壹生大学

壹生身份认证协议书

本项目是由壹生提供的专业性学术分享,仅面向医疗卫生专业人士。我们将收集您是否是医疗卫生专业人士的信息,仅用于资格认证,不会用于其他用途。壹生作为平台及平台数据的运营者和负责方,负责平台和本专区及用户相关信息搜集和使用的合规和保护。
本协议书仅为了向您说明个人相关信息处理目的,向您单独征求的同意,您已签署的壹生平台《壹生用户服务协议》和《壹生隐私政策》,详见链接:
壹生用户服务协议:
https://apps.medtrib.cn/html/serviceAgreement.html
壹生隐私政策:
https://apps.medtrib.cn/html/p.html
如果您是医疗卫生专业人士,且点击了“同意”,表明您作为壹生的注册用户已授权壹生平台收集您是否是医疗卫生专业人士的信息,可以使用本项服务。
如果您不是医疗卫生专业人士或不同意本说明,请勿点击“同意”,因为本项服务仅面向医疗卫生人士,以及专业性、合规性要求等因素,您将无法使用本项服务。

同意

拒绝

同意

拒绝

知情同意书

同意

不同意并跳过

工作人员正在审核中,
请您耐心等待
审核未通过
重新提交
完善信息
{{ item.question }}
确定
收集问题
{{ item.question }}
确定
您已通过HCP身份认证和信息审核
(
5
s)

智破耐药困局,AI赋能未来丨辉瑞抗感染诊疗主题论坛在进博会举行

2025-12-05作者:znx资讯










2025年11月6日,上海——在第八届中国国际进口博览会上,以“智破耐药困局,AI赋能未来”为主题的抗感染诊疗论坛在辉瑞展台举行。来自感染、重症医学、血液、药学、微生物、影像等多个领域的权威专家,共同围绕碳青霉烯耐药菌(CRO)感染的临床诊疗痛点、创新药物可及,以及AI赋能下诊断优化等热点议题展开深入研讨,以推动行业迈进从“单一技术突破”向“全链条协同”的高质量发展新生态。






AI赋能

推动抗感染诊疗“更快、更准、更智能”




抗菌药物耐药(AMR)是当今全球面临的最大健康威胁之一。全球因细菌耐药性相关死亡在2021年达471万人1如不采取有效措施,到2050 年,每年因耐药性感染导致的死亡人数预计将达到1000万2快速检测、准确诊断、精准治疗对于挽救患者生命具有重要意义。


中华医学会细菌感染与耐药防治分会候任主任委员、浙江省人民医院副院长俞云松教授表示:“在提升各级医生,尤其是重症、急诊、呼吸等关键科室医生的感染诊疗能力方面,我们正致力于探索AI技术的深度融合,其核心在于将静态的知识转化为动态的、场景化的决策辅助。它突破了传统单科教学的局限,允许重症医学科、呼吸科、感染科等不同专业的医生,基于同一复杂病例与AI进行互动式探讨。AI能够即时梳理患者复杂的病史、影像学和关键的微生物学证据,引导医生思考鉴别诊断的方向,并解释推荐某种治疗方案背后的循证依据,例如,为何在特定药敏谱和宿主因素下,碳青霉烯类并非总是最优选,而联合用药或新型药物可能带来更大获益。这种沉浸式的互动,极大地夯实了医生在真实临床场景中运用知识、解决疑难问题的能力。”


血液肿瘤患者在经历化疗、放疗、免疫治疗以及造血干细胞移植之后,往往存在不同程度的免疫功能缺陷,病情发展迅速、治疗窗口窄,需要在最短时间内取得病原学相关结果包括酶型检测来指导临床用药,快速准确定位感染,制定有效的治疗策略。而目前,通过病原学、影像学判断血液病感染患者的感染菌,常常无法准确定位感染类别,经验性治疗可能错过最佳治疗时机。苏州大学附属第一医院影像科副主任李勇刚教授一直深耕在AI辅助诊断肺部感染领域,介绍了他们主导开发的“基于胸部CT的深度学习模型”,该模型通过对海量已确诊的感染病例影像进行训练,学会了从这些看似非特异性的影像中提取人眼难以察觉的细微特征差异,从而实现对感染病原体的高精度鉴别。目前,这一模型已在全国6家大型医院投入临床使用。“在患者常规检查的基础上,AI可基于大数据相对精确和快速地定位感染类别,有助于感染的快速治疗。尤其在难以决策感染类型、无法精准用药时,AI可即刻识别CT,做出辅助诊断决策,为临床决策提供了极具价值的客观参考,增强临床医生选择精准抗感染方案的信心,提升合理用药水平。”




AI辅助病原体鉴别

智慧ICU实现全景监测




在耐药菌感染日益严峻的背景下,AI技术正突破传统诊断局限,为抗感染诊疗带来“效率与精度”的双重革新。此次论坛上,与会专家分享AI应用实践并启动了“RRC重症感染精准诊疗大模型”和“AI辅助诊断肺部感染”,以精细化、智能化管理模式让患者真正从科技进步中获益,实现了以患者为中心的价值医疗。


浙江大学医学院附属第一医院ICU的重症智慧大模型在全国处于领先地位。浙江大学医学院附属第一医院重症学科主任蔡洪流教授对此介绍,“在临床实践中,重症智慧大模型主要围绕三大核心场景实现了关键突破。首先是数据物联及全景分析,通过AI技术将数据物联,将患者的七大生命监测系统、治疗数据与检验数据一体化整合,实现24小时不间断的高质量采集,并以智慧化方式360度全景呈现。其次是AI预警与治疗导航,智慧大模型能在脓毒性休克发生前6小时实现精准预警,并将Sepsis的救治步骤可视化、精确到分,按照最新指南及时推送集束化治疗方案。这使得脓毒症患者的质控管理变得可视化、可追溯,将抢救关口真正前移至预警预测阶段,把休克可能性降到最低,争分夺秒地提升救治成功率。第三是辅助临床决策,系统能深度融合患者的个体化数据,结合国际最新指南,不仅给出精准的治疗方案建议,并阐明理由和依据,有力辅助临床医生决策。这些技术突破直接带来了诊疗效率与质量的同步提升、以及人文关怀的回归;有力地促进了医疗行为的标准化与个性化统一,为大型医院ICU实现高质量、可持续发展提供了可复制、可推广的管理范式。”


来自深圳迈瑞生命信息与支持产品线产品总监张峰先生谈到,“AI+医疗”有三个关键阶段,第一阶段“设备会说话”,打破数据孤岛、构建互联生态。融合所有设备和IT,打破数据壁垒,让所有的数据在软件系统之间流转起来,更好做到医护协同、最大限度节约医护人员的书写文书时间。第二阶段是“设备会思考”,AI辅助决策、提升诊疗质量。通过AI融合专家智慧,给予医护人员诊疗建议、降低误判风险。第三阶段是“设备会工作”,如智能预警;如提前6小时预测脓毒症、预测室颤可能性等。通过提前提示医护,提升医护在第一时间干预,未来还会有智能体等自动闭环诊疗辅助,从而提升医疗的均质化水平。




创新药与数字化并举

打造抗感染诊疗新生态




此次进博会上,辉瑞带来了多款抗感染创新产品亮相辉瑞展台,包括全球首个针对产金属β-内酰胺酶细菌的、且覆盖碳青霉烯耐药肠杆菌目细菌全酶型的新型抗菌药物氨曲南-阿维巴坦(思福诺®),首个针对鲍曼不动杆菌感染的新型酶抑制剂复方制剂舒巴坦-度洛巴坦(Xacduro®)等。此外,辉瑞在抗感染领域的数字化展品“V-Track院内药品科学管理智能解决方案”也亮相进博会。


辉瑞中国医院急症事业部总经理许德才先生表示,“‘为患者带来改变其生活的突破创新’是辉瑞的使命。此次进博会,辉瑞携多款抗感染创新产品亮相,覆盖了从‘轻中度感染’到‘重度感染’的全线治疗需求,以应对多种微生物感染带来的挑战。AI的时代大背景下,我们将积极携手抗感染领域、微生物领域专家和AI医疗领域的合作伙伴,促进重症感染患者救治更快、更准、更智能,提升临床、感染、检验等多学科领域的诊疗能力,共同打造抗感染诊疗新生态。” 


辉瑞智慧医疗创新中心总经理王飞先生表示,“V-Track院内药品科学管理智能解决方案’由辉瑞和浙江大学合作开发,根据国家医保药品分类与代码数据编写药品数据库,运用集采管理信息化软件或模块,建立科学的用药目录,以提升不同患者群的合理用药,加强临床与药学的紧密合作,推动医院药学管理科学化、信息化,促进医疗机构高质量发展。接下来,我们也将持续与社会各界进行创新合作,用数字技术赋能医疗领域新发展,携手共创,健康中国!”







审校:杨丹教授、杨永公教授

整理:中国医学论坛报 林颖




关于辉瑞:

为患者带来改变其生活的突破创新 



在辉瑞,我们通过科学和全球资源为人们提供治疗方案,以延长其生命,显著改善其生活。在医疗卫生产品的探索、研发和生产过程中,辉瑞始终致力于奉行严格的质量、安全和价值标准。我们在全球的产品组合包括创新药品和疫苗。每天,辉瑞在发达和新兴市场的员工都在推进人类健康,推动疾病的预防、治疗和治愈,以应对挑战我们这个时代的顽疾。辉瑞还与医疗卫生服务方、政府和社区合作,支持并促进世界各地的人们能够获得更为可靠和可承付的医疗卫生服务。这与辉瑞作为一家全球卓越的创新生物制药公司的责任是一致的。176年来,辉瑞一直致力于为所有依赖我们的人带来改变。如需了解更多信息,请登录www.pfizer.com.cn




免责声明



本新闻稿仅在于传递科学前沿信息,不构成且在任何情况下均不应被视为对任何药物或治疗方案的推荐或推广。本新闻稿中所含信息仅截至发布日期。本新闻稿中的所有行动和声明均应遵守不时修订的适用法律法规。没有任何迹象表明与所述内容有关的所有信息均包含在本新闻稿中。不管是由于新信息、未来事件还是进展,辉瑞一概不承担对前瞻性声明进行更新的义务。对于因使用、依赖本新闻稿中包含的任何信息或任何信息遗漏而直接或间接产生的任何损失,辉瑞不承担任何责任。如果分发或使用其中的信息违反了适用的法律或法规,任何司法管辖区或国家的任何个人或实体均不得分发或使用这些信息。建议在使用本新闻稿或进行相关行动之前,向有关部门进行独立咨询/建议,并进行必要的尽职调查和调研等。如您有药物或治疗方面的问题,请咨询医疗卫生专业人士。


参考文献:

1. Naghavi M, et al. Global burden of bacterial antimicrobial resistance 1990–2021: a systematic analysis with forecasts to 2050. The Lancet. Published 2024 Sep 16. doi: 10.1016/S0140-6736(24)01867-1

2. O’Neill J. Review on Antimicrobial Resistance. Tackling Drug-Resistant Infections Globally (2016). https://amr-review.org/sites/default/files/160525_Final%20paper_with%20cover.pdf. Accessed September 9, 2024.





200 评论

查看更多