本文主要讨论了人工智能在医疗领域的应用现状与前景，包括AI辅助诊断、药物研发、个性化治疗等方向，并分析了技术挑战与伦理问题。

谷歌解散了诺奖级AI项目AlphaFold团队，核心成员包括诺奖得主约翰·詹伯已加盟Anthropic。团队被重组至Gemini和Isomorphic Labs，后者基于AlphaFold，项目或继续。此举可能影响药物研发和疾病研究。

科学家研发出一种新型DNA注射技术，单次注射可持续70天，帮助减肥和控制血糖。该技术通过将环状DNA注入肌肉，促使细胞自行生产药物，避免了频繁注射的麻烦。实验显示，该方法在小鼠中效果显著，未来有望应用于人类。

人工智能在医疗和生命科学领域显著提升了患者结果，节省研究时间，改善临床文档处理。AI能够整合多种数据，自动化工作流程，帮助医生快速决策。尽管面临数据碎片化和合规挑战，AI在药物研发和行政工作中的成功实施已显示出显著成效。

OpenAI与Molecule.one合作，利用GPT-5.4改进药物合成反应，实现近乎自主的研究。AI生成并执行实验方案，显著提升反应产率，虽然人类仍需参与关键决策，但AI已能加速药物研发进程。

新加坡国立大学提出一种结合人工智能与计算化学的研究流程，显著缩短糖尿病创面，尤其是糖尿病足溃疡的药物研发周期超过70%。研究发现叶酸是最佳候选药物，能有效促进创面愈合，为糖尿病及其他复杂疾病的药物研发提供了新思路。

研究发现，人体细胞制造数千种未记录的微型蛋白质，这些蛋白质与癌症和遗传病相关。科学家通过实验数据确认了这些微型蛋白质的存在，并建立了新的分类标准，推动了药物研发。这些新发现的肽证蛋白为癌症免疫治疗提供了新的靶点，可能改善早期诊断和治疗效果。未来的研究将重点验证这些微型蛋白质的功能及其在疾病中的作用。

Recursive Superintelligence（RSI）是一家新成立的AI公司，获得6.5亿美元融资，估值46.5亿美元。创始团队由8位顶尖科学家组成，目标是开发自我改进的AI系统，自动化科学研究，特别是在药物研发和材料科学领域。RSI希望通过递归自我改进，解决AI行业的增长瓶颈，推动下一次能力跃迁。

表征学习在生物化学与分子工程中愈发重要，尤其在肽的结构与功能建模方面。香港中文大学提出的Bi-TEAM框架通过整合生物与化学信息，提高了肽设计的准确性和成功率，特别是在细胞穿透性环肽的设计中表现优异，为药物研发提供了新技术路径。

传统药物研发面临时间、经济和技能的挑战，周期长达10-15年，成本高达26亿美元，成功率不足5%。AI技术如Claude Agent Skills能够自动化药物发现流程，提高效率，降低人力成本，推动科学研究变革。

在J.P.摩根医疗会议上，Lilly首席执行官Dave Ricks与NVIDIA创始人黄仁勋讨论了首个AI共创实验室，双方将投资10亿美元，推动AI在生物医药领域的应用，提升药物研发效率，尤其是针对老年脑疾病。

De-novo蛋白设计是药物研发的关键方法。麻省理工学院与Boltz等机构合作开发的全原子生成模型BoltzGen，能够在原子级别实现蛋白折叠与结合体设计，显著提高了分子设计的效率与可控性。该模型在多模态生物分子设计中表现优异，成功设计出高亲和力结合体，推动了药物发现与生物分子工程的发展。

谷歌的Willow量子芯片在低温下利用稀释分层制冷器实现了量子计算的新突破，能够模拟原子间的相互作用。实验结果验证了其实际应用潜力，特别是在药物研发和材料科学领域。尽管面临规模问题，量子计算的实用性探索仍在推进。

在药物研发中，英伟达的ReaSyn框架通过反应链表示法优化合成路径，提高了可合成分子的生成与优化效率，超越了传统方法，推动了药物研发的创新。

工信部新规要求单踏板制动不得减速至停车，2026年实施。全球首例AI成功识别隐藏精子助孕。微软推出Deep Research，Google AI药物研发进入临床阶段。上海新政支持外资游戏视为国产。