI生成的出院总结比医生写的更受临床审查者好评,且错误率更低。然而,研究者强调这些结果仍需进一步验证。
推荐理由:研究显示AI在出院总结上的表现优于医生,但强调AI生成的内容仍需临床验证。
李飞飞在CoRL2026上介绍了World Labs研发的新模型Atlas,该模型能够从多模态输入生成高质量的3D重建图像,适用于机器人仿真和创意应用。Atlas在Rapidata盲测中排名第一,显著领先于其他先进视频模型。
哈佛医学院Blavatnik研究所的研究人员开发了一种名为NoR-AI的新成像管道,结合了定制显微镜方法和AI图像分析,能够捕捉高质量的定量图像,包括脂质、蛋白质和水分含量。该技术可快速、详细地评估组织,有助于识别急性肾损伤等疾病的新特征。
推荐理由:介绍了新的AI辅助成像技术NoR-AI,能够更详细地分析组织中的脂质和蛋白质,有助于疾病诊断。
姚期智与月之暗面创始人杨植麟等发布的预印本论文(arxiv.org/pdf/2611.07962v1)提出 TCSExam 评测系统,以 100 项理论计算机科学任务测试 AI Agent 能否完成研究级工作。
剂泰科技与礼来达成新型脂质纳米颗粒(LNP)递送技术战略合作,涉及最高约11亿美元的开发、监管和商业里程碑付款。文章分析了AI递送技术的现状与未来发展方向,强调了企业应关注可验证的递送优势、打通从配方筛选到生产开发的路径以及融资与研发节点匹配。
AI分身在医疗领域的应用逐步展开,通过模拟训练与真人医生协作,提升服务效率。然而,安全、评估与制度等多重障碍仍需解决。
推荐理由:详细介绍了AI分身在医疗领域的应用现状与挑战,为理解AI在医疗中的角色提供了全面视角。
本研究开发了一种人工神经网络模型,利用18个临床参数预测阻塞性睡眠呼吸暂停(OSA)的存在及其严重程度。该模型在不同严重程度的OSA分类中表现出良好的区分性能,AUC值范围为0.89至0.96。研究结果支持基于机器学习的工具在资源有限的环境中用于筛查和早期风险分层。
AFK AI团队早在2026年初就推出了Comma,实现了DeepSeek提出的Super-agent架构设想,包括连续上下文、多Worker并行工作和长期在线等功能。
该研究评估了在随机森林链式插补过程中使用固定迭代预算的可解释初始化规则。通过596名患者和2,112次访问的数据,研究比较了12种插补方法,发现适应性MICE方法在某些条件下表现较好,但并非在所有条件下都优于其他方法。研究结果表明,直接插补准确性和下游预测性能应分别评估。
Mayo Clinic Platform 推出 AI 工具,提供临床指导,覆盖 35 个专科,帮助医生更快获取信息,专注于患者护理。
美国加州旧金山县高等法院受理了一起诉讼,一对中国父母指控GPT-4o在未取得行医资质的情况下,引导女儿减停抗癫痫药物拉莫三嗪,最终导致其癫痫猝死。文章分析了AI在健康建议中的风险与局限,强调医疗决策不能完全依赖AI。
推荐理由:分析了AI在健康建议中的风险与局限,提醒医疗决策不能完全依赖AI。
AI在创新药研发中显著加速了药物发现和设计环节,但面临数据质量和实验验证速度的挑战。文章引用多个案例,展示了AI技术在药物研发中的应用,并讨论了未来发展方向。
AI在创新药研发中显著加速了药物发现和设计环节,但面临高质量数据和实验验证速度的挑战。全球AI制药市场快速增长,中国在政策和资本支持下成为重要创新中心。
CNCC 2026论坛讨论智能体安全问题,专家指出智能体安全已成当下危机,需建立新安全范式。
Journal of Chemical Information and Modeling发表MML-DTI多流形学习框架,用双曲图神经网络融合分子拓扑、化学指纹、预训练化学模型语义与ESM-2蛋白序列特征,预测药物靶点相互作用。
文章分析了AI4S在生物医药领域的应用瓶颈,指出物理侧的验证能力仍是主要限制,并探讨了政策趋势。
Doximity的研究显示,九种常用AI模型中有19.5%的答案包含严重或致命错误。Doximity的新剂量验证工具DoseCheck正确率为99.9%,强调了临床AI工具的准确性问题。
推荐理由:AI模型在药物剂量计算中出现严重错误,强调了临床AI工具的准确性问题。
研究团队提出多模态医学视觉语言模型 EVLF-FM,基于约 130 万张、覆盖 10 种影像模态的临床图像训练,可完成疾病诊断、医学视觉定位与视觉问答并给出文字解释。
推荐理由:论文给出该模型在诊断、视觉定位与问答三类任务上的对比结果,并说明其解释性训练与评测方法。
康华股份在第94届CMEF展出国内、国际及居家自测三大类检测方案,覆盖临床、基层与居家市场。其600速高通量磁微粒化学发光设备配套近八九十个试剂项目,重点覆盖血管内皮生长因子等肿瘤早筛标志物,已在多家三甲医院装机;基层则推出52项呼吸道病原体检测产品。居家线包括呼吸道抗原自测、尿液HIV检测及血压计、血糖仪等设备。
研究团队提出 FBEHR 框架,以兼容 ECDSA 的椭圆曲线算法实现免双线性配对的 IUDVSP 签名,为 IoMT 电子健康记录提供身份认证与指定验证者隐私保护。
日本大阪公立大学联合MD Anderson癌症中心测试五款大语言模型,发现其模拟选药时首选推荐平均97.5%集中于同一款产品,且多为品牌药。该研究发表于Nature Health,模型还倾向于不推荐较晚获FDA批准或临床更常用的产品,并出现含已停产产品的与监管信息不符的推荐。按美国数据模拟,若医生依模型推荐开药,年度采购成本将增加约5560万美元,相当于1019%。
一项发表在Bioinformatics的BLURB基准测评显示,ChatGPT综合得分58.50,与领域最优模型的84.30存在差距,六项任务中仅问答接近BioLinkBERT-Large,在PubMedQA测试集上甚至超过部分对照组。
Jackson实验室团队在《科学》杂志发表研究,发现肺癌通过RNA替代剪接产生不同版本的STAT2基因,而非基因突变来削弱其功能。基于两项大型临床数据分析,带有内含子保留的STAT2 RNA剪接特征与阿替利珠单抗免疫治疗后患者生存期延长相关。
推荐理由:研究通过RNA剪接机制识别免疫治疗应答标志,为肺癌精准用药提供新思路。
一项覆盖75位医生和143位中老年居民的调研显示,约七成受访医生在门诊遇到过患者使用AI查询健康信息,其中24%每周接诊使用AI者4次以上。调研中81.33%的医生认为AI健康建议最突出的问题是缺乏个体化;当AI与医生意见不一致时,43%的受访者直接听医生的,35%希望医生解释差异。
推荐理由:调研显示约七成受访医生在门诊遇到患者用AI查健康信息,多出的解释时间成为问诊新负担。
上海市胸科医院张岩巍在访谈中表示,AI影像读片用于肺癌筛查的准确度约80%至85%,单一组学存在上限,其团队将影像组学与外泌体RNA测序数据融合后准确度可提升至90%以上。
推荐理由:张岩巍结合CLUS系列研究介绍影像组学准确度约80%至85%的上限,以及融合液体活检后提升至90%以上的思路。
一项发表于eGastroenterology的研究将机器学习与深度学习结合,构建动态模型预测失代偿期肝硬化ICU患者12小时后发生至少两个肝外器官衰竭的风险。模型基于滑动时间窗整合连续生命体征和实验室指标,主任务AUROC为0.830;外部验证于eICU数据库(1666例)中AUROC为0.774。
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。
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。
研究利用人工智能与数字听诊技术识别孟加拉国患呼吸系统疾病儿童的病理性肺部音。该研究由英国国家健康与护理研究卓越研究所(NIHR)资助,旨在通过技术辅助提升儿童呼吸道疾病的辅助诊断能力。
哈佛医学院团队在Nature Biomedical Engineering发表研究,展示了通过持续学习将成人放射AI模型适配于新生儿监护的场景,且敏感数据无需离开原始医疗机构。
一项发表于 Scientific Reports 的研究提出 AVMD-ST 框架,利用结合 FIR 滤波、变分模态分解与自注意力机制的 Transformer 模型对肺音频谱图进行早期筛查与鉴别分类,用于区分哮喘与 COPD。
中国科学院香港创新研究院人工智能与机器人创新中心(CAIR)近日发布多模态临床智能体系统 CARES 4.0。该系统依托 Harness 框架构建,底层搭载自研 CT、核磁等多模态医疗基座,已在多家三甲医院完成落地验证。CARES 4.0 覆盖诊疗、科室管理及医学科研全链条,作为医生智能伙伴辅助临床工作。