SIGX-1094

【编者按】2026年第七届“泰山奖”揭晓，广东省人民医院吴一龙教授因建立EGFR突变型肺癌精准治疗体系、推动14个靶向药在中国获批而获临床医学研究奖。这位被业内誉为“中国靶向治疗之父”的医者，用IPASS研究拉开全球靶向时代序幕，又以ADAURA、ALINA、LIBRETTO-432等研究七登《新英格兰医学杂志》，使中国肺癌研究从“旁听席”走向世界舞台中央。本文深度梳理他在药品研发推动中的关键贡献，看一位中国医生如何改写27部国际指南，让更多患者用上“生命延长线”。欢迎阅读、转发，共同见证中国医学创新的力量。 2026年8月9日，第七届“泰山奖”在上海揭晓，广东省人民医院吴一龙教授摘得临床医学研究奖。颁奖词如是写道：“建立EGFR突变型肺癌精准治疗的完整体系，改写了NCCN、ESMO国际顶级指南，推动14个肺癌靶向药物在中国获批。”这位被业内称为“中国靶向治疗之父”的70岁医者，用近40年时间，把中国肺癌研究从“旁听席”带到了世界舞台中央。 14个靶向药——这个数字背后，是无数患者的生命延长线。 2006年，吴一龙联合亚洲多国学者发起“易瑞沙泛亚洲研究计划”（IPASS），2009年成果登上《新英格兰医学杂志》（NEJM），首次证实靶向治疗在EGFR突变患者中显著优于传统化疗，一举拉开全球肺癌靶向治疗时代序幕。这一研究不仅改变了临床实践，更直接推动了吉非替尼（易瑞沙）等药物在中国乃至全球的获批。从那以后，他牵头研发的靶向药从一代、二代到三代，覆盖EGFR、ALK、ROS1、MET等靶点，让中国肺癌患者用上了与国际同步甚至领先的药物。 从IPASS到LIBRETTO-432，吴一龙团队持续刷新着肺癌治疗的“天花板”。 2020年ADAURA研究、2024年ALINA研究、2026年LIBRETTO-432研究相继发表于NEJM，定义了术后辅助靶向治疗、早期肺癌治愈新标准。截至目前，他牵头国际临床试验16项，主持国内多中心临床试验超110项，研究成果被写入15个国家和地区的27部肺癌诊疗指南。这意味着，全球医生在制定肺癌治疗方案时，都必须参考中国学者吴一龙的研究数据。不只是“推动获批”，他是新药研发链上的核心引擎 吴一龙对药品研发的贡献远不止于“把药引进中国”。在临床试验设计中，他多次扮演关键角色。以克唑替尼为例，2010年他带领团队加入全球多中心研究，因为精准判断中国ALK阳性患者特点，推动该药在中国几乎与美国同步上市，实现了“中国速度”。他还在全球首创“药物假期”模式，证实部分晚期患者深度缓解后可安全停药，相关成果发表于《JAMA Oncology》，为优化用药策略提供了全新思路。 2026年，吴一龙再次显示出在新药研发最前沿的“领头羊”作用。 希格生科两款重磅创新药管线——全球首款Pan-TEAD抑制剂SIGX2649和全球首款FAK/SRC双靶点抑制剂SIGX1094——均由其担任首席研究者。1019 SIGX2649靶向号称“不可成药”的Hippo通路，已获美国FDA的IND批件；SIGX1094则联合KRAS G12C抑制剂，旨在攻克KRAS突变肺癌的耐药难题——而中国首个获批的KRAS G12C抑制剂达伯特®（氟泽雷塞片），其国内单药研究的牵头研究者同样是吴一龙。从经典靶点走到最难治靶点，他始终在“无人区”探路。从“跟跑”到“规则制定者”，中国肺癌研究的全球话语权 在2026年全球医疗峰会上，吴一龙清晰指出：中国已主导三项肺癌全球多中心临床试验，试验设计由中方研究者完成，并被写入全球指南。 这意味着中国不再只是国际研究的参与者，而成为“国际临床研究的规则制定者”。这一转变，与吴一龙20余年的坚持密不可分——2007年他联合创立中国胸部肿瘤研究协作组（CTONG），如今成员单位从11家扩至40余家，累计开展临床试验60余项，成为中国肺癌临床研究最核心的平台。 更可贵的是，他始终致力于将研发能力“下沉”和“传承”。 他培养硕士、博士生超80人，推动院内查房制度扩展为面向全国的“中国胸部肿瘤大会诊”，每次线上参与人数超4万，极大提升了基层肺癌诊疗规范化水平。在他看来，创新药只有被临床医生准确使用，才能真正惠及患者。结 语 从“无药可用”到14个靶向药，从“照搬指南”到27部国际指南引用中国数据，吴一龙以“临床需求为导向”的科研理念，驱动了中国肺癌药物研发的范式跃迁。2026年泰山奖，是对他过去成就的加冕，更是对未来探索的期许。正如他在获奖感言中所说：“我们做我们的事情，不在意有奖没奖，但确实还是有一些人在做实事，在尽自己的微小之力慢慢改变这个世界。” 您对吴一龙教授推动药物研发的贡献怎么看？欢迎在评论区聊聊。觉得有用，点个“在看”让更多朋友看到。 #吴一龙 #泰山奖 #肺癌靶向治疗 #EGFR突变 #中国医学创新 Copyright©2026. All Rights Reserved. 免责声明：本文章内容基于公开信息整理，由AI辅助生成，旨在分享知识，仅供参考，不构成任何专业建议或承诺，不代表本公众号立场。用户须自行甄别所获信息的真实程度及适用条件，并完全承担因使用该信息所引发的一切后果与责任。

01大会综述 2026年8月7日，易贸医疗主办的BPD大会·AI for Pharma分会场在上海举行。上午六场演讲分别从基因组学疾病认知、证据治理、行为组学，再到智能体平台、类器官验证与LNP递送切入，共同指向一个拐点：AI制药正从分子生成效率竞赛，转向以疾病认知、干湿闭环和可签字证据为核心的基础设施建设。 六个核心信号 行业杠杆正在从分子生成，转向临床成功率和疾病机理理解 “多Agent不等于多证据”，证据独立性成为质量门槛 行为组学用高频决策过程数据，打开CNS精准分层窗口 干湿闭环成为共识：纯算法公司正在失去竞争力 类器官把筛选从酶活最优，推向更接近临床的生物学验证 LNP仍处“三无困境”，非肝靶向是核酸药扩展适应症的关键瓶颈02从效率竞赛到疾病认知：基因组学、证据治理与行为组学 赵宇 / 韩涟漪 / 周显波｜哲源科技 · 恒瑞医药 · 阿斯诺来本场摘要 本场把问题从“分子生成更快”推进到“疾病题目是否答对”。赵宇强调药物研发约80%时间与成本在临床，失败主因常是疾病机理理解偏差；韩涟漪提出FAIR×FAIR与四道质量门，强调“未来最稀缺的是值得签字的证据”；周显波用行为组学高频数据采集，回应AD异质性与入组错配，并推进数字孪生虚拟对照。 本场关键判断 “先写答案、后出题”：资源错配到分子生成，而真正风险在临床与疾病认知 “多Agent不等于多证据”：共享同源数据的共识可能只是系统偏差自我强化 大型AD预防试验中约30%患者不适合入组方案，精准分层价值凸显 阿斯诺来CEO周显波报告页：从毫秒到机制——行为组学引擎驱动AI精准神经病学。 哲源科技：计算医学与疾病认知革命 AI制药的破局点——从“效率竞赛”到“疾病认知革命” 赵宇｜哲源科技联合创始人 & 图灵·达尔文实验室副主任 赵宇援引“当下全球药物研发都是先写答案，后出题”，指出行业对疾病问题定义不足。药物研发约80%时间与成本在临床阶段，失败主因常是对疾病机理的理解偏差，而非分子本身质量。 团队构建覆盖约4000万人类基因组的计算平台，并将约600万片段与1000多个靶点形成近400万储备关系；与北大肿瘤GCP合作的IIT虚拟临床试验称6例患者预测与真实结果一致（样本量小，仍待扩大验证）。 从“6例一致”到大规模替代真实临床试验，中间仍有巨大验证鸿沟。 专业观察 已披露事实：临床阶段占据主要成本与时间 现场判断：疾病认知比分子生成更难量化，却更接近失败根因 跟踪变量：虚拟临床试验能否从个案走向可监管的规模化证据 恒瑞医药：FAIR × FAIR 与可签字证据 AI药物研发——FAIR × FAIR 韩涟漪｜恒瑞医药AIDD负责人 & 恒瑞上海盛迪研发副总经理 韩涟漪提出，AI制药不能只追速度，必须建立可审计、可追溯、可复用的证据体系，并将数据FAIR与治理FAIR叠合为双层框架。 四道质量门包括数据适配、证据独立、可重现与人工审查；治理上明确SCIENCE、AI RISK、DATA SYSTEM、ENTERPRISE各自的停止权范围。 未来最稀缺的，是值得签字的证据。 专业观察 现场判断：多Agent若共享同源数据/模型，共识可能放大偏差 跟踪变量：中小AI制药公司能否分层落地治理而不被成本压垮 跟踪变量：CAIO/CIO等角色是否成为药企标配组织能力 阿斯诺来：行为组学驱动的AI精准神经病学 从毫秒到机制——行为组学引擎驱动AI精准神经病学 周显波｜阿斯诺来CEO 周显波概括AD研发三大挑战：异质性高、缺乏早期客观工具、认知评估主观。现场称大型三期预防试验入组时约30%患者不适合该方案。 行为组学路线基于连续图像识别，单次约2分钟采集约150个数据点；并结合生物标志物降低样本量诉求。团队推进数字孪生虚拟对照，并申请前瞻性头对头虚拟试验平行设计。 不是药物无效，而可能是入错了人——分层能力本身具有接近新药发现的价值。 专业观察 已披露事实：高频行为数据密度远高于传统量表二元结果 仍待验证：行为组学跨中心可重复性与标准化采集体系 跟踪变量：虚拟对照平行设计能否获得监管与临床共同体认可行业洞察 行业判断 这意味着若AI只优化分子生成，最多撬动成本结构中较小一块；真正杠杆在提升临床成功率。 真正的门槛正在变为可审计、可追溯、可复用的证据链，而不是更多同质化Agent输出。 决定差异的不是量表对错二元结果，而是能否把被丢弃的决策过程“暗数据”变成可分层的数字生物标志物。 对组织能力而言，停止权写清比再增设一个AI部门更关键——治理要能在推进与叫停之间真正生效。 现场大屏播放周显波主题页“从毫秒到机制”，聚焦行为组学打开CNS新药研发窗口。03从智能体驱动到类器官验证与核酸递送AI设计 张鹏 / 卓𬬸 / 王恺｜深势科技 · 希格生科 · 剂泰科技本场摘要 本场三条路线并行：深势科技用L1–L5框架与BioMaster智能体讨论AI从工具替代走向自主发现；希格生科以AI+类器官闭环推进SIGX1094R与SIGX2649，用更接近患者的模型校正筛选逻辑；剂泰科技直面LNP“无算法、无数据、无模型”的困境，用自研脂质语言模型与干湿迭代推进多器官靶向。三方共同强调：AI设计必须与实验验证形成闭环。 本场关键判断 多数AI应用仍停在L3“工具替代”，突破性价值更可能在L4“自主创新” SIGX1094R酶活并非最优，但类器官/细胞层面活性显著优于同类对照 LNP领域公开数据稀缺，非肝靶向是核酸药物扩展适应症的关键技术瓶颈 现场大屏展示深势科技“AI for Science”主题页：基础设施建设与驱动基础研究突破。 希格生科CTO卓𬬸报告页：基于AI+类器官的肿瘤创新靶向药研发。 深势科技：智能体驱动的AI for Science AI for Science — 智能体驱动药物研发升级 张鹏｜深势科技 生物医药事业部总经理 张鹏提出AI能力L1–L5阶梯：从“会说/会想/会做”到“会创新”再到“成为组织”。现场判断是，当前行业多数应用仍处L3，而L4自主创新才对应突破性价值。 深势发布BioMaster，覆盖14个计算生物学核心场景，内置300+可增长科研Skills，接入69个文献/知识/数据库，把研究拆解为可复用Research Units。 L4的前提是高质量结构化数据与可复用研究单元，而不只是更大参数规模。 专业观察 跟踪变量：研究单元质量是否受论文可复现性拖累 跟踪变量：平台模式如何与药企内部流程真正打通 希格生科：AI+类器官的肿瘤靶向药闭环 基于AI+类器官的肿瘤创新靶向药研发 卓𬬸｜希格生科 首席技术官 SIGX1094R从PCC到IND约3.5年。现场披露：FAK IC50=3.4nM并非最优，但在SNU-668、NUGC-4与DGC类器官上IC50分别为0.28、0.36、0.24μM，显著优于Ifebemtinib与Defactinib。 SIGX2649作为Pan-TEAD抑制剂，肝癌类器官IC50报30nM，对照VT103为1420nM；2026年6月IND获批进入临床。心脏类器官毒性预测准确率报82%（22个药物样本），对照hERG约45%。 酶活最优≠药效最优；类器官反馈可改写筛选结论。 专业观察 已披露事实：SIGX1094R已进入临床路径并获得多项监管进展 仍待验证：类器官预测与人体疗效/安全性是否一致 跟踪变量：Pan-TEAD全亚型覆盖能否转化为临床药效 剂泰科技：LNP设计的“三无困境”与多器官靶向 从LNP设计到核酸药物体内命运的智能预测 王恺｜剂泰科技 AI负责人 王恺指出LNP相对小分子/蛋白的根本差异：无算法、无数据、无模型；组成与性能数据高度集中在少数公司。 剂泰用AI生成数据训练脂质语言模型，并通过干湿迭代修正；现场称已实现8个器官精准靶向，探索空间保守提高100倍以上，目前仅探索知识库约0.03%。 非肝靶向若能在人体复现，将改写核酸药“主要治肝病”的边界。 专业观察 现场判断：干湿迭代是打破“AI生成数据训练AI”循环风险的关键 仍待验证：非肝靶向动物结果能否在人体复现 跟踪变量：湿实验通量能否支撑数据壁垒持续加厚行业洞察 行业判断 这意味着AI制药竞争正从“算法精度比拼”，转向“数据-实验-模型”闭环基础设施能力。 真正的门槛不只是生成更多候选分子，而是生物学验证模型能否更接近人体与临床终点。 决定差异的不是单点工具演示，而是能否把研究单元、湿实验通量和靶向递送能力工程化复用。 对商业化而言，平台模式与“平台+管线”混合模式将对应不同的资源分配与估值逻辑。 卓𬬸现场讲解传统药物研发瓶颈：低效与生物模型—人体一致性问题，并引出类器官闭环思路。 👉产品试用申请：https://c1s.cn/94O4t 👉产品官网介绍：https://c1s.cn/6lIWb 免责声明：分析基于会议现场和AI分析生成，仅用于行业研究交流，不构成投资建议、医疗建议或商业决策依据。相关信息请以公司公告、监管披露及权威资料为准。