夜雨聆风源于：Samuel Wang精准核医润道2026年6月16日 08:49四川听全文
核药是一个高度复杂的系统工程。它横跨分子生物学、放射化学、核物理、医学影像、剂量学、GMP制造、医院流程和复杂物流链条。 AI时代之所以会重塑核药，不是因为AI能简单提升研发效率，而是因为核药本身天然适合被数据化、模型化和闭环化。
传统药物研发主要回答一个问题：分子是否能作用于靶点。核药要回答的问题更多，也更难：靶点是否足够特异，药物能否被影像确认，辐射剂量是否真正沉积到病灶，正常器官是否安全，治疗周期是否应该调整，短半衰期条件下药物能否按时生产、放行、配送和使用。
这决定了核药/核医疗是一套从靶点发现到患者给药的精准治疗系统，AI的价值不只是辅助某个环节，而是把这套系统从经验驱动推向模型驱动。
一、核药的本质，是可被看见、计算和调控的药物系统
核药同时具备药物、影像和能量递送三重属性。作为药物，它需要配体、抗体或小分子完成靶向识别，也需要连接子、螯合剂和放射性核素保持体内稳定性和合适的药代动力学。作为影像工具，PET和SPECT可以直接显示药物在人体内的分布，让医生看到药物是否真正到达病灶。作为能量递送系统，治疗性核药通过α粒子、β粒子或俄歇电子等形式，把物理能量递送到肿瘤细胞附近，形成局部杀伤。
这使核药具备传统药物很少拥有的优势：治疗过程可以被观测，药物分布可以被量化，疗效和毒性可以被建模。换句话说，核药是少数天然具备数字孪生基础的药物形态。
AI进入核药，不是简单增加一个算法模块，而是把影像定量、剂量计算、治疗反馈和生产调度连接起来，让核药从单次给药走向连续决策。
二、AI改变核药的核心，不是分子生成，而是剂量闭环
现在很多人谈AI核药，第一反应是AI筛靶点、AI设计分子、AI优化结构。这些都重要，但不是最关键的战场。核药真正的临床难点在剂量学。
患者接受治疗后，肿瘤实际吸收了多少剂量，肾脏、骨髓、唾液腺等风险器官承受了多少剂量，下一周期是否继续，剂量是否应该调整，这些问题直接决定疗效和安全性。普通药物常看给药剂量，核药更要看吸收剂量。给了多少不等于病灶吸收了多少，更不等于风险器官承受了多少。
吸收剂量的计算高度复杂。放射性药物在体内不断摄取、代谢、排泄和衰变，影像只是某个时间点的截面。要得到真正的剂量判断，需要整合多时间点影像、器官自动分割、病灶识别、核素衰变规律、时间活度曲线和患者个体解剖结构。这正是AI最应该发挥作用的地方。
未来成熟的AI核药系统，应该能够根据诊断影像预测治疗性核药在体内的分布，根据治疗后影像反推病灶和器官的真实吸收剂量，根据毒性风险和疗效反馈调整下一周期治疗策略，并把患者从筛选、治疗、随访到复治的全过程变成动态闭环。
固定剂量时代的核药，本质上还是放射性药品。剂量闭环时代的核药，才是真正的智能治疗系统。
三、AI核药的技术线，可以分为六层
第一层是靶点智能。核药靶点不能只看表达高低，还要看肿瘤特异性、异质性、内吞能力、正常组织背景、耐药变化和跨癌种适用性。未来AI会把多组学、空间转录组、病理图像、临床结局和真实世界影像数据整合起来，寻找更适合内照射治疗的新靶点。PSMA和SSTR只是第一批被充分验证的靶点，后续更大的机会会来自泛癌种靶点、耐药后靶点和肿瘤微环境靶点。
第二层是分子智能。核药分子设计不是简单追求高亲和力。亲和力过高，可能影响组织清除；滞留过久，可能增加正常器官毒性；清除过快，又可能导致肿瘤摄取不足。AI要优化的是一组动态平衡，包括靶向能力、内吞效率、血液清除、肿瘤滞留、背景摄取、螯合稳定性和核素匹配。真正有价值的AI模型，不是只生成结构，而是能预测体内行为。
第三层是核素智能。不同核素对应完全不同的治疗逻辑。镥-177适合相对成熟的β治疗场景，锕-225代表高能量、短射程的α治疗方向，氟-18和镓-68更多用于诊断成像，碘-131、钇-90、镭-223、铜-64等各有不同应用边界。AI在这里的作用，是帮助研发者根据肿瘤大小、靶点密度、病灶分布、器官风险和供应链约束，选择最合适的核素组合。未来核药竞争不会只是靶点竞争，也会是核素策略竞争。
第四层是影像智能。核药天然依赖影像。没有高质量影像，就没有精准筛选，也没有可靠剂量判断。AI可以用于PET和SPECT图像重建、低剂量成像、去噪、超分辨率、自动分割、病灶检测和定量校正。但更重要的是，AI要把影像从诊断工具升级为治疗输入。影像不只是给医生看的图片，而是进入剂量模型、疗效模型和临床决策系统的数据资产。
第五层是剂量智能。这是AI核药最核心的壁垒。未来的核药治疗不应只按体重或固定活度给药，而应根据患者影像、器官功能、病灶负荷、既往治疗、血液学指标和治疗后反馈动态调整。这意味着AI系统需要同时具备图像理解、剂量计算、风险预测和治疗推荐能力。谁能建立高质量、多中心、纵向的影像剂量数据库，谁就有机会建立核药行业最强的数据护城河。
第六层是运营智能。核药产业还有一个特殊变量，就是时间。很多放射性核素半衰期短，药物不能长期库存。生产、质控、放行、运输、医院排班和患者到院必须高度同步。与普通药品不同，核药的商业化能力高度依赖生产、质控、放行、运输和医院排班之间的时间协同。AI调度系统、智能排产系统、区域化核药房网络和医院端流程管理，都会成为核药商业化能力的一部分。
四、AI时代核药公司的真正护城河
核药公司的护城河不只是某个管线，也不只是某个靶点，而是核素供应、放射化学、GMP制造、医院网络、真实世界影像数据和临床决策系统的组合能力。
没有稳定核素，再强的研发能力也无法转化为商业规模。核药生产涉及无菌控制、放射安全、活度校准、快速质控和批次放行，门槛远高于普通制剂。核药临床使用依赖核医学科、PET/CT、SPECT/CT、放射防护、病房资源、医生培训和患者流程。核药AI最重要的数据，也不只是临床文本，而是诊断影像、治疗影像、剂量数据、毒性数据和长期结局。
未来领先企业不会只卖药，而是提供患者筛选、剂量推荐、疗效评估和复治管理的一体化系统。这意味着AI时代的核药龙头，可能不再是单纯药企，而是药物、影像、算法、制造和医院网络的综合平台。
五、中国核药的机会，不是简单进口替代，而是系统重构
中国发展核药，不能只停留在有没有PSMA药物、有没有镥-177产品、能不能复制海外管线。更重要的是建立系统能力。
首先，要建立医用同位素自主供应体系。核素是核药产业的上游命门，决定了研发、临床和商业化的安全边界。其次，要建立核医学影像和剂量数据标准。没有标准化采集、标准化分割、标准化剂量记录和标准化疗效随访，AI核药很难走出论文和试点。
同时，中国需要建立区域化核药中心网络。核药不适合完全依赖单一中心生产和远距离配送，更适合区域制备、区域配送、医院协同和数字化调度。AI能力也要前置到临床流程中，而不是停留在研发端。中国拥有庞大的患者基础和快速发展的医学影像体系，如果能形成高质量数据闭环，有机会在AI剂量学和真实世界研究上建立差异化优势。
此外，跨学科能力断层也是中国核药商业化的隐性瓶颈。临床核医学、放射化学、AI剂量学、GMP制造和医院流程之间的协同能力，将直接决定核药能否从研发项目变成规模化治疗体系。
六、最终判断：AI时代的核药竞争，本质是剂量闭环竞争
AI不会只是提高核药研发效率，它会改变核药的临床使用方式和产业组织方式。核药天然具备可成像、可定量、可追踪的特征。它不像多数药物那样只能通过间接指标判断体内行为，而是可以通过PET或SPECT看到药物分布，通过多时间点影像计算器官和病灶吸收剂量，通过治疗后反馈调整下一周期策略。
因此，AI核药的核心不是简单做分子生成和设计，而是建立从患者筛选、影像定量、剂量计算、疗效预测、毒性管理到生产配送的闭环系统。
未来核药公司的分化会很明显。一类公司以产品为中心，竞争重点是靶点、核素、管线和产能；另一类公司以系统为中心，竞争重点是影像数据、剂量算法、临床工作流、同位素供应和医院网络。前者卖的是放射性药物，后者提供的是可计算、可调控、可迭代的精准放射治疗平台。
AI时代核药最大的价值，是把一个放射性分子变成可预测、可验证、可调整、可规模化交付的治疗系统。这才是AI时代核药的核心命题。
《中国核医学医师》微信公众号
主办单位
编审：李春林
关注人数：55000+人
总第3747期
2026年6月17日
欢迎关注
《中国医师协会核医学医师分会官方网》
http://www.caonmp.com/
声明：
本文著作权属原创者所有，不代表本微信公众号立场。
如涉著作权事宜，请联系删除
