全球创新简报 · 更新于2026年11月5日
了解HERMS如何提供一体化生命科学解决方案。
关键区别 预测可以帮助确定科学问题的优先级。实验用于检验这些问题。临床证据则提供不同层级的支持。
基因组学:预计算预测迈向全新规模
2026年9月8日,Google DeepMind推出了AlphaGenome Atlas。这一科研资源包含对90亿种可能的单核苷酸变异所产生分子效应的预测。配套的变异影响评分旨在帮助确定变异的研究优先级,并解读可能受到影响的分子过程。这些是模型预测,并非90亿项经过实验验证的临床发现。 [1]
蛋白质设计变得更加可编程
2026年10月21日,NVIDIA与华盛顿大学蛋白质设计研究所宣布推出RFD4-Proteina,这是一个将蛋白质设计与搜索相结合的开放模型。NVIDIA公布了其在结合与设计任务中的计算基准测试结果。无论是生成的候选对象,还是基准测试表现,仍需经过实验室测试,才能确定其是否具有有用的生物学功能或治疗效果。 [2]
人工智能智能体走进湿实验室
Google Research于10月16日发布的报告介绍了与实体实验室机器人系统连接的智能体,以支持迭代式分子设计实验。关键变化在于可测量的反馈循环:提出候选对象、开展实验、评估结果,再选择下一步行动。这仍属于科研场景,并不意味着普遍授权人工智能自主作出临床决策或受监管生产决策。 [3]
平台正在连接模型与科研基础设施
NVIDIA在2026年发布的BioNeMo相关公告介绍了涵盖生物模型、实验室流程编排和自动化的工具与合作。这类项目表明,连接模型与实验的基础设施正获得投入。评估时应将其视为成熟度有据可查的独立能力,而不应假定其能够提供经过验证的端到端发现流程。 [4]
如何确保采用人工智能有据可依
HERMS解读:选择一项明确的科研或运营任务,并衡量它对相关决策的改善程度。在发现研究中,应跟踪经实验确认的命中结果及其可重复性。在文档工作流程中,应衡量错误率、审核工作量和可追溯性。应将基准测试分数与患者获益证据区分开来。
受控部署应记录源数据、模型和提示词版本、预期用途、访问权限、不确定性以及审核人员的决定。变更需要依据最初的验收标准进行评估。当输出结果影响患者安全、监管申报或投资决策时,人的科学与专业责任仍然不可或缺。
对于生命科学领域的领导者,最有力的近期策略是将人工智能与纳入治理的证据及真实实验反馈相连接。只有当组织还能解释哪些假设经受住了检验、为何选择这些假设,以及仍存在哪些不确定性时,更快地提出假设才真正具有价值。
来源与延伸阅读
- Google DeepMind:AlphaGenome Atlas,2026年9月8日
- NVIDIA:RFD4-Proteina与生命科学合作,2026年10月21日
- Google Research:与湿实验室连接的智能体,2026年10月16日
- NVIDIA:BioNeMo开发平台公告,2026年1月12日
深入了解支撑您下一项创新决策的证据、监管要求与实施问题。与HERMS探讨您的优先事项。
相关HERMS解决方案
了解与本文相关的HERMS解决方案,并评估其是否符合您的工作流程、证据需求和审批要求。
