AI在药品与医疗器械中的应用

汇报人:XXX20XX/XX/XXAI在药品与医疗器械中的应用CONTENTS目录01

AI赋能药品研发全流程02

AI在医疗器械领域的创新应用03

AI驱动药品监管现代化04

AI在医疗服务中的深度融合CONTENTS目录05

技术突破与创新趋势06

挑战与伦理考量07

未来展望与战略建议AI赋能药品研发全流程01靶点发现：从大数据中精准定位AI加速靶点识别效率传统药物研发中靶点发现耗时漫长，AI技术通过分析生物信息学数据，可快速预测与疾病相关的蛋白质或基因作为潜在药物靶点，显著缩短研发周期。多模态数据整合驱动发现AI智能体能够整合化合物数据库（如ChEMBL、PubChem）、蛋白质互作网络（如STRING）、通路数据库（如Reactome、KEGG）等多模态数据源，生成和精炼靶点或作用机制假说。AlphaFold助力蛋白质结构解析以深度学习为代表的AI算法在靶点识别中表现出色，如谷歌DeepMind公司开发的AlphaFold算法，可根据蛋白质序列预测其三维结构，为药物设计提供重要的结构信息，助力靶点发现与验证。案例：AI赋能新靶点发现英国AI公司BenevolentAI通过其平台Syntensa，利用AI算法分析生物标志物与疾病之间的关系，成功预测出可治疗多发性硬化症的新靶点，为该疾病的治疗提供了新思路。药物设计：生成式AI驱动分子创新

靶点发现与验证的智能化加速AI技术通过分析生物信息学数据，如蛋白质互作网络、通路数据库和基因组数据，能够快速识别和预测与疾病相关的药物靶点，为药物研发提供明确方向。

基于结构的药物分子设计优化利用生成式AI结合AlphaFold等蛋白质结构预测技术，可实现药物分子的精准设计与优化，提高分子与靶点的结合能力，缩短药物发现周期。

ADMET性质预测与多参数优化AI模型能够预测药物分子的吸收、分布、代谢、排泄和毒性（ADMET）等关键性质，辅助筛选出具有良好成药性的候选化合物，降低研发风险。

临床前候选化合物确定周期大幅缩短英矽智能等企业利用AI平台，将从靶点发现到临床前候选化物确定的研发周期从行业平均的4.5年缩短至18个月，成本显著降低。药物筛选：虚拟与实验的高效协同

AI虚拟筛选：缩短早期研发周期AI技术通过模拟药物分子与靶点相互作用，可快速预测分子活性，显著缩短筛选时间，降低筛选成本。例如，AI公司Atomwise利用深度学习算法筛选药物分子，为抗病毒药物开发提供重要线索。

生物信息学驱动的多模态数据整合AI整合化合物数据库（如ChEMBL、PubChem）、蛋白质互作网络（如STRING）及通路数据库（如Reactome）等多模态生物医学数据，生成和精炼靶点或作用机制假说，提升筛选精准度。

自动化实验平台：实现筛选闭环AI智能体通过机器人液体处理平台、自动化细胞实验系统等行动工具，将虚拟筛选结果直接转化为实验操作，完成从计算设计到实验验证的闭环，加速药物发现进程。

构效关系（SAR）学习与优化AI利用记忆工具存储和分析构效关系模式，积累毒性发现与负结果，在多轮设计-合成-测试-分析（DMTA）循环中持续优化分子结构，提高先导化合物发现效率。AI驱动临床试验设计革新AI技术通过分析多源数据，优化临床试验方案设计，提升效率与成功率。例如，AI可辅助精准筛选患者，优化试验流程，缩短研发周期。智能患者招募与匹配利用AI算法分析患者数据，实现快速精准匹配，解决传统招募耗时、低效问题。部分项目通过AI将患者招募周期缩短30%以上，提高入组效率。临床试验智能化监测与管理AI实时监测临床试验数据，智能识别异常情况，及时预警风险。如AI辅助的临床试验监测系统可提升数据质量，确保试验过程合规可控。虚拟临床试验的探索与应用AI技术推动虚拟临床试验发展，通过模拟患者群体和疾病进程，部分替代真人试验，降低成本与风险。2026年相关研究显示，虚拟试验可减少30%-50%的真人试验需求。临床试验：智能优化设计与管理案例研究：AI加速新药研发进程

靶点发现与验证：从海量数据到精准定位AI技术通过分析生物信息学数据，可快速识别与疾病相关的蛋白质或基因靶点。例如，英国BenevolentAI公司利用AI算法分析生物标志物与疾病关系，成功预测出治疗多发性硬化症的新靶点，为药物研发提供明确方向。

分子设计与筛选：缩短周期并降低成本AI在药物分子设计与筛选中展现巨大潜力。美国InsilicoMedicine利用深度学习算法开发的Drugmetix平台，可预测药物分子药代动力学特性，成功设计出治疗帕金森病的药物并进入临床试验，大幅缩短研发周期。英矽智能通过其三大核心平台，将从靶点发现到临床前候选化合物确定的研发周期从行业平均4.5年缩短至18个月，成本从数千万美元降至260万美元。

临床试验优化：提升效率与成功率AI在临床试验设计、患者招募和数据分析等方面发挥重要作用。AI可根据研究重点、样本量等信息快速生成临床研究方案，原本需数周的工作缩短至数小时；还能优化患者招募，提高入组效率，同时通过对临床试验数据的智能分析，提升试验质量和成功率，推动新药更快上市。AI在医疗器械领域的创新应用02智能诊断设备：提升影像识别精度

多模态影像融合技术应用整合不同来源的医学影像数据，如生物特征数据、医疗影像数据、电子病历等，提高监测的准确性和全面性，为医生提供更可靠的诊断依据。

深度学习赋能影像分析深度学习算法在医疗影像分析领域应用广泛，可实现对肿瘤、心血管疾病等疾病的早期诊断，通过训练大量医疗影像数据，识别图像中的异常特征，辅助医生进行诊断。

AI阴道镜辅助诊断系统实践国内首个AI阴道镜辅助诊断系统在临床预试验中诊断灵敏度达90%，同时研发的智能阴道镜培训软件，帮助基层医生将癌前病变检出率提升2.3倍，有效缓解基层阴道镜医生服务能力不足的困境。

“铁捕快”系统提升地贫检测效率广西“铁捕快”团队构建全球领先的地贫患者影像数据库，开发出基于磁共振影像智能化评估地中海贫血患者心、肝脏铁含量的系统，检测时间从数分钟缩短至2秒，准确率大幅提升，已获得52家三甲医院临床认可。手术机器人：迈向精准与微创01技术进步：精度与稳定性的提升随着算法优化和传感器技术的进步，AI医疗手术机器人将实现更高的手术精度，如手术机器人可实现亚毫米级精度，减少手术风险。02智能化升级：自主学习与决策能力通过引入深度学习、自然语言处理等技术，AI医疗手术机器人将具备更强的自主学习、推理和决策能力，辅助医生进行复杂手术规划。03远程操控：突破地域限制随着5G通信技术的发展，AI医疗手术机器人可以实现远程操控，让偏远地区的患者也能享受到优质医疗资源，促进医疗资源均衡。04个性化定制：适配不同手术需求针对不同患者和手术类型，AI医疗手术机器人可以实现个性化定制，提高手术成功率，例如贵州省人民医院骨科医生通过AI软件进行髋关节置换手术的术前规划。多模态数据融合的技术内涵整合来自生物特征数据（如心率、血压）、医疗影像数据、电子病历等不同来源的数据，通过AI算法进行综合分析，以更全面地了解患者健康状况，提高监测准确性和全面性。多模态数据融合的应用场景在慢性病管理中，结合智能穿戴设备的实时生理指标、定期医学影像检查结果及电子病历记录，AI系统可动态评估病情进展，提供个性化健康建议和干预方案。多模态数据融合的核心价值通过打破数据孤岛，实现不同类型健康数据的协同分析，为医生提供更可靠的诊断依据，同时也能为用户提供更精准的健康风险评估和预警，助力从疾病治疗向健康管理转变。健康监测设备：多模态数据融合康复辅助器械：个性化治疗方案基于AI的康复计划动态调整AI系统通过实时监测患者的康复进度，能够提供个性化的康复训练方案。例如，对于中风患者，AI系统可以根据患者的恢复情况，调整康复训练的强度和频率，帮助患者更快地恢复运动能力。虚拟现实（VR）技术的沉浸式康复训练AI结合虚拟现实（VR）技术，为患者提供沉浸式的康复训练体验，提高康复效果。患者在虚拟环境中进行训练，不仅增加了训练的趣味性，还能在更接近真实生活的场景中进行功能恢复练习。智能穿戴设备助力居家康复监测智能穿戴设备能够实时监测用户的生理指标和运动数据，如心率、步态等，并将数据反馈给AI系统。AI系统对数据进行分析，为居家康复患者提供个性化的健康建议和康复指导，实现远程康复监测与管理。市场趋势：AI医疗设备增长动力技术迭代驱动性能跃升AI技术持续突破，与大数据、物联网等融合，推动AI医疗设备性能提升，功能丰富，打破传统技术瓶颈，拓展应用边界，为行业发展注入核心动力。医疗服务需求升级提供支撑居民健康意识提升，对医疗服务精准度、高效性、便捷性要求提高，传统医疗设备难以满足多元化、个性化需求，AI医疗设备凭借优势成为医疗服务体系重要组成部分，需求持续释放。产业融合加速技术转化落地AI企业、医疗设备企业、科研机构及医疗机构协同合作紧密，形成优势互补、协同发展的产业生态，加速技术转化与产品落地，推动行业从单一设备研发向全产业链协同发展转型，提升整体竞争力。AI驱动药品监管现代化03纲领性文件的发布与意义2026年4月29日，国家药监局在福州正式发布《关于"人工智能+药品监管"的实施意见》，这是国家"人工智能+"行动在药监领域的首份纲领性文件，标志着我国药品监管正式从信息化、网络化向智能化迈进。总体目标与发展阶段文件设定了清晰的两步走目标：到2030年，初步构建药品监管与人工智能融合创新体系，AI在审评审批、监督检查等核心场景中有效应用；到2035年，基本形成数智驱动、智能敏捷的智慧化药品安全治理新格局。核心监管场景的数智赋能围绕七大重点方向展开，包括构建人机协同智能审评审批体系、提升全链条智能化监管能力、推动风险监管体系数智升级、推进检查执法智能化规范化、提升协同监管效能、提升政务服务智能化水平、促进监管与产业数智化协同发展。实施基础与保障措施为支撑"人工智能+药品监管"高效安全运行，提出推进药品监管高质量数据集建设、强化人工智能应用支撑体系、加强算力基础设施建设、筑牢安全防护体系、完善建设运行管理机制等五项基础支撑任务。监管政策："人工智能+药品监管"实施意见智能审评审批：人机协同提升效率

构建人机协同智能审评审批体系推动申报资料电子提交标准化、结构化，完善审评审批知识库，加快“两品一械”审评审批大模型与智能体研发应用，赋能产品智能分类、任务分配、资料审查、知识检索、问题识别、报告生成、制证送达等场景。

数智赋能重点场景落地国家药监局相关单位和各省级局分工协作，加快推进第二类医疗器械审评、药品上市后变更备案、普通化妆品备案、生产经营许可审批等重点场景智能化应用落地，强化成果转化与共享。

建立健全人机协同机制以保障产品安全有效为底线、以提升审评审批质效为重点，建立健全“数智赋能、人工复核、全程留痕”的人机协同机制，加快建设高效、安全、可控的智能化审评审批体系。

显著提升审评审批质效AI辅助审查资料、生成报告，人工负责复核，以此大幅压缩创新药械的上市时间，实现从“事后被动处置”向“事前主动预警”的转变，让急需的创新疗法更快来到患者面前。全链条监管：从研发到流通的智能化

01研制环节：临床试验数据治理与智能分析推进临床试验数据治理规范化，研究制定临床试验电子化记录技术指南等配套规范，利用临床试验大数据提升监管效能。

02生产环节：高风险品种数智化监管与风险监控完善疫苗、血液制品、特殊药品等高风险品种生产数智化监管机制，研发部署风险监控智能体，基于企业生产过程数据实时分析结果，动态监测生产过程质量安全风险。

03流通使用环节：追溯体系数智化升级与全品种赋码推动药品追溯体系数智化升级，加快推进全部在产品种赋码，实现生产、流通、使用全过程可追溯。构建药品追溯码与商品条码、医保编码等多码关联映射数据库，深化触发式追溯监管。风险预警：数据驱动的主动防控多源风险线索智能归集推动风险线索多源归集、智能研判、分级下达和留痕跟踪，推进数据驱动监管，完善“监测预警—会商研判—指令处置—跟踪回溯”的风险会商机制。重点品种动态风险画像加强全生命周期监管大数据的整合治理与分析挖掘，聚焦高风险品种和重点场景，研发质量安全、流通异常、网售监测等智能风险监管模型，开发风险监测评估智能体，绘制重点品种、重点企业、重点环节的动态风险画像。智能化监测评价升级升级完善“两品一械”监测评价系统，推动报告上报、审核评价、智能分析、风险预警、跨层级协作等场景的数字化、智能化，提升智能化监测评价水平。追溯数据风险智能筛查强化追溯数据智能分析，构建追溯风险筛查与预警模型，提升流通风险智能监测水平，实现对药品流通环节风险的主动识别和预警。地方实践：江苏"药事知了"平台案例

平台定位与核心功能江苏"药事知了"平台接入国家药监权威数据，其"数知真言"大模型已达到执业药师专业水平，面向监管端、百姓端、药店端同时赋能，提升药品监管与服务效能。

监管端：智能风险防控与追溯平台主动捕获不良反应信号，实现药品全链条智能追溯，提升监管部门对药品安全风险的感知、预警和处置能力。

百姓端：便捷用药安全服务为公众提供智能问药、用药冲突识别等服务，帮助百姓查询药品信息，规避用药风险，保障用药安全。

药店端：专业服务能力提升AI助手为药店店员提供合理用药建议，提升药店专业服务能力，目前该平台已覆盖江苏全省3.53万家零售药店。AI在医疗服务中的深度融合04临床决策支持：医生的AI助手

辅助诊断与鉴别：提升精准度与效率AI系统能整合疾病知识库与鉴别诊断逻辑，医生输入患者症状、体征及检查结果后，可快速匹配相似病例，梳理鉴别诊断思路，推荐针对性检查方案，助力疑难病例精准研判，减少漏诊误诊。

智能问药：保障用药安全与个体化AI助手覆盖海量权威药品数据库，可一键查询药品说明书、用法用量、禁忌症、不良反应及药物相互作用，尤其适配肝肾功能不全、老年、妊娠等特殊人群用药调整需求，为个体化用药提供循证支撑。

指南与文献检索：快速获取权威依据AI拥有庞大的临床指南、专家共识与顶级期刊文献知识库，医生无需逐篇检索筛选，几秒即可获取核心要点，结论标注权威来源，支持跳转原文核对，解决“查指南难、找证据慢”的痛点。

定位：辅助工具，而非替代者AI不能代替医生做临床决策，不具备行医资质，无法承担最终诊断的法律责任。其定位是医生辅助决策的AI助手，帮助医生更快检索信息、更准识别异常、更高效完成工作，最终诊断和治疗方案由医生做出。远程医疗：跨越地域的智能服务

远程手术：突破空间限制的精准操作随着5G通信技术的发展，AI医疗手术机器人可以实现远程操控，让偏远地区的患者也能享受到优质医疗资源。手术机器人可实现亚毫米级精度，远程手术亦可借助AI降低操作风险。

远程监测与护理：实时掌握患者健康动态通过物联网和移动通信技术，AI系统能够实现对患者的远程监测和护理。医生可以通过AI系统实时了解患者的病情变化，及时调整治疗方案。在偏远地区，这种远程医疗服务能有效缓解医疗资源不足的问题。

智能问诊平台：优化患者就医体验北京大学肿瘤医院淋巴瘤科搭建了线上AI问诊平台，上线以来已服务数千人次，有效解决了患者“挂错号、跑冤枉路”的痛点，提升了分诊效率和患者就医体验。个性化医疗：基于数据的精准服务个性化治疗方案的智能设计AI通过分析患者基因信息、疾病特征等多维度数据，辅助医生制定个性化治疗方案，提升治疗效果，降低患者痛苦。例如，可根据患者基因推荐合适药物。AI驱动的精准药物研发AI在药物研发领域展现重要价值，能从患者数据中筛选出对特定患者可能有效的药物，提高药物有效性和安全性，减少临床试验失败率，助力精准药物研发。智能健康管理与监测AI医疗健康监测设备收集分析用户生理数据、生活习惯等，提供个性化健康建议，如制定饮食计划、运动方案和用药建议，实现从疾病治疗向健康管理的转变。多模态数据融合下的精准诊断整合生物特征、医疗影像、电子病历等多模态数据，AI能更全面了解患者健康状况，提高诊断准确性和全面性，为医生提供更可靠的诊断依据，支撑精准医疗决策。病历质控智能化，减少临床差错AI病历内涵质控系统可预警病历书写时限问题，精准识别前后逻辑错误，帮助医生和质控人员快速排查缺陷，提升病历质量，减少医疗差错。智能预问诊系统，缩短门诊时间智能预问诊通过挂号后自动推送填写提醒，引导患者提前完善病史信息，数据直接回写到医生工作站，大幅缩短门诊问诊时间，如北京世纪坛医院上线以来使用量已突破10万人次。专科数据库构建，加速科研创新AI助力搭建专科数据库，可一键生成中英文文献综述，根据研究重点、样本量等信息快速生成临床研究方案，将原本需要数周的工作缩短至数小时，为科研提供有力支撑。AI辅助分诊，优化就医体验针对患者分诊难问题，搭建线上AI问诊平台，可有效解决患者“挂错号、跑冤枉路”的痛点，提升患者就医体验，如北京大学肿瘤医院淋巴瘤科上线以来已服务数千人次。医院管理优化：AI提升运营效率技术突破与创新趋势05大语言模型：医疗知识的智能整合

临床决策支持的智能助手以DrSeek为例，其深度整合疾病知识库与鉴别诊断逻辑，覆盖海量权威药品数据库及庞大的临床指南、专家共识与顶级期刊文献知识库，支持医生在“问病、问药、问指南”三大临床高频场景快速获取精准信息，几秒即可获取核心要点并标注权威来源，辅助医生高效决策。

医疗知识检索与分析的革新大语言模型能够处理和分析复杂的医学文献、病历等非结构化数据，实现快速精准的知识检索与整合。例如，在科研领域，AI助力搭建专科数据库，可一键生成中英文文献综述，还能根据研究重点、样本量等信息快速生成临床研究方案，大幅缩短原本需数周的工作时间。

跨模态医疗数据的融合应用大语言模型可结合多模态数据，如生物特征数据、医疗影像数据、电子病历等进行综合分析，为医生提供更全面的患者健康状况信息。在药物研发中，能整合组学数据、结构生物学数据、文献、专利和临床试验记录，用于生成和精炼靶点或作用机制假说，提升研发效率。多模态数据处理：提升诊断全面性多模态数据融合的技术内涵

通过整合生物特征数据、医疗影像数据、电子病历等不同来源信息，AI系统能够更全面地了解患者健康状况，为医生提供更可靠的诊断依据，突破单一数据类型的局限性。临床应用中的诊断效能提升

在肿瘤检测、心血管疾病诊断等领域，多模态数据融合可显著提高诊断准确率。例如，结合影像数据与基因信息，能更精准识别早期病变，优化治疗方案，提升个性化诊疗水平。数据标准化与共享的挑战

医疗数据多模态、高复杂、强专业，各机构数据治理能力不足，隐私保护顾虑大，缺乏合理激励机制，导致“不能、不敢、不愿”共享数据，制约多模态数据处理的规模化应用。智能体AI：自主驱动的研发闭环智能体AI的范式突破智能体AI（AgenticAI）将大语言模型推理能力与外部工具、记忆系统、数据源深度耦合，形成“感知→思考→行动→观察→反思”的迭代循环，突破传统AI被动工具的局限，模拟资深科学家的自主工作模式。四大核心工具模块感知工具汇聚多模态生物医学数据，计算工具将假说转化为定量预测，行动工具实现从计算到实验的闭环，记忆工具跨任务维持知识持久性，共同构成智能体完整的认知-行动体系。主流智能体架构应用ReAct架构适合批判性迭代的DMTA循环；反思智能体通过多模型协作优化方案；监督者架构模拟科研团队层级分工；群体架构支持去中心化多智能体并行协作，适应不同药物研发场景需求。记忆系统的分层设计包含短期上下文窗口、长期参数记忆（持续预训练、微调等）及外部检索记忆（RAG系统等），支持智能体在药物研发长周期中积累经验、更新知识，持续优化研发策略。脑机接口：医疗技术的前沿探索脑机接口技术的临床突破2026年2月，广西成功开展首例脑机接口脑起搏器手术，术后患者已能稳稳举起水杯自主喝水，标志着脑机接口技术在临床应用中取得重要进展。脑机接口的核心技术架构脑机接口技术通过采集大脑神经信号，经算法解码转化为控制指令，实现人机交互。其核心包括高精度神经信号传感器、实时信号处理算法及外部设备控制接口等关键技术组件。在医疗领域的应用前景脑机接口技术为运动功能障碍患者（如中风、脊髓损伤）提供康复新途径，未来有望拓展至神经系统疾病诊断、精神疾病治疗及认知功能增强等多个医疗场景。面临的挑战与发展方向当前脑机接口技术面临信号稳定性、植入安全性、长期生物相容性等挑战。未来需重点突破高分辨率信号采集、低创伤植入技术及跨学科协同创新，以推动其在医疗领域的规模化应用。挑战与伦理考量06数据隐私与安全：医疗数据保护

医疗数据的敏感性与保护挑战医疗数据涵盖患者病历、基因信息、影像资料等高度敏感内容，其隐私保护面临数据多模态、高复杂、强专业的特性，以及数据持有者“不能、不敢、不愿”共享的现实困境，如公立医院普遍缺乏成熟的数据治理和开发能力，隐私保护安全责任压力大。

数据安全防护体系的构建加强人工智能在安全防护体系中的应用，推动构建智能化、协同化防护体系，提升网络安全与数据安全防护能力。同时，加强人工智能风险监测评估，制定算法透明度要求和模型验证规范，加强模型算法、数据资源、基础设施、应用系统等安全能力建设。

合规管理与伦理规范明确人工智能在医疗领域应用的辅助型定位，完善相关管理制度与伦理审查机制。例如，在AI医疗健康监测设备普及的背景下，政府需出台政策规范数据使用，企业和机构需加强数据安全管理，确保患者隐私不被泄露，平衡数据利用与隐私保护。算法偏见与公平性：确保技术中立

算法偏见的潜在风险与表现AI算法可能因训练数据包含历史偏见或代表性不足，导致在疾病诊断、药物推荐、医疗资源分配等方面出现对特定人群的不公平结果，影响医疗服务的可及性与质量。

数据质量与多样性保障构建高质量、多模态、跨人群的标准化医疗数据集是基础，需确保数据来源广泛，涵盖不同年龄、性别、种族、地域及疾病谱的人群，减少因数据偏倚导致的算法不公。

公平性算法与模型优化开发和应用具有公平性约束的机器学习算法，如对抗性去偏技术、公平感知机器学习等，在模型训练和评估阶段纳入公平性指标，主动识别并修正潜在偏见。

透明可解释与监管审查提高AI医疗算法的透明度和可解释性，明确决策依据。建立健全AI算法的公平性审查机制，监管部门对涉及公共健康的AI产品进行公平性评估，确保技术服务于所有人群。监管适配与标准制定：行业规范发展单击此处添加正文

国家政策引领：“人工智能+药品监管”纲领性文件2026年4月，国家药监局发布《关于“人工智能+药品监管”的实施意见》，作为国家“人工智能+”行动在药监领域的首份纲领性文件，标志着我国药品监管正式从信息化、网络化向智能化迈进，核心逻辑在于通过AI技术重构药品全生命周期的监管链条。明确发展目标：构建数智化监管新格局文件设定了清晰的两步走目标：到2030年，初步构建药品监管与人工智能融合创新体系，AI在审评审批、监督检查等核心场景中有效应用；到2035年，基本形成数智驱动、智能敏捷的智慧化药品安全治理新格局。数智赋能重点场景：覆盖监管全链条围绕人工智能赋能药品监管，提出了七大重点方向，包括构建人机协同智能审评审批体系、提升全链条智能化监管能力、推动风险监管体系数智升级、推进检查执法智能化规范化等，覆盖从审评审批到生产流通的药品全生命周期监管。基础支撑保障：数据、模型与安全并重为支撑“人工智能+药品监管”高效安全运行，提出推进药品监管高质量数据集建设、强化人工智能应用支撑体系、加强算力基础设施建设、筑牢安全防护体系以及完善建设运行管理机制等五项重点任务。复合型知识结构培养强化医学、药学、计算机科学、数据科学等多学科知识融合，培养既懂医药专业又掌握AI技术的复合型人才，以适应AI在药品与医疗器械研发、监管等全链条应用需求。数字技能与数据解读能力提升医药行业从业者需主动学习AI工具使用、数据分析等数字技能，提升对AI生成结果的解读与应用能力，例如药师利用AI辅助审核处方时，能有效结合专业知识判断AI建议的合理性。人机协同工作模式适应培养在AI辅助下的新型工作模式，明确AI的辅助定位，人类负责复杂决策与专业判断。如审评审