中国化工企业管理协会医药化工委员会
药成材信息技术（北京）有限公司
各有关单位
在生物医药产业迈向精准化、智能化、高效化的今天，药物非临床研究正经历一场深刻的变革——传统实验模型的局限性日益凸显，而人工智能（AI）与类器官技术的深度融合，正在重塑从靶点发现到药效验证的全链条研究范式。作为连接基础研究与临床转化的关键桥梁，非临床研究的效率与准确性，直接决定了新药研发的成功率与成本效益。在此背景下，“2026 AI+类器官：药物非临床研究技术进阶与实战培训班”应运而生，旨在汇聚行业智慧，推动技术创新与实战能力的双向突破。
时代机遇：AI与类器官的“双轮驱动”
近年来，类器官技术凭借其高度仿真的组织微环境、可调控的遗传背景及高通量筛选潜力，成为替代传统动物模型、细胞系的核心工具，尤其在肿瘤、神经退行性疾病、代谢性疾病等领域展现出不可替代的优势。与此同时，AI技术的爆发式发展，为海量生物数据的挖掘、复杂机制的解析、实验设计的优化提供了“智能引擎”——从基于图像识别的细胞表型分析，到基于多组学数据的靶点预测，再到虚拟仿真下的药效模拟，AI正在将类器官研究的“经验依赖”转向“数据驱动”，大幅缩短研发周期、降低试错成本。两者的结合，不仅是技术层面的互补，更是非临床研究从“描述性”向“预测性”“精准性”跃迁的关键契机！为此我们将于2026年1月17日至18日在线上举办“首届AI+类器官：药物非临床研究技术进阶与实战培训班”，详细通知如下，请各单位积极选派人员参加。
会议安排
会议地点：线上直播
会议时间：2026年1月17日- 18日
会议时间安排
09:00-12:00 13:30-16:30
会议内容
Day 1：基础理论与技术融合
模块1：药物非临床研究与类器官技术基础
1.1 药物非临床研究的核心需求与挑战
药物研发流程概述（临床前→临床）
传统非临床研究（动物模型、细胞系）的局限性（种属差异、成本高、周期长）
类器官技术的优势：人源化、高仿生性、可重复性
1.2 类器官技术核心原理与制备
类器官定义：结构/功能模拟体内器官的三维培养体系
关键技术：干细胞诱导分化、支架材料（水凝胶/微流控）、培养基优化
常见类器官类型（肝、肾、肠、肿瘤等）及其在药物非临床中的应用场景
类器官质量控制：形态学、标志物表达、功能验证（如代谢酶活性）
1.3 AI技术在药物非临床中的角色
AI在药物研发中的典型应用（靶点发现、分子设计、ADMET预测）
类器官研究中的数据痛点：多组学数据（影像、转录组、表型）的复杂性
AI赋能方向：类器官图像分析、药效/毒性预测模型、实验方案优化
模块2：AI与类器官的技术融合路径
2.1 类器官数据的采集与标准化
数据采集工具：高内涵成像（HCI）、单细胞测序、微流控传感器
数据标准化挑战：批次效应、跨平台兼容性
2.2 AI算法在类器官研究中的应用
计算机视觉：类器官形态学自动识别（分割、计数、异常检测）
机器学习：药效/毒性分类模型（随机森林、XGBoost）、回归模型（剂量-反应关系）
深度学习：卷积神经网络（CNN）处理类器官影像、图神经网络（GNN）整合多组学数据
案例演示：基于AI的类器官药物敏感性预测（如肿瘤类器官对化疗药响应）
2.3 虚拟类器官与数字孪生技术
虚拟类器官：通过数学模型模拟类器官生长与药物作用
数字孪生：整合类器官实验数据与AI模型，构建动态预测系统
应用场景：药物筛选优先级排序、毒性预警
Day 2：实践应用与前沿趋势
模块3：AI+类器官的非临床研究实战
3.1 实验设计与技术整合流程
从需求到落地的步骤：靶点选择→类器官模型构建→AI模型训练→验证迭代
关键参数优化：类器官成熟度、药物暴露条件（浓度/时间）、AI模型输入特征筛选
3.2 典型应用场景详解
药效评价：肿瘤类器官药敏测试（PDX模型替代）、中药复方多成分协同作用分析
毒性预测：肝类器官代谢毒性（CYP450活性监测）、肾类器官损伤标志物（KIM-1）
机制研究：AI关联类器官基因表达与药物表型（如耐药相关通路挖掘）
3.3 实操演示
工具示例：使用ImageJ+Python脚本实现类器官面积自动测量
模型训练：基于公开数据集（如L1000）构建简单药效预测模型
模块4：AI+类器官核心技术深度解析
4.1 类器官构建与表征的高级技术
4.1.1 复杂类器官构建技术
3D生物打印：定制化支架设计（如肝小叶结构）、多细胞共打印（肝实质+胆管细胞）
微流控芯片集成：器官芯片（Organ-on-a-Chip）与类器官联用（如“肠-肝轴”共培养）
长期培养维持：干细胞自我更新调控（Wnt/Notch信号通路优化）、营养梯度设计
4.1.2 高精度表征技术
空间多组学：空间转录组（Visium）定位类器官功能区（如肿瘤类器官异质性区域）
功能动态监测：微电极阵列（MEA）记录类器官电生理活动（神经类器官）、代谢流分析（Seahorse XF）
自动化质控：AI驱动的形态学+功能指标批量评估（如类器官成熟度评分卡）
4.2 AI模型开发与优化的关键技术
4.2.1 类器官数据的AI预处理
影像数据增强：旋转/裁剪/噪声注入（解决小样本过拟合）、三维重建（从切片影像到立体结构）
多组学数据对齐：单细胞RNA-seq与影像特征的时空匹配（如基因表达热点与类器官病灶区域关联）
缺失值填补：基于GAN的生成式填补（针对低丰度蛋白组数据）
4.2.2 模型架构选择与优化
小样本场景：迁移学习（预训练模型如ResNet-50微调类器官影像）、元学习（MAML算法快速适配新类器官类型）
多任务学习：联合预测药效+毒性（共享底层特征提取层，分支输出不同任务）
可解释性实现：Grad-CAM可视化影像关注区域、SHAP值解析基因/代谢物贡献度
4.2.3 案例实操：从0到1构建类器官药敏预测模型
工具链：Python（PyTorch/TensorFlow）+ 类器官影像数据集（如HCA的肿瘤类器官库）
步骤：数据标注→模型训练（CNN+注意力机制）→性能评估（AUC/准确率）→结果可视化
4.3 多模态数据整合与智能分析
4.3.1 多源数据融合策略
数据类型：影像（形态）、组学（转录/蛋白）、电生理（功能）、临床（患者响应）
融合模型：图神经网络（GNN）构建“类器官-药物-基因”关联图谱、Transformer跨模态注意力机制
4.3.2 智能分析场景
耐药机制挖掘：
主讲老师
美迪西生物医药彭双清团队演讲。协会特聘专家。
彭双清教授：美迪西生物医药首席科学官，军事医学科学院研究员、博士生导师。长期从事新药创制临床前研究，承担国家GLP技术平台建设，主持与承担国家科研课题40余项, 包括973课题、863项目及国家“重大新药创制”科技专项等。发表科研论文300余篇，主编参编专著13部。获国家及省部级科技奖12项。获国务院政府特殊津贴、军队杰出人才岗位津贴、中国科协全国优秀科技工作者荣誉称号、中国毒理学杰出贡献奖。培养硕士、博士及博士后90多名。兼任国家食品药品监督管理局新药审评专家、医疗器械审评专家及ETAP副主编等学术职务。
会议费用
会务费：4000元/单位-支持多个端口同时在线学习
（会务费包括：培训、研讨、 电子版资料、电子版培训证书、一年内不限次数高清视频回放等）课堂中设有问题解答环节，参会企业可选择投屏观看，将需要解答的问题发送至公屏，讲师会统一解答。参会老师可进入专属微信群，进行学术交流。
培训结束后，学员可登录协会系统官网查看或下载培训证书。
注：所有报名单位款项须在会前办理，以便提前开具发票。
汇款账号
汇款备注： 类器官非临床
户 名：药成材信息技术（北京）有限公司
账 号：0200316909100078392
开 户：中国工商银行股份有限公司房山支行良乡支行
会议联系人
❖识识别下方二维码，预约报名。
❖ 主办方负责人：李静17812038015
❖ 扫描下方二维码咨询，预留参会名额。
添加微信请备注单位及姓名，感谢支持。
热门跟贴