AI竟讓藥物研發時間縮短90％？Nature子刊：北京協和的“AI藥物“已完成二期臨床試驗！AI+成發文新風口！

解螺旋公眾號·陪伴你科研的第4072天

AI能不能幫助發文？能幫到什麼程度？

昨天，浙江省腫瘤醫院聯合阿里巴巴達摩院召開發佈會，宣佈研發出全球首個胃癌影像篩查AI模型DAMO GRAPE，該模型可以在平掃CT影像上對胃部病變進行識別，大幅提高胃癌檢出率，而這一成果已經於近日登上國際頂級期刊《Nature Medicine》。

該模型突破傳統認知，首次證明平掃CT可替代增強CT用於胃癌篩查，並構建了國際最大規模的多中心資料集（覆蓋近10萬例影像），攻克了胃部形態變化大、早期病灶隱蔽等技術難題。

這一成果標誌著AI在醫學影像分析領域進入臨床轉化新階段，為癌症早篩提供可規模化推廣的解決方案。據測算，若全國推廣，每年可避免數十萬晚期胃癌病例，推動我國胃癌5年生存率從35.9%向日韓90%水平靠攏。

真是振奮人心的訊息！無獨有偶，小編在檢索近期文獻的時候，發現已經有越來越多的文章或多或少使用了AI輔助，其中甚至不乏頂刊。在很多人懷疑、觀望的時候，一些勇於創新的大佬已經讓AI強大的計算能力和深度學習演算法，在大規模資料分析、新藥研發、精準醫療等領域的研究中，展現出了巨大的潛力。

在pubmed上搜索AI關鍵詞，2024年的發文數已經突破5萬篇，今年才過去一半，就已經有3.6萬篇相關文獻，破新高指日可待。

而且隨著人工智慧行業的不斷發展，從解決文章中某個具體的小問題，到現在越來越多的研究甚至是基於AI本身的資料處理等能力展開。

AI+醫學健康，或許已經成為醫學SCI的下一個風口！

今天，看了一堆文獻的小編就精選這兩個月內國際頂刊上發表的四篇最新高分論文，看看大佬們是如何利用AI產出成果，發表高分文章的，供大家參考學習！

新藥研發+AI（IF=50.0）

2025年6月3日，由北京協和醫院呼吸與危重症醫學科領銜的科研團隊攜手Insilico Medicine（英矽智慧）在Nature子刊Nature Medicine（IF=50.0）發表了題為 A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial的論文。論文報道了利用AI發現的治療特發性肺纖維化的潛在藥物TNIK抑制劑Rentosertib的 IIa 期隨機雙盲對照試驗結果。

本研究的最大亮點在於深度融合生成式人工智慧技術貫穿藥物研發全週期，實現了從疾病靶點的智慧發現到新藥分子的自主設計與最佳化，極大提升了研發效率和成功率。具體體現為：

• 靶點發現階段，AI平臺整合多組學資料構建疾病網路，精準識別TNIK這一IPF核心致病靶點，突破傳統經驗依賴，提升靶點挖掘的準確性和全面性。

• 藥物設計階段，生成式AI模型透過變分自動編碼器結合強化學習策略，創新性生成滿足結合能、藥物性及合成可行性多重約束的新穎分子，大規模虛擬篩選替代傳統高通量實驗，顯著縮短研發週期並降低成本。

• 臨床階段，AI輔助建立PK-PD暴露-效應模型，實現劑量精準最佳化，結合血清蛋白質組學揭示藥物機制及生物標誌物，推動臨床療效評估從單一指標向多維度分子層面轉變，提升臨床試驗成功率。

•全鏈條AI賦能模式將傳統藥物研發週期縮短至僅需18個月，而原本行業平均耗時10-15年，研發時間縮短90%，為複雜疾病如特發性肺纖維化的精準治療開闢了創新路徑，展示了AI在醫學科研和新藥開發中的巨大潛力與應用前景。

原文：https://www.nature.com/articles/s41591-024-02796-z

影像學+AI（IF=24.1）

2025年4月30日，上海交通大學領銜的國際科研團隊在Lancet子刊Lancet Digital Health（IF=24.1）上發表了題為Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study的論文。開發了一種基於視網膜影像的AI：DeepDKD，以期從視網膜眼底影像中檢測糖尿病腎病。

本研究充分體現了AI深度學習在醫學影像領域的創新應用，尤其是利用視網膜眼底影像作為非侵入性的生物標誌物來檢測內臟器官病變的前沿思路。

DeepDKD系統透過大規模預訓練和多中心多種族驗證，展示了AI模型在跨地域、跨種族群體中的強泛化能力。

此外，結合前瞻性和縱向研究設計，不僅驗證了模型的診斷效能，還揭示了其在疾病分類和預後預測中的潛力，推動了AI技術從實驗室研究向臨床實際應用的轉化。

該研究為未來利用眼底影像進行系統性疾病篩查和管理開闢了新路徑，具有重要的臨床推廣價值和科研示範意義。

原文：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(25)00040-8/fulltext

CTAC研究+AI（IF=24.1）

2025年5月16日，來自美國加州的科研團隊在Lancet子刊Lancet Digital Health（IF=24.1）上發表了題為AI-based volumetric six-tissue body composition quantification from CT cardiac attenuation scans for mortality prediction: a multicentre study的論文。開發了一種透過分析CTAC影像測量胸部成分的體積的AI，從而探尋幾種組織體積與全因死亡率之間的關聯。

本研究的最大亮點在於創新性地將人工智慧技術應用於心臟灌注CTAC掃描的自動組織分割與量化，突破了以往僅限於衰減校正與鈣化評估的侷限，開創了利用常規影像資料探勘胸部體成分生物標誌物的新路徑。

該AI模型能夠在無需人工干預的情況下快速處理大量異構資料，確保結果的高重複性和可擴充套件性。

透過多中心大樣本驗證，展示了AI輔助體成分測量在預測全因死亡風險上的獨立價值，體現了人工智慧在提升影像診斷深度和拓展臨床應用範圍方面的巨大潛力。

這不僅推動了醫療影像資料的智慧化利用，也為未來基於影像的個體化風險管理提供了堅實基礎。

原文：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(25)00026-3/fulltext

移動健康+AI（IF=24.1）

2025年5月14日，來自西班牙巴塞羅那的科研團隊在Lancet子刊Lancet Digital Health（IF=24.1）上發表了題為Evaluation of mobile health technology combining telemonitoring and teleintervention versus usual care in vulnerable-phase heart failure management (HERMeS): a multicentre, randomised controlled trial的論文。探尋透過遠端監測和電子健康支援能否減少心力衰竭患者在出院後早期（即脆弱階段）發生心血管事件的風險。