AI × 医疗健康 · 2026-07-24

一句话概览: 本周的主线是「消费级健康 AI 正式落地」——OpenAI 让美国用户把病历和体征数据接入 ChatGPT;而在同一天,一项肯尼亚真实世界试验、一篇 Nature 蛋白质工程论文、以及美国政府对临床 AI 评测标准的「冲刺」几乎同时出现,把「AI 好不好用、靠不靠谱、怎么管」三个问题一次性摆上了台面。

要闻

1. OpenAI 上线「Health in ChatGPT」:个人病历第一次接进大模型

是什么。 7 月 23 日,OpenAI 宣布美国用户可以把 Apple 健康数据,以及来自医院系统、One Medical、Function Health 的医疗记录安全地连接到 ChatGPT,让它结合你的用药、化验结果、睡眠和活动数据来回答健康问题。免费用户由 GPT‑5.5 Instant 驱动,付费用户用专为医学推理训练的 GPT‑5.6 Sol。功能面向 18 岁以上用户,先在网页和 iOS 铺开。

为什么重要。 这是通用大模型第一次大规模、正式地把「你个人的真实健康数据」纳入对话。OpenAI 说测试期间超过 70% 的健康提问是在普通聊天里自然发生的,而不是在专门的健康入口——这意味着健康咨询正从「打开某个 App」变成「随口一问」,潜在触达面极大。

背后的原理。 关键不在模型更聪明,而在于上下文(context):同样一句「我最近总是累」,模型知道你在服哪种药、上周化验的甲状腺指标、这几晚睡了几个小时,给出的回答质量完全不同。这就是检索增强的思路——把个人数据作为「私有知识」喂给模型,而非用来训练模型。OpenAI 强调这些数据不用于训练基础模型、不用于广告投放,断开后 30 天内删除,正是因为「个人健康数据入模」最大的争议就是隐私与再利用边界。来源:OpenAI 官方博客(2026-07-23)。

2. Nature:AI 先「加固」天然蛋白,再让它进化,效果提升数十倍

是什么。 7 月 23 日,Broad 研究所(David Liu 团队)在 Nature 发表成果:先用 AI 模型 ProteinMPNN 把天然的肉毒杆菌蛋白酶重新设计得更稳定,再用实验室定向进化(PACE)去改造它,让它能切割与神经退行性疾病相关的 ataxin‑2 蛋白。结果这个「AI 打底 + 进化」的蛋白酶,切割目标的效率比从天然蛋白进化来的版本高出 79 倍。

为什么重要。 它给出了一条把 AI 蛋白设计和成熟实验技术接起来的可复用路径,而不是二选一。对做蛋白类药物、酶疗法的团队来说,这可能显著缩短「找到一个能用的起点」的时间。

背后的原理。 定向进化就像人工加速的自然选择:反复突变、筛选、保留更好的版本。但进化有个瓶颈——如果起点蛋白本身「结构脆弱」,一突变就失活,可探索的空间很窄。AI 的作用是先把这个起点「加固」:更稳定的蛋白能容忍更多突变而不散架,于是进化有了更大的腾挪余地。一句话——AI 负责给一个更结实的地基,进化负责在地基上盖楼。 来源:Broad Institute / Nature 报道(2026-07-23)。

3. 肯尼亚真实世界试验:AI 让医生「诊断更好」,但没能证明「病人更好」

是什么。 一项发表于 Nature Medicine 的随机对照试验(NPR 于 7 月 23 日详细报道)测试了名为 AI Consult 的工具:它由 GPT‑4o 驱动,实时审阅临床记录,用绿/黄/红三级信号提示医生重新斟酌判断。试验在肯尼亚 Penda Health 的 16 家诊所、近 1 万人次就诊中进行,单次成本仅约 4 美分。有一个案例中,它提示一名发烧、鼻塞的 4 个月婴儿心率偏高,最终查出了本会被漏掉的先天性心脏缺陷。

为什么重要。 结果是「一半好消息」:由肯尼亚医生组成的独立评审认为,用了 AI 的医生诊断和治疗方案更好;但研究没有找到病人健康结局改善的证据——治疗失败率下降了 23%,却因为基层诊所本身失败率就低,未达到统计学显著。这精准戳中了当下临床 AI 的核心争议:过程改善 ≠ 结局改善。

背后的原理。 AI Consult 扮演的是「第二双眼睛」——不替医生下判断,而是在关键处踩一脚刹车,减少疏忽型错误。这类「安全网」设计能让记录质量、规范性变好(过程指标),但要证明「病人真的更少并发症、更少死亡」(结局指标),需要更大样本、更长随访和更高风险的场景,否则改善会被基线的低事件率「淹没」。这也是为什么监管越来越强调要看临床结局、而不只是模型准确率。来源:NPR 报道(2026-07-23)。

4. 美国政府启动临床 AI 评测标准「一个月冲刺」

是什么。 7 月 23 日,白宫科技政策办公室(OSTP)、FDA 和国家卫生信息技术协调办公室(ONC)联合发起为期约一个月的「冲刺」,分书面与讨论两个阶段,邀请专家讨论临床 AI 的基准测试与评估,目标是形成一套「共识性原则」。

为什么重要。 这是联邦层面第一次协调式地去补「临床 AI 到底该怎么测、怎么评」这块空白。眼下每家公司都用自家指标宣称「准确率 95%」,但缺乏可比、可信、面向真实临床的统一尺子——上面第 3 条肯尼亚试验恰好说明了「测什么」有多关键。

背后的原理。 医疗器械审批传统上看「安全 + 有效」,而 AI 系统会随数据和版本漂移、在不同人群表现不一,静态的一次性审批不够用。所谓「基准(benchmark)」就是一把公开、标准化的尺子:同一套代表性病例、同一套评分口径,让不同产品同台比较,也让医院知道买来的模型在自己人群上会不会掉链子。先立原则、再定标准,是把「AI 当医疗器械管」落到可操作层面的第一步。来源:STAT News(2026-07-23)。

5. 三星生物 18 亿美元收购 PolyPeptide,押注 GLP-1 与多肽产能

是什么。 7 月,三星生物(Samsung Biologics)宣布以全现金要约收购瑞士多肽 CDMO 公司 PolyPeptide,报价每股 44.31 瑞郎、总额约 14.6 亿瑞郎(约 18.1 亿美元),较 4 月 10 日未受扰动股价溢价约 40%,预计年底前完成。三星生物 CEO 明言,目标是从抗体、ADC 向多肽类疗法扩张,尤其看中 GLP‑1 相关产能。

为什么重要。 这是「减肥药热」向上游制造端传导的又一强信号。GLP‑1(司美格鲁肽这类)本质是多肽药物,需求爆发让「谁能大规模、合规地造多肽」成了稀缺能力,大型代工厂正花重金抢占这一环。

背后的原理。 CDMO(合同研发生产)是医药行业的「代工厂」:药企负责研发和销售,把生产外包出去。抗体和多肽的生产工艺差异很大,三星生物过去强在抗体,收购 PolyPeptide 等于直接买下一整套多肽产线和跨美欧印的产能网络,比自建更快切入 GLP‑1 供应链。这类并购的逻辑不是「有了新技术」,而是「用资本换时间和产能卡位」。来源:Yahoo Finance / PolyPeptide 公告(2026-07)。

其他值得关注的线索

• 健康 AI 联盟(CHAI)启动 PULSE 计划,帮公共卫生机构评估和落地生成式 AI,OpenAI、Anthropic 各捐赠企业许可席位——值得看,因为它把「负责任地用 AI」从口号变成了给政府机构的具体操作手册。日期:2026-07-16,来源:PYMNTS。
• AI 药物发现投资在 2026 年上半年再度升温,有行业报告称相关投入突破 20 亿美元、宣称可把研发周期压缩数成——值得看,因为它反映资本仍在为「AI 造药」的长期叙事持续加注,但「宣称的加速」是否兑现仍需临床验证。【待核实:具体金额与「压缩 70%」等数字来自单一新闻稿,宜谨慎】。日期:2026-07-14,来源:GlobeNewswire。
• 数字健康 2026 年融资在 AI 拉动下明显回暖,多家机构统计显示医疗 AI 初创在二季度吸金数十亿美元——值得看,因为它意味着资金正从「泛数字健康」向「有 AI 内核的公司」集中。日期:2026-07,来源:Fierce Healthcare。