AI 周报 · 2026 年第 42 周 · 10.12 — 10.18
医药AI前线
美英药监制度革新与临床AI生态深化
本期覆盖 2026 年 10 月 12 日至 10 月 18 日。全球医药与数字化监管迎来多项重大举措:FDA 发布罕见病框架倡议推动审评走向制度化一致,并升级 eCTD 申报校验;英国 MHRA 推出 2030 战略全面提速临床审评并布局 AI 监管工具。产业生态方面,Veeva 与 IQVIA 达成深度全球战略合作,CDISC 挑战赛显现临床试验统计全流程自动化的突破。在模型与工程层,Meta、NVIDIA 与 Reflection 开源数千亿参数的多模态与智能体模型,LangChain 密集发布部署、上下文优化及评估方案。同时,学术界与产业界持续聚焦医疗 AI 在临床路径中的自适应治理、人机协同与落地实效。
药监制度现代化与审评革新
本版导读美英监管机构同步出台长远现代化战略。FDA 启动罕见病框架倡议,打破审评中心壁垒并确立量身定制的标准化证据口径,同时推进 eCTD 4.0 前向兼容并拒收不合规电子申报。英国 MHRA 发布 2030 战略,设立 AI 与数字健康中心、开发试验方案检查工具,并将合格 I 期试验初评周期减半至 14 天,全方位重构监管适应性。
FDA启动罕见病框架倡议,推动审评从逐案灵活转向制度化一致
FDA于10月14日启动罕见病框架倡议并发布配套白皮书,推动罕见病审评从逐案灵活转向制度化的一致性与可预测性。新框架致力于让量身定制的证据标准成为常态默认,打通从IND前沟通、CMC审评至上市后要求的跨部门口径,解决各审评中心标准不一的问题。该倡议涵盖修订法规与指南、开展审评员培训等举措,计划于10月28日召开公开会议以进一步细化落实。
FDA推出罕见病框架倡议以加速创新疗法研发与审批
美国FDA联合HHS推出罕见病框架倡议(Rare Disease Framework Initiative),旨在通过定制化指导、基于风险的审评方式与前沿科学应用重塑罕见病药物及生物制品研发流程。
英国MHRA发布2030战略:推进AI与个性化医疗时代的监管现代化
英国药品与保健品监管局(MHRA)发布2030战略,全面推进适应AI和个性化医疗发展的现代监管体系。该战略明确将合格I期临床试验的初步评估目标时间减半至14天,并将科学建议咨询服务压缩至45天。同时,MHRA承诺设立AI与数字健康中心、开发AI临床试验方案检查工具,并计划于2027年出台AI药物开发行动计划,深化真实世界证据应用与国际监管互认。
英国 MHRA 发布 2030 战略报告
英国药品和保健品监管局(MHRA)正式发布《MHRA 2030 战略》,提出通过卓越科学促进全民健康与繁荣的总体目标。战略指出,人工智能、细胞与基因治疗、精准医学及先进诊断正在重构疾病诊疗并冲击传统监管模式,机构将探索创新的证据生成、临床研究设计、生产监管和上市后安全监测方式。
FDA宣布将拒收未通过eCTD v3.2.2与v4.0新校验标准的电子申报
美国FDA下属药物评估与研究中心(CDER)和生物制品评估与研究中心(CBER)宣布,将开始拒收未通过电子通用技术文档(eCTD)v3.2.2及v4.0新验证标准的电子申报材料。其中eCTD v3.2.2新增2024和2025两项高严重级别验证错误,eCTD v4.0新增eCTD4-084、eCTD4-085及US-eCTD4-561至US-eCTD4-564等高严重级别验证错误。
FDA CDER与CBER宣布支持eCTD 4.0电子申报前向兼容性
FDA药品审评与研究中心(CDER)与生物制品审评与研究中心(CBER)宣布,支持基于电子通用技术文档(eCTD)4.0版本电子申报的前向兼容性。该公告旨在确立向eCTD v4.0新标准过渡期间的技术与数据标准支持方向。
临床数字生态与自动化研发
本版导读临床开发数字化基础设施迎来跨巨头整合与自动化突破。Veeva 与 IQVIA 建立全球长期合作,通过数据与软件深度互通打破壁垒,IQVIA 将 Veeva 临床应用套件确立为企业标准。在 CDISC 2026 AI 挑战赛中,诺华、AWS 与 Saama 斩获合成数据、统计分析计划编制与报告生成等多赛道奖项;Google 亦披露了湿实验室数字孪生与闭环设计的真实数据。
Veeva 与 IQVIA 达成全球商业与临床长期合作伙伴关系
Veeva 与 IQVIA 建立长期全球商业与临床合作伙伴关系,支持客户协同使用两家公司的软件应用、数据和服务。通过联合主数据与第三方访问(TPA)协议,IQVIA 数据可直接用于 Veeva Network、Veeva Nitro、Veeva AI、Vault CRM 和 Crossix 等应用,双方简化了项目的 TPA 流程。
IQVIA 选用 Veeva 临床运营应用作为企业标准系统
IQVIA 与 Veeva Systems 宣布扩大合作伙伴关系,IQVIA 选择将 Veeva CTMS、eTMF、Study Startup 和 Site Connect 作为其临床开发研究的企业级标准应用。
CDISC 2026 AI 挑战赛结果出炉:从 SDTM、ADaM 到 SAP 与 TFL 的 AI 应用进展
CDISC 公布 2026 年 AI 挑战赛结果,诺华与 AWS 斩获合成数据及统计报告生成两个赛道冠军,Saama 夺得 SAP 赛道冠军。获奖方案实现了从方案解读、统计分析计划编制到 SAS 与 R 代码生成的流程衔接,并在遇到定义模糊或数据缺失时主动暂停以等待人工确认。临床统计 AI 的落地重点正从单纯追求自动化生成速度,转向业务规则把控、追溯矩阵留存与全流程审批控制。
Google披露自主湿实验室三块积木与多轮迭代真实数据分析
Google 研究院近期公布自主湿实验室研究进展,公开了实验室机器人数字孪生 VERID、适配体闭环及蛋白结合物设计流程,并披露了初期迭代中 0% 与 3.7% 的真实命中率。
开源模型与智能体工程演进
本版导读开源生态在超大参数多模态与系统级智能体工程上迅速推开。Meta 开源 816B 的 Muse Spark Open,Reflection 发布 501B 的 Beam 模型,NVIDIA 推出 Nemotron 3.5 智能体系列。LangChain 推出开源编程智能体框架 Open SWE、Deep Agents Deploy 及上下文管理机制,并在 LangSmith 中上线 AI 轨迹搜索与自动化评估实践,加速复杂长任务的落地能力。
Meta 开源 816B 多模态专家混合模型 Muse Spark Open
Meta 开源前沿多模态专家混合模型 Muse Spark Open,拥有约 816B 总参数和 42B 激活参数,支持高达 100 万 Token 的上下文窗口。
NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列边缘智能体模型
NVIDIA 正式推出 1200 亿参数的开源多模态智能体模型 Nemotron 3.5 Super VL,以及专为边缘与本地工作流优化的 Nemotron 3.5 Bolt 系列。
Reflection 在 Hugging Face 发布 501B 开源 MoE 大模型 Beam
美国实验室 Reflection 联合 Hugging Face 开源了 501B 参数的混合专家(MoE)大模型 Beam,主打代码生成与 AI 智能体应用,采用 Apache 2.0 协议。
LangChain 开源企业内部编程智能体框架 Open SWE
LangChain 宣布开源内部编程智能体框架 Open SWE,基于 Deep Agents 与 LangGraph 构建,帮助团队打造嵌入 Slack、Linear 和 GitHub 工作流的 AI 研发助手。
LangChain 推出 Deep Agents Deploy 测试版,提供对标 Claude Managed Agents 的开源智能体部署方案
LangChain 宣布推出 Deep Agents Deploy 测试版,通过单条命令 deepagents deploy 为开发者提供支持多模型且与模型解耦的开源智能体部署方案。
LangChain Deep Agents SDK 的上下文管理机制与实践
LangChain 介绍了开源智能体框架 Deep Agents SDK 的上下文管理策略,通过文件系统抽象与结构化摘要应对大语言模型的有限上下文约束。系统在工具输出超 20,000 Token 时自动转存至文件系统,并在上下文达到 85% 阈值时卸载历史工具调用参数或执行消息摘要。团队还分享了针对目标漂移和信息恢复能力的定向评测方法,以便在长任务运行中有效隔离与优化压缩逻辑。
LangChain 发布 10 月更新:推出 LangSmith 系列功能与 LangChain v1.4.0
LangChain 在 Interrupt 大会上发布多项更新,LangSmith 新增基于语义理解的 AI 搜索、Managed Deep Agents v0.9、支持红队测试与指标趋势检测的 Engine v2,以及轨迹查看和微调等工具。
LangSmith 推出 AI Search:支持用自然语言按行为特征检索智能体追踪轨迹
LangSmith 正式推出 AI Search 功能,允许开发者使用自然语言直接查询复杂的智能体运行轨迹(Traces)。该功能绕过压缩失真的向量检索,先通过 SmithDB 将多来源 Trace 规整为无冗余的轨迹并预留 8K Token 预算,再由轻量决策模型并行研判用户情绪或未完成任务等细粒度行为。
医疗AI临床落地与多模态诊疗
本版导读前沿医疗 AI 研究从静态基准评测进一步转向真实临床获益与长效治理。《自然·医学》探讨了应对模型性能漂移与诊疗路径适配的落地路径,npj Digital Medicine 提出面向自适应医疗 AI 的 AEGIS 治理架构。此外,结合 LLM 的人机协同癫痫管理使虚假警报降低 80%,初级保健临床决策支持系统 CrossCover 展现出减少次优护理的效果,Happy Health 无袖带血压智能戒指亦斩获 FDA 批准。
《自然·医学》探讨如何让医疗AI在临床实践中切实落地
《自然·医学》社论指出医疗AI在落地过程中普遍面临宣传热度与临床现实脱节的矛盾,模型回顾性高分往往难以直接转化为实际临床获益。文章强调AI落地必须在早期融入真实诊疗路径并因地制宜适配不同医疗机构的基础设施,同时警惕模型迭代与电子病历规范变更导致的性能漂移。未来评估体系需从单纯的基准跑分转向混合有效性实施试验与前瞻性真实世界研究,建立部署后的持续监督机制以赢得医患长期信任。
npj Digital Medicine发表AEGIS框架:面向美欧监管的自适应医疗AI上市后治理架构
研究人员在《npj Digital Medicine》提出自适应医疗AI的上市后治理架构AEGIS,以填补美国FDA预先确定变更控制计划(PCCP)与欧盟MDR在可执行操作流程上的落地空白。
人机协同实时共同管理癫痫:患者反馈使癫痫检测误报降低约80%
发表于《Nature Medicine》的一项小型癫痫监测研究表明,基于大语言模型的受控聊天界面可让患者通过智能手机与自身的脑电图监测系统进行实时对话。在无需临床医生介入的情况下,患者提供的实时反馈使癫痫发作检测器的虚假警报减少了约80%。
英国初级保健应用 Web 端临床决策支持系统 CrossCover 的混合方法整群随机对照试验
一项在英国 19 家全科诊所开展的整群随机对照试验显示,使用 Web 端临床决策支持系统(CDSS)CrossCover 可增加骨骼肌肉疾病患者的单纯自我管理建议,并在使用时显著降低非循证次优护理。在 10,182 名合资格患者中,全科医生在 365 例(8.6%)就诊中实际使用了该系统。符合方案(PP)分析显示,在 CDSS 引导的就诊中,次优护理发生率降至 3%(2/60)。
Happy Health 无袖带血压监测智能戒指获 FDA 批准
Happy Health 旗下智能戒指 Happy Ring 的连续血压测量功能已获得 FDA 批准,且无需外部袖带进行校准。该设备结合光电容积脉搏波(PPG)与生物阻抗技术,通过物理模型评估生理状态并计算绝对血压。临床验证以有创动脉血压为基准,收缩压与舒张压平均差异均小于 1 mmHg,消费者可直接购买或经医生推荐使用。
研究团队提出多模态医学图像修复基础模型 AMIFound
曹鲁阳等人提出了多模态医学图像修复与增强基础模型 AMIFound,统一了七种成像模态下的医学图像修复。该模型可在多种图像退化条件下提供稳健的画质增强,并完整保留用于临床诊断的关键信息。