Wuhan Guge Biological Technology Co., Ltd.

关注并星标CPHI制药在线2025年3月31日，人工智能药物设计和开发公司Isomorphic Labs宣布，其第一轮外部融资筹集了6亿美元。本轮融资由Thrive Capital领投，GV（原Google Ventures）参投，现有投资者谷歌母公司Alphabet跟投。Isomorphic Labs成立于2021年，创始人兼CEO为2024年诺贝尔化学奖得主Demis Hassabis。01诺奖天团+谷歌押注的Isomorphic Labs在过去的一年中，通过用计算机模拟人类生物学过程，谷歌利用人工智能加速药物设计取得了突破，并为其顶尖科学家赢得了诺贝尔化学奖。Isomorphic Labs是从DeepMind实验室剥离出来的，专注于药物发现。它建立在DeepMind开发的软件上，包括AlphaFold（可以预测数百万种蛋白质的结构）。AlphaFold 3是一个突破性的模型，由Isomorphic Labs与谷歌DeepMind共同开发并于2024年5月发布，它能够准确预测所有生命分子的结构和相互作用，例如可以预测DNA和RNA的复杂行为，并缩短新药的开发时间。DeepMind的联合创始人兼CEO Hassabis先生表示，他们的目标是最终能够通过计算机完成大部分药物发现过程，取代那些需要生物材料、有严格的安全要求、耗费大量时间的传统实验室。这是人工智能最有益的应用之一。Isomorphic Labs目前专注于研究癌症和免疫疾病的潜在治疗方法。去年，它与礼来和诺华签署了研究合作伙伴关系，潜在的药物突破可产生数十亿美元的收益。Hassabis先生表示，虽然Isomorphic Labs并不缺资金（其母公司去年公布的利润超过1000亿美元），但引入外部合作伙伴是非常有意义的。Isomorphic Labs计划在今年年底前开始其首个人工智能设计药物的人体试验，这是一个重要的里程碑，会大大加速新药的开发。不过，Hassabis先生没有说明试验针对的具体疾病，这也让业界充满了期待和悬念。此外，本次领投的Thrive Capital以“在少数初创企业押下巨额赌注”的风格著称，曾投出过OpenAI、Instagram、Stripe、Spotify等明星项目。Thrive Capital创始人Joshua Kushner表示：“Isomorphic Labs有着稀缺的地位，将定义药物发现和设计的新时代。”02字节跳动布局医疗和制药中国科技巨头字节跳动在运用人工智能的竞争中取得了早期阶段的领先。其人工智能战略不仅限于其社交媒体平台，而是扩展到了许多其他领域，例如自动驾驶、智慧城市和医疗保健。在医疗保健领域，公司正在探索用于疾病诊断和药物发现的人工智能应用。去年底，字节跳动成立了北京宁和康瑞医疗管理有限公司，注册资本超7亿元人民币。当前，字节跳动旗下拥有多家实体医院。其中，成立于2006年的妇儿高端医疗品牌北京美中宜和妇儿医院颇受关注，其以医疗服务为主线，提供从孕前、分娩、产后休养、儿童保健、儿科疾病、辅助生殖、医学美容到家庭健康的全方位连续性专业服务。在药物发现方面，字节跳动的AIDD（人工智能药物设计）团队吸引了全球顶尖人才，开发了开源工具，用于优化蛋白质设计和药物发现流程。在生物医学方面，字节跳动在苏州启动了无创泛癌种早筛技术产业化项目，通过AI算法和高通量测序技术实现早期癌症筛查。近期，字节跳动的科学家与来自薛定谔等公司的合作者共同发表了研究文章，开发了一种具有最先进准确性和效率的晶体结构预测（CSP）方法，这个方法不仅复现了所有实验已知的多晶型物，而且还提出了尚未通过实验发现的新的低能多晶型。这在制药、农业科学、营养保健品、电池和航空工业中具有深远的意义。03结语随着人工智能在药物发现领域的不断深化，Isomorphic Labs已具备“定义新一代药物研发范式”的潜力。AIDD能将传统药物研发周期从十多年缩短至数年，大幅降低成本并提升成功率。并且，癌症、免疫类疾病等具有高度未满足医疗需求，谷歌和字节跳动助力的这类AI制药项目将对全球公共健康将带来深远的影响。参考来源：1. Isomorphic Labs, Google’s A.I. Drug Business, Raises $600 Million, Mar 31, 2025, The New York Times2. Isomorphic Labs官网3. TikTok-Owner ByteDance Takes Early Lead in AI Race, Dec 8, 2024, AInvest4. Zhou, Dong et al. “A robust crystal structure prediction method to support small molecule drug development with large scale validation and blind study.” Nature communications vol. 16,1 2210. 5 Mar. 2025, doi:10.1038/s41467-025-57479-1END领取CPHI & PMEC China 2025展会门票来源：CPHI制药在线声明：本文仅代表作者观点，并不代表制药在线立场。本网站内容仅出于传递更多信息之目的。如需转载，请务必注明文章来源和作者。投稿邮箱：Kelly.Xiao@imsinoexpo.com▼更多制药资讯，请关注CPHI制药在线▼点击阅读原文，进入智药研习社~

点击上方DIA资讯关注我们DIA Glaobal Forum中文版 文章选读揭开AI在医疗保健领域的神秘面纱：AI可以帮助解决的常见问题第一部分：研发应用和方法作 者：Sridevi Nagarajan 1，Michael Meighu 2作者单位：1.AstraZeneca，2.CGI授 权：本文翻译已获作者授权这篇文章是系列文章中的第一部分，探讨了人工智能在医疗保健领域的潜力，并为团结全球患者、数据科学家、医疗专业人员和临床代表的社区铺平了道路。 Global Forum 未来几期文章将涉及医疗健康领域的具体用例、围绕使用 AI 的监管环境、以人为本的AI 整合、改变管理策略、以及人工智能和人类智能间的协同优化。人工智能（AI）的快速发展为提高效率、降低成本、加速药物研发提供了前所未有的机遇。然而，要充分利用这一潜力，必须建立一个鼓励跨学科交流的协作生态系统。作为 DIA AI 医疗社区的联合主席，我们的愿景是培养一个社区 ，让数据科学家、医疗保健专业人士和行业利益相关方共同参与，在这个平台上，我们可以相互学习、提供最佳实践、交流各自的见解，共同建立 AI 医疗保健创新的未来。更多AI话题请关注2025 DIA中国年会Al Pharma专场（点击了解）认识 AI：揭开科技智慧的层层面纱AI 包含了一系列技术，每一种技术都为不断发展的制药创新贡献了独特能力。AI 是一个广阔的领域，其中机器学习（ML）和深度学习（DL）居于首位。图 1展示了从通用概念到特定技术应用的层级，从生成式AI（GenAI）到大语言模型（LLM）、生成式预训练转换模型（GPT）、GPT-4，最后到 ChatGPT。ML 能够从数据中学习和识别，并在没有显式编程的情况下做出决策。DL 是 ML 的一个子集，它将处理文本、语音、图像和视频的数学函数作为神经元，来模拟人类大脑的复杂结构。通过这些复杂的 AI 层级，跨越了传统 AI 处理数据的模式，生成式 AI 提供了一个新的范例，即机器不仅能够分析，甚至还拥有创造力，能自主生成新的、有意义的内容。生成式 AI 在药物研发领域拥有巨大的潜力，它为各种复杂挑战提供了创新性解决方案，可重塑药物研发的轨迹。深入了解生成式 AI就像艺术家的调色板，生成式 AI 可以满足各种特定的使用需求。如同艺术家们通过混合色彩来创作他们的杰作一样，各种 AI 功能结合在一起会产生不同的效果。AI/ML算法的潜力在于发现不良事件数据中隐藏的模式，及时识别安全信号，并实现常规任务的无缝自动化。尽管一些机构在纳入AI/ML方面取得了进展，但PV行业仍有很大的发展和创新空间。随着行业的进步，战略性地利用先进技术的实体将加强其安全监测能力，在促进更一致、更高效的工作流程的同时，为改善患者结局、提高药物安全性做出贡献。然而，关键问题依然存在：技术能否真正引导PV取得卓越成果？大多数受访者对技术的变革潜力抱有信心，45%的受访者预见到了中等程度的效率提升。超过42%的专业人士认为，技术的采用将显著改善决策过程。这种共同的乐观情绪凸显了业界对技术的认可，认为技术是积极转型的催化剂，能够全面提升效率、可扩展性、决策和法规遵从性。语义搜索：“隐性知识”和“显性知识”之间的相互作用是知识管理及创新的主要驱动力。数字资产（显性知识）和人类经验（知识工作者）是产生想法、解决问题和价值创造的种子。传统的语义搜索（pre-LLMs）使用的技术已超过了简单的关键词搜索— 例如：关键词扩展、潜在语义分析（LSA）、向量空间模型等— 但均有一定的局限性。生成式 AI 的语义搜索将这种能力提升到一个新的水平，因为它对用户查询和“显式知识”都具有深刻的上下文和语义理解。这就是游戏规则的改变者 ：将这两者有效的结合在一起，创造出颠覆性的变化。在医疗保健领域，有许多地方可以通过这种功能为“低垂的果实”增加价值。以下是三个简单的例子：改进搜索引擎：改进传统的搜索引擎，以更好地理解用户的查询，并提供符合搜索者意图和上下文相关性的结果，而不仅仅是关键词。一个例子是搜索信息管理系统以产生洞见。客户支持：通过聊天机器人和虚拟助手来自动化和改进客户支持，用更人性化的方式理解客户的查询，提供更准确和更有用的回复。“客户支持”也可以服务组织内部的利益相关者。决策制定：根据涉及症状、诊断和治疗的复杂检索查询，并考虑每个病例的背景和具体情况，通过理解和检索相关医学文献和患者信息，从而支持临床决策。此外，通过语义搜索找到明确的信息后，生成式AI 可以通过文本生成合成数据⸺这是另一种生成式AI 的功能，为用户提供容易理解的输出。谷歌搜索引擎目前正在向美国用户群提供该服务，这种服务可以扩展到组织内，基于组织自身内容进行使用。问答：想象一下，从查找信息到与明确的内容建立动态的互动关系，能够对您的内容提出问题，获得回复，提出后续问题，并（取决于技术）提供参考。基于语义搜索、提问和回答，生成式 AI 可以加快机构层面解决问题和创新的质量和速度。许多读者可能已经向Chat GPT-4 提出了各种问题，并得到了可接受的回答。但是，大多数组织机构不能使用 Chat GPT-4 公共版本，因为它在其样本空间内不包含机构数据或特定领域的信息，并且可能没有机构所需的语言和语气。此外，公共 GPT 使用的内容是开放式访问的，不特定针对任何行业或领域。解决这些问题的方法包括各种微调（fine-tuning）或检索增强生成（RAG）技术。不论使用何种具体的技术路径，它们能创建一个问答机器人，可 以 与 各 种 机 构 知 识 库（例 如：数 千 个SharePoint 文档库）和参考源文档进行交互。例如，在制药行业中，可以将 RAG 应用于信息管理系统，以便可以用人类交流对话的模式查找内容。为了解决与公共领域共享信息的保密性问题，药企在与技术公司合作，基于内部信息对模型进行微调。文档总结：生成一个有价值的文档，需要包含一个总结和各个关键点并附上原始内容。在当今的信息过载中，这一功能加快了显式知识和人类知识之间的交互。根据实际需求，有多种方法可基于 LLM 模型进行文档总结，包括：提取性总结、抽象性总结、综合性总结、微调和多文档总结提取性总结：直接从原始文档中选择短语、句子或段落，而不改变源文本。LLM 可通过训练来提取文本中相关性最高的部分，根据其重要性、关键字或语义相关性来识别。以新闻媒体为例子，用 AI 提取关键句来生成吸引读者的新闻。这一功能也可以用于总结会议内容，或从监管信息中提取关键点。抽象性总结：与提取性总结不同，抽象性总结可以生成新的短语或句子，这些短语或句子不一定存在于源文档中。LLM 可通过训练来理解文档的上下文及含义，然后用新的词语来表达一个更简洁、流畅的版本，即模仿人类总结内容的能力。综合性总结：该方法结合了提取和抽象技术的优点。LLM 可首先使用提取方式识别关键句或段落，然后重新生成新的句子，并形成一个连贯、简明的版本。特定数据微调：对于特定领域的文档总结（例如：监管、医疗或技术文档），可以使用目标数据集对 LLM 进行微调。这一过程包括从特定示例的语料库中进一步训练模型，以增强其在该领域内的理解和总结能力。多文档总结：将来自多个文档的信息汇总成一个总结。LLM 可通过训练，能识别并处理来自不同来源的重叠、互补或矛盾的信息，并生成一个总结，获得关于某个主题更广泛的观点。这些不同风格的总结，或与聊天机器人等结合使用，可以提高创新的质量和速度并降低成本。文本分类和标记：在信息管理系统中的内容，特别是合规性文档，需要统一标记。如果只有文档作者及团队能够找到并使用这些信息，那么这些信息无法发挥全部价值。元数据对于数据筛选和仪表盘信息汇总等需求也很重要，并且在信息迁移过程中必不可少。LLM 可以自动标记元数据，并向人类提供标签以确认，如果对 LLM 的信心足够高，则可以在没有人类参与的情况下标记内容。AI 提高了组织机构知识资产的可用性。文本分类模型可以标记临床试验报告或患者报告中提到的不良事件，帮助研究人员快速分析。实体抽提：能够读取文档并提取关键信息（例如：地点、疾病、研究中心、设备和 / 或人员），并将其用于后续处理（例如：元数据识别、知识图谱和搜索）的能力是药物研发的关键需求。LLM 具备比传统元数据提取方法更大的优势，因为它们能模拟人类行为并解读，而不是简单的执行基于关键字或规则的搜索。LLM 可以执行命名实体识别（NER）来识别和分类医学文本中的内容。例如，像“45 岁的女性出现高血压和糖尿病症状，接受了 CT 检查，显示有心肌梗死迹象”这样的句子，将从文本中提取临床概念或医学术语，捕捉这些术语的含义和上下文，如患者特征、疾病名称以及CT（计算机断层扫描）和 MI（心肌梗死）。聊天机器人：由生成式 AI 模型驱动的聊天机器人能模拟人类对话，通过文本或语音交互为用户提供帮助或检索信息。这为工作场景中更直观、人性化的数字交互铺平了道路，将知识工作者的产出转化为更具有附加值的效果。聊天机器人的一些非常强大的应用包括回答患者的常见问题来提高患者体验，或者在供应链中使用机器人进行规划、采购或付款处理。数据分析和可视化：生成式 AI 在数据分析和可视化方面取得了重大进展。通过从大量数据中学习，生成式 AI 可以识别人类分析师可能无法立即发现的模式、趋势和相关性。这一功能可生成具有洞察力的、详细的数据可视化，例如动态图、热图以及根据用户特定需求定制的交互模式。在进行监管提交时，制药公司将极大地受益于实时提交活动仪表板。生成式 AI 还可以根据历史提交数据模拟各种场景，提供可视化的预测分析，以帮助决策者评估未来的可能性和结果。将生成式 AI 与数据分析和可视化工具集成，加速了从数据到洞察的过程，并使高级分析更广泛使用。情感分析：生成式 AI 可以从文本数据中理解并解读人类情感的细微差别。在 RWE 中使用 AI 可以超越传统的定量指标，从多方面理解患者的情绪。生成式 AI可以利用大量的数据集来分辨语气、上下文或语言使用的细微变化，这些变化可以表明情绪，无论是积极的、消极的还是中立的。这一功能能更准确、详细地分析用户反馈、社交媒体互动和文本沟通，从而深入了解人们的感知和情感反应。此外，生成式 AI 能够在不断的学习中改进并完善分析能力，随着时间的推移，提高情感分析的准确性和相关性。这种反复的学习过程使医疗保健利益相关者能够了解患者不断变化的情感感知和偏好，帮助其在医疗保健服务和产品开发的各个方面做出明智的决策。例如，通过生成式 AI 对 RWE 进行情感分析，医疗保健从业者、制药公司和政策制定者获得了对患者满意度、疗效、不良事件和其他影响因素的宝贵见解。多模态搜索：生成式 AI 通过建立能理解和处理多种类型数据输入（文本、图像、音频和视频）的查询系统，提供了更准确和相关性更强的搜索结果。对于跨医院系统访问数据的放射科医生或分析师来说，这可以提供更丰富、更直观的搜索体验。例如，用户可以上传图像并接收相关文本信息，反之亦然。多模态搜索的发展不仅改善了用户体验，还为医疗保健专业人员与数字内容进行交互应用提供了新的可能性。上述只是已在其他行业带来了颠覆性价值 AI 模式的简单示例。后续文章将介绍具体用户案例、治理模型、创新模型、实用建议、监管环境等相关主题。建立协作性社区为了让每个利益相关者都参与进来，并充分发挥AI 在生命科学和医疗保健行业的潜力，建立一个协作性社区至关重要。在这个社区中，数据科学家、医疗专业人员和行业专家聚集在一起，公开讨论、分享他们的专业知识和见解，并相互学习。汇集具有不同专业知识和观点的利益相关者，旨在能合作开发出符合伦理、有效且值得信赖的 AI 解决方案，最终使患者、医疗保健从业者和全社会受益。开发者层面上有大量关于 AI 技术的信息，但缺乏“如何”进行协作的空间，我们力求解决这一差距。协作可以确保 AI 解决方案的开发、制定和使用能满足利益相关者的不同需求。协作可以将临床见解、伦理考量、合规性和患者偏好整合到方案的设计和实施过程中，从而获得更有效的解决方法。在过去的十年间，AI 快速发展，在各个领域均取得了突破，最引人注目的发展之一是 ChatGPT 的发布，它是由OpenAI 开发的一种会话式 AI 模型。ChatGPT 的成功，可以部分归因于 AI 社区的协作和开放。来自世界各地的研究人员和实践者可以自由地分享他们的发现、代码和数据集，促进知识交流。开源倡议对于使人工智能研究更加开放和包容起着关键作用，它们通过减少参与的难度和促进不同参与者之间的合作，帮助加速创新的进程。这篇文章也是我们向医疗保健行业的各方利益相关者发出的邀请，欢迎他们加入 DIA AI 医疗社区，为这场深远的变革贡献自己的智慧、经验和见解。我们致力于打造一个合作的生态系统，以激发创新活力，发挥人工智能的变革力量，提升全球健康状况。我们的目标是汇聚顶尖技术和合作伙伴，共同塑造药物发现和开发的未来，应对日趋复杂的挑战，并为创新和探索开辟新的可能性。这篇文章是系列文章中的第一篇，可在 Global Forum 上关注后续文章。阅读DIA Global Forum中文版全部文章，请扫描二维码加入优享Plus。优享Plus可直接登录网站查看完整版SETP 1进入优享Plus学员登录优惠专区 http://kc.dianow.cn/STEP 2使用学员账号登录，从“课程中心”进入，查看您Plus权益中的DIA“Global Forum中文版”完整版阅读DIA中国近期会议/培训May22-25●2025 DIA药物信息大会暨展览会► 点击阅读Jun13-14● 2025 DIA新药研发和全生命周期管理课程► 点击阅读Jun13-14● 2025 海外市场导航：制药与伴随诊断国际拓展的联合策略► 点击阅读Jun20-21● 2025 Rare to Aware: DIA罕见病基础培训► 点击阅读Jun27-28● 2025 DIA全球化药品开发与监管策略实战线下研讨班► 点击阅读Jul4-5● 2025 DIA稽查精英特训营：深入临床一线，掌握核心技能► 点击阅读Jul11-12● 2025 DIA 放射性药物研修班：从基础理论到临床应用的全面进阶► 点击阅读Aug15-16● 2025 DIA 细胞治疗CMC研究生产质量管理和临床实践► 点击阅读Aug22-23● 2025 DIA CNS创新论坛暨CCTN-P年会► 点击阅读点击了解详情关于DIADIA是一个全球化、跨学科的国际性学术平台，在中立的环境中，融合医药研发领域全行业的意见领袖，探讨当前研发的技术问题，提升专业能力，以及催化行业共识，在全球医药研发领域享有很高的声誉。扫码关注我们微信号｜DIA资讯长按识别左侧二维码即可关注我们努力为你提供有内容的内容。

4月26日，清华大学宣布成立人工智能医院（Tsinghua AI Agent Hospital），当AI算法开始“诊断”病情，当虚拟医生24小时在线候诊，这不仅是医疗与科技的深度碰撞，更预示着医疗模式或将迎来颠覆式变革。始于清华园的医疗创新清华大学人工智能医院不仅仅是传统意义上的医院升级，而是从底层逻辑开始的革新。1医院初期依托北京清华长庚医院及互联网医院试运行，重点在全科、眼科、放射诊断科等专科展开试点。核心技术“紫荆AI医生”内测系统堪称这场医疗变革的“智慧引擎”。2024年11月上线后，它构建起“闭环式”医疗虚拟世界，为AI医生打造了专属的“加速训练营”。在这个时间流速达到现实世界100倍的虚拟空间里，AI医生得以突破时间限制，在短时间内完成海量病例的学习与诊疗逻辑迭代。系统模拟千万级真实诊疗场景，让AI医生积累起相当于超十年的临床经验。如今，42位来自不同科室的AI医生已正式“上岗”，它们覆盖21个科室，对300多种疾病了如指掌。2这些AI医生依托权威医学资料与实时更新的医疗知识库，能为患者提供精准的诊疗方案。清华大学副教务长、医学院院长黄天荫表示，人工智能医院致力于打破“传统医院+AI”的固有模式，从设计底层融入AI智能体功能，协助医生精准决策，提升医疗服务效率与患者满意度，降低运营成本，同时助力解决基层全科医生短缺问题。长远来看，医院还计划实体化运行，推动医疗模式的彻底变革。在创新与规制间寻求平衡在效率革新层面，AI医生凭借不知疲倦的特性，可实现全天候值守，毫秒级响应患者需求，快速处理海量病例，显著压缩患者候诊时长，让就医体验更高效便捷。在医疗资源均衡化进程中，AI打破地域壁垒，通过云端诊疗将优质医疗资源精准输送到偏远地区，有效缓解基层医疗资源匮乏困境，推动医疗资源的合理布局。而在药物研发领域，AI深度参与分子模拟与虚拟筛选，以其强大的算力和算法优势，将传统药物研发周期缩短70%，极大加速新药上市步伐，为患者争取宝贵治疗时间。3然而，AI医疗也面临诸多挑战。伦理层面，AI决策缺乏人类的情感与同理心，面对复杂病情和患者心理需求时，难以给予足够人文关怀。一旦AI系统出现故障或遭恶意攻击，患者生命安全将受到威胁。技术层面，AI在复杂逻辑推理和模糊信息处理上，仍不及人类医生。此外，数据隐私保护、法律法规不完善等问题也制约着AI医疗的大规模应用。有学者指出，AI医疗的发展需要在技术创新的同时，应注重伦理、法律和社会问题的研究与解决。4行业探索：AI医疗的奋进之路在AI医疗探索的赛道上，清华大学并非独行。医联自主研发的医疗垂直大模型MedGPT颇具代表性，它整合150万医生诊疗经验、2000万患者数据及权威医学知识库，能提供全流程健康服务，支持27个专科的智能问诊、病历生成等服务。5实际应用效果显著。南充市中心医院引入医联AI智能随访系统后，慢病患者复诊率提升35%，医疗风险投诉下降60%；北京清华长庚医院引入AI智能病历服务后，病历书写效率提高70%，医生日均接诊量增加25%。6未来，随着多学科协同攻关与社会各界的共同努力，有望建立起更完善的伦理规范、技术标准和法律框架，推动AI医疗在保障安全与温度的前提下，真正释放普惠医疗的巨大潜力。清华大学人工智能医院的成立，是医疗智能化的重要里程碑。尽管前路挑战重重，但随着技术进步与政策完善，AI与人类医生携手共进，必将为医疗行业带来更智能、高效、普惠的未来，让优质医疗服务惠及更多人。参考链接：1. 《清华大学，成立人工智能医院》https://mp.weixin.qq.com/s/IHKcBIESO2sXkZP5RZAf4A2.《清华大学成立人工智能医院》http://www.xinhuanet.com/tech/20250428/f2ce158e99174934a4c0cdce0db25423/c.html?show_loading=0&webview_progress_bar=1&push_animated=13.《清华AI医院正式运营：一场医疗革命的“未来式”启航》https://m.toutiao.com/article/7498241326257898018/?upstream_biz=doubao&show_loading=0&webview_progress_bar=1&push_animated=14.李明.人工智能在医疗领域的应用现状与挑战[J].医学信息学杂志,2024(5):35 - 405.《以科技重塑未来医疗：医联智慧医院解决方案助力健康中国2030》https://m.medlinker.com/。6.《医联亮相2025腾讯云上海峰会，共绘智慧医疗新图景》http://cn.chinadaily.com.cn/a/202503/20/WS67dbe1b6a310510f19eecdbc.html?push_animated=1&webview_progress_bar=1&show_loading=0撰文 | 阮源江推荐阅读5滴血就能知道你的生理年龄？Science子刊揭秘压力激素是衰老密码，吸烟还加速男性衰老！疑难杂症“开卷考外挂”！登顶Nature的谷歌AMIE，诊断真的靠谱么？清华大学推出AI辅修学位，未来医生的"科技树"怎么点