2025年10月26日，第十届医药创新与投资大会医药数智化论坛(以下简称“数智化论坛”)顺利召开。数智化论坛聚焦人工智能、数字疗法、多组学技术、大数据等前沿技术与药物发现、临床研究、注册申报等新药研发关键环节的深度融合，探索新兴技术推动药物研发全链条的新路径。

再鼎医药全球研发首席运营官阎水忠博士主持论坛

石药集团临床前事业部副总裁，上海翊石医药总经理宋云龙博士首先分享了AI技术在小分子创新药物研发的一系列探索。他指出：近年来，伴随着人工智能技术的迅猛发展，生成式AI正在重塑全球的药物研发格局。AIDD(AI-Driven Drug Design)是指利用人工智能技术来加速和优化药物研发的过程。这种方法结合了机器学习、深度学习、计算化学和生物信息学等多种技术，能够帮助研究人员更高效地设计和筛选潜在的药物分子，极大提高药物开发的成功率，并缩短研发时间。AIDD较传统药物发现具有明显的技术优势，在靶点结构预测、分子生成与筛选、合成路线预测、ADMET预测等多领域均能发挥巨大作用。现代药物研发正在从AI建模+自动化试验+专家联合驱动的新范式向AI引领药物研发的新时代突进。在不久的将来，伴随着 AI 技术的不断发展，尤其是在计算能力、算法优化和数据共享等方面的突破，AI 在药物发现中的潜力将得到进一步释放，带来更多的创新机会。

宋云龙博士分享主题报告

恺恩泰(南京)科技有限公司董事长林世琴博士与参会嘉宾分享了关于智能化全病程管理助力医药数智化协同发展的相关探索。林博士指出：院外患者服务闭环缺失，是导致我国医疗资源紧张的关键堵点。搭建离院患者与医院之间的智能化全病程管理平台，实现院前、院中、院后的全程智能化服务，不仅能合理配置我国优秀的医疗资源，有效缓解患者“看病难”的问题，还能助力真实世界研究。

林世琴博士分享主题报告

昆佰泰生物技术公司全球市场负责人薛娟娟博士和与会嘉宾分享了纳米孔测序技术在生物药研发中的相关实践。薛博士指出：纳米孔测序技术是通过检测核酸分子(DNA或RNA)穿过纳米级小孔时引起的电流变化来识别碱基序列。不同碱基以其独特的分子结构和电荷特性，对纳米孔中的离子电流产生特征性的扰动，被实时捕捉为“电流指纹”，随后通过算法解码，转化为精确的核酸序列信息。纳米孔测序技术在靶点发现与验证、抗体筛选与优化、临床前研究、临床试验和生产与质控等环节都可有效应用于生物药的创新研发。目前，纳米孔测序技术在技术、成本和应用标准化3个方面还存在着巨大的机遇和挑战。伴随着纳米孔测序技术的不断发展，将为创新药的研发提供更广泛的智能解决方案。

薛娟娟博士分享主题报告

南京医科大学人工智能辅助药物研发中心主任陈勋博士和与会嘉宾分享了人工智能在药物设计中的应用与探索。陈博士指出：传统药物研发面临高投入、长周期、低成功率的三重挑战。最核心的风险集中在“靶点发现到临床验证”之间的关键环节。缺乏早期预判与数据支持，使得失败往往是高成本且滞后发现的。医疗数据量的爆发为AI提供了多模态、结构化、跨尺度的学习材料。新一代模型架构赋予AI更强的理解与生成能力。陈博士具体介绍了多组学、Alphafold2、DTA、DynamicBind、Deep-PK、Alphafold3、RosettaFold、ESMfold等模型在靶标预测、虚拟筛选、多肽AI设计和抗体AI设计领域的实践和应用。他相信，伴随着新兴技术的不断发展，AI正从被动分析助手，成长为主动参与创新的“生成式引擎”。

陈勋博士分享主题报告

先思达(南京)生物科技有限公司董秘谢可辉和与会嘉宾分享了糖组学创新成果在药物开发与临床应用等领域的探索。他指出：糖组学(Glycomics)是研究糖链结构和功能的一门学科。血清中超70%的蛋白质都连接了糖链，糖链也是除核酸、蛋白以外的“第三条生命链”。基因组(Genome)、蛋白质组(Proteome)、糖组(Glycome)分别从三个不同的维度，讲述着生命的故事。他详细介绍了糖组检测技术平台GlyFace®和糖组数据分析平台GlySeer®在早筛早诊、个性化治疗和药物研发的实践和应用。伴随着糖组学相关技术的不断发展，未来将对疾病预防、诊断、治疗、筛查、评价、验证和健康管理等多个环节产生深远影响。

谢可辉分享主题报告

阔跃生物创始人、CEO韩晓梅博士以“AI时代的药品监管：FDA的政策、框架与实践”为题和与会嘉宾分享了FDA在监管领域的实践和理念。韩博士指出：伴随着人工智能技术的飞速发展和广泛应用，FDA收到 AI相关的申报在迅速增多。充分理解最新AI政策可能让药品进入快速审批通道。韩博士详细介绍了FDA在早期研发阶段、临床前阶段、临床研究阶段的不同监管政策和理念，以及FDA七步 AI 可信度评估案例分析。

韩晓梅博士分享主题报告

中国药科大学理学院生物统计系主任言方荣博士分享了题为“数字孪生-虚拟临床试验的机遇与挑战”的主题报告。言博士指出：临床试验的数字孪生指的是在临床研究中，数字孪生可以作为患者的虚拟表示，其特征来自于实际患者的纵向特征，借助数字孪生，可以生成逼真的临床患者轨迹。理论上，数字孪生可以通过预测不同治疗方法(包括标准治疗或安慰剂)对个体患者或更大人群的影响来支持临床决策。临床数字孪生可以通过多种形式实现，包括机制建模和人工智能建模，能够减少漫长的招募过程、优化入组/排除标准、合成对照组并且帮助研究者优化决策。目前，数字孪生已经应用于部分临床试验的申报，EMA 和 FDA 对数字孪生均有相关的政策支持和指南建议。相信在不久的将来，数字孪生能够在弥补RCT研究局限性、加速早期剂量探索、辅助II期转III期决策、破解罕见病研究困境和定量药理学赋能等更多领域实现广泛应用。

言方荣博士分享主题报告

会场全景