第180次-- 科学与技术前沿论坛

主题报告

创新药物发展的思考与展望
张健上海交通大学

全球肿瘤高发且我国发病率、死亡率均居首位，超过90%肿瘤类型由于机制不明而无药可医，更为紧迫的是，当前肿瘤研究从各自特异性机制寻求治疗突破的策略，不利于帮助机制未知的大多数肿瘤进行靶标发现和新药研发。因此，发现肿瘤间共性（泛癌）致病机制，识别其相关靶标并研发新药，覆盖更多类型肿瘤以提高患者的生存率及治愈率，是目前肿瘤创新药物研发中亟待解决的重大科学问题。我们研究发现，正常细胞癌变中的致病基因会在一定时间开通多维度标签（如特异性突变及甲基化，乙酰化修饰等），使其转录或表达的生物分子产生结构变化（“变构”效应）从而启动致病功能，并发现从变构特征可反推其基因的致病性；进一步，通过10年变构组学数据积累及设计技术发展，我们在多个靶标上识别变构位点并发现其首创干预小分子和微生物来源多肽，为解决首创分子发现问题开辟新的途径。
人工智能赋能糖尿病诊疗：创新与展望
贾伟平中国工程院院士上海交通大学医学院附属第六人民医院

糖尿病视网膜病变（diabetic retinopathy ，DR）是糖尿病最常见的微血管并发症之一，也是全球工作年龄失明的最主要原因。该病进展十分隐匿，初期症状不明显，国内和国际指南建议无或轻度DR的糖尿病患者每年进行常规眼底摄片筛查，以便早期发现DR并及时干预。由于经济和医疗资源等因素的限制，常规眼底摄片筛查的实施和普及面临诸多困难，亟须发展DR智能筛查系统。针对DR筛查与防治的需要，我们创建的DeepDR系统基于迁移强化的多任务学习框架，通过对近70万张眼底图片进行学习，实现了图像质量分析与实时反馈、病变检测和分级诊断三大功能，该系统有助于减轻基层医生的诊断难度和工作负荷，提高了眼底摄片筛查的效率和可及性，扩展了糖尿病慢病管理和精准防控的新路径，已应用于国际糖尿病联盟的全球中低收入国家DR筛查工作。由于不同糖尿病患者病情进展异质性高，每位患者发生DR的风险和时间难以准确预测。针对这种挑战，我们进一步创建了DeepDR Plus系统，仅根据基线眼底图像可准确预测未来5年DR进展的个体化风险和时间，可以准确识别高、低风险人群，通过真实世界研究发现其能为患者提供个性化筛查间隔和管理策略，而几乎不导致威胁视力DR的漏诊，还发现了人工智能模型预测背后的微血管特征解释，为DR的精准诊疗提供了新手段。以ChatGPT为代表的人工智能技术迅猛发展，我们在前期工作的基础上创建了全球首个糖尿病诊疗多模态大模型——DeepDR-LLM，融合了大语言模型和深度学习技术优势，实现了医学影像诊断与诊疗意见的多模态生成功能，提供DR辅助诊断结果及个性化糖尿病综合管理意见。该模型在覆盖亚非欧三大区域七个国家的多中心队列中进行了回顾性验证，并针对中国基层医疗实际开展了前瞻性真实世界验证，首次提供了面向糖尿病医疗领域的多模态大模型应用成效的范例。糖尿病及并发症智能筛、防、治的DeepDR“三部曲”（DeepDR、DeepDR-Plus、DeepDR-LLM）为糖尿病管理的未来变革提供了高质量循证证据，期望推动基层糖尿病管理模式的持续进步。
数据驱动的脑重大疾病药物研发
王拥军教授首都医科大学附属北京天坛医院

脑重大疾病（包括脑血管病、脑肿瘤、帕金森病、痴呆、偏头痛、多发性硬化、癫痫等）是危害人类健康的第一大疾病，世界各国先后启动脑健康行动国家计划，目的是降低脑重大疾病对社会和经济的负担。但是，脑重大疾病发病机制复杂、临床表型千差万别，以知识驱动新药研发举步维艰。利用精准表型技术、结合多组学技术，以逆向转化医学研究范式为寻找复杂疾病的干预靶点，为脑重大疾病的药物研发找到了新的出路。建立高质量的人群和疾病队列、跨组学生物信息技术、人工智能和超级计算、功能验证平台是实现新范式的关键。国家神经系统疾病临床医学中心建立脑血管病新药研发队列CNSR3，完成了多组学大数据平台，创建了脑血管病多组学创新中心（CORE），利用逆向转化医学新范式找到9个创新药物靶点，部分完成了产业转化，为脑重大疾病新药研发做了有益的探索。
面向中医传承的中医诊疗建模方法与分析推理技术
王晓玲教授华东师范大学

中医是中华民族的宝贵财富，中医学博大精深。本次报告主要汇报我们团队在AI赋能中医传承方面的工作进展。我们探索了“辨证论证”的中医诊断过程，提出了一种基于“理法方药”的组方遣药建模方法，构建了多模态中西医知识图谱，设计了基于深度学习的中医诊疗分析推理技术。最后，我们汇报团队近期研发的中医药大模型——数智岐黄，并展望了大模型等智能技术在助力中西医药物研发与中医传承创新方面的一些可能的研究方向。
面向中西医融合中医智能诊断技术研究与应用
许家佗教授上海中医药大学

面向中西医融合的智能医学发展趋势，通过信息化手段，实现中医诊断方法的数据化，以中医临床需求和辨证论治理论为核心，借助系统科学和人工智能技术，病证诊疗结合、中西医数据汇通，建立基于健康体检数据和常见病、慢性病的中西医数据智能诊疗平台，应用于中医临床病证诊断、慢病预警于风险评估、症候疗效评价等。通过中医四诊采集关键技术研究，实现四诊信息的精准采集和量化分析，提高诊断的准确性和客观性。面诊、舌诊、声诊和脉诊技术的创新，构建数据化诊疗技术平台，提升诊疗准确性，促进中医诊断技术智能化现代化。面诊、舌诊、声诊和脉诊现代化研究广泛应用于临床，大量的面舌脉诊客观数据可以结合客观的辨证方法推进中医辨证的客观化发展。数据层面基于中西医临床数据，融合中医舌脉诊等中医特色四诊信息定量数据，结合现代医学检测指标，构建中医特色智能诊疗平台。建立中医智能辨证诊断方法，应用支持向量机、贝叶斯算法、决策树及随机森林等分类算法可以构建中西医数据融合的诊断分类模型，用于病证临床诊断。基于症状数据集以及症状结合面舌脉数据集建立了NSCLC中医辨证分类模型并进行了可视化，基于症状结合面舌脉数据的NSCLC中医辨证诊断模型准确率显著高于单纯基于症状的多分类模型，面舌脉诊数据有助于进行中医辨证，可以提高智能诊断模型的分类准确率。同将舌诊、声诊等诊断技术用于肺癌、糖尿病等慢性重大疾病的风向评估和预警研究，建立风险评估与预警模型，结果显示，在临床常见指标的基础上，应用舌脉诊等中医诊断数据，可以提升相关疾病的风险预警准确性，为慢病预警提供有效方案。

第180次：AI药物研发