FDA承诺出台新AI指导原则，Epic用户大会同步更新数字健康动向
8月25日消息，STAT News盘点：FDA官员承诺将发布新的医疗AI指导文件，覆盖生成式AI医疗应用等热点方向；同期Epic用户大会（UGM）披露电子病历巨头在AI辅助病历与临床工作流上的最新进展。监管与产业双线推进，医疗AI进入规则细化与产品落地并行阶段。
生成式AI
共 12 篇 · B910化工 · AI 化学信息库
FDA就生成式AI医疗器械监管框架征求意见，拟采用胜任力评估路径
FDA发布讨论文件，寻求对生成式AI（GenAI）医疗器械基于胜任力（competency-based）的监管路径反馈，提出从信息性到完全自主的两轴风险评估框架，评论截止10月19日。FDA称现行软件审评方法不适用于输入输出范围过大的GenAI设备。
FDA数字健康负责人承诺：生成式AI医疗器械监管指南正在路上
美国FDA数字健康卓越中心主任Rick Abramson接受STAT专访表示，FDA正制定生成式AI医疗器械的监管方案，将出台覆盖整体议题的宽泛指南以及针对特殊复杂性专题的细分指南，并考虑「基于胜任力」的监管路径。这是FDA对生成式AI医疗设备监管框架最明确的时间表承诺。
中国推出大豆生成式AI育种平台"丰暑2.0"，但进口依赖短期难解
中国农业科学家发布了面向大豆育种的生成式AI平台"丰暑2.2.0"（Fengshu 2.0），标志大豆育种向数据辅助育种与精准决策转变。但分析指出，多数新品种距大规模商业化种植尚远：进口占消费量80%以上，2025年需求达1.157亿吨；研究者测算即使现行政策到位，2030年自给率也只能提升至74%。
斯坦福大学开发AI模型生成噬菌体对抗抗生素耐药性，已产出16种高效杀菌病毒
斯坦福大学化学工程师Brian Hie和生物工程研究生Samuel King开发生成式AI模型Evo 2，成功设计出16种能高效杀灭大肠杆菌的噬菌体。该研究将AI应用于对抗抗生素耐药性这一全球健康危机，为噬菌体疗法的精准设计开辟了新路径。
物理信息生成式AI自主发现多孔氧化物储能材料:机遇与挑战
新泽西理工学院Dibakar Datta团队发表综述,系统梳理物理信息和知识驱动的生成式AI在多孔过渡金属氧化物储能材料发现中的应用。论文指出该材料体系涉及晶体化学、孔结构、离子传输等多物理场耦合,传统方法面临根本性设计瓶颈。
生成式AI制造化学错误：科学论文AI欺诈引发关注
C&EN报道AI生成的化学错误在科学论文中蔓延问题。生成式AI工具在撰写化学论文时可能编造不存在的化合物、错误引用文献或虚构实验数据。随着AI写作工具的普及，出版界正面临前所未有的学术诚信挑战。
EMA将召开Annex 22研讨会，评估生成式AI进入药品GMP应用的控制边界
欧洲药品管理局将于6月30日至7月1日举行GMP/GDP多方研讨会，为药品制造中使用AI的欧盟Annex 22指南收集专家意见。会议聚焦生成式AI、LLM、动态和概率模型在GMP高风险场景下的验证、护栏、人机监督、数据完整性、审计追踪和外包云供应链风险，显示欧盟正从禁止性表述转向评估风险控制边界。
Alnylam签署20亿美元AI药物发现合作，将生成式AI引入RNAi疗法研发
RNAi疗法领军企业Alnylam与硅谷AI生物技术公司Inceptive达成三年战略合作，总价值最高达20亿美元，首付款3000万美元（现金+股权）。这是Alnylam首个聚焦AI发现的合作协议，将Inceptive的生成式AI基础模型与Alnylam的RNAi药物发现引擎相结合，加速新型RNAi疗法开发。Alnylam此前已上市5款RNAi药物，2025年营收超过20亿美元。
Kemira与CuspAI首次将生成式AI端到端应用于PFAS修复材料设计，探索约300万亿种结构
芬兰水处理化学品公司Kemira与AI材料科学公司CuspAI合作，首次将生成式AI端到端应用于PFAS（永久化学品）修复材料的设计。该项目探索了约300万亿种金属有机框架（MOF）结构的设计空间，生成超过5000个候选设计方案，将传统需要数年的发现过程压缩至6个月。项目现已进入下一阶段的开发和测试。
Kemira与CuspAI利用生成式AI设计PFAS去除材料，6个月筛选300万亿结构锁定20个候选
芬兰化学品公司Kemira与英国AI初创公司CuspAI合作，利用生成式AI从约300万亿种可能的金属有机框架结构中筛选出5000余种PFAS去除材料设计方案，最终锁定约20个优先候选。该项目针对GenX、PFBS和PFOS三种目标分子，仅用6个月完成发现阶段，是首个将生成式AI端到端应用于PFAS修复材料设计的商业合作。当前PFAS修复主流技术为颗粒活性炭，此次AI驱动的新材料设计有望为下一代高选择性去除产品开辟路径。
研究提出工程活材料本体论与编码体系，验证生成式AI可辅助新材料设计
研究团队为工程活材料（ELMs）领域建立了系统的本体论和编码方案，涵盖材料分类、工业应用和合成加工方法。通过对100个ELMs案例的系统应用验证了该框架的实用性。研究进一步探索了生成式AI对该本体论和编码方案的理解与使用能力，验证了AI可以正确编码ELMs并支持新型活材料的概念设计，为加速科学和技术发现提供了通用语言。