药物制剂，从狭义上来讲，就是具体的按照一定形式制备的药物成品；从广义上来讲，是药物制剂学，是一门学科。传统制剂是为了服用方便而解决药物"成型"的问题。高端制剂是在传统制剂基础上进行改良、创新，以克服治疗缺陷和实现临床优势为首要目的，通过改变药物的理化性质和体内代谢特征，提高治疗效果，降低毒副作用，改善患者的用药依从性，满足临床需求，使患者获益更多。自20世纪50年代布洛芬缓释胶囊技术出现后，随着分子药剂学、细胞生物学、分子药理学、分子生物学、纳米医学、高分子化学及相关仪器设备的快速发展，药物制剂已由过去的简单"成型"向精准化、智能化的"药物递送系统（drug delivery system，DDS）"转变。中国医学科学院生物医学工程研究所也在国内较早成立生物材料和药物控释实验室，专注于DDS的研究。该实验室研制的医用聚己内酯及其制剂是我国唯一进入临床研究的可降解合成高分子长效药用辅料。作为新型药物辅料，医用聚己内酯F68已经用于避孕药物和避孕药具新制剂的开发，缓释左炔诺孕酮宫内节育器的研制取得重要进展，已完成II期临床研究。DDS在推动医药产业发展中有着举足轻重的作用，应用前景和发展空间广阔。与新分子实体研发相比，高端制剂的开发有更大的商业价值。

专家引言：上海交通大学医学院附属新华医院汪登斌教授指出，近年来，复旦大学附属肿瘤医院顾雅佳教授团队围绕乳腺癌诊治相关的影像研究，深耕影像组学与深度学习领域。他们聚焦于乳腺影像新技术、新方法及跨尺度融合数据挖掘的研究。作为乳腺多学科团队重要的一分子，该团队持续进行深度交流，积极推进多学科医工交叉合作，在乳腺癌的精准影像诊断上取得了一系列的研究成果，助力大数据时代下肿瘤影像的精准诊疗，为进一步推动临床应用转化夯实基础。顾雅佳教授团队围绕三阴性乳腺癌复旦分型，实现MRI组学的无创分型诊断，并挖掘模型背后的生物学科解释性；围绕关键基因及分子的可视化，通过影像组学实现无创预测并关联多组学数据验证，探索潜在治疗靶点；针对新辅助疗效的精准预测，创新性融合影像组学和体细胞突变特征，构建新辅助化疗的病理完全缓解的预测模型，并探究高频基因突变与耐药事件之间的关联。同济大学医学院同济医院王培军教授指出，以影像为主导的跨尺度多组学研究，以多组学为驱动，为乳腺肿瘤的演进发展提供影像学依据，是大数据时代下乳腺肿瘤影像研究的新方向。顾雅佳教授团队探寻影像肿瘤内异质性的潜在治疗策略，挖掘基于宏观影像对分子靶点可视化的关键特征，并创新性将热门的MRI组学与突细胞突变特征相融合构建新辅助化疗的疗效预测模型，在精准分型和关键分子的可视化基础上，指导乳腺癌的精准诊疗，为临床转化提供了新的前景。

新医科教育应当包括医学教育新理念与新内涵、医学新领域与新专业、医学人才培养新模式与新途径3个层面。本文基于哈尔滨医科大学新医科人才培养的实践，探讨了医学院校开展新医科人才培养的路径，包括开办智能医学工程等新专业、联合办学实现医工交叉融合、更新人才培养方案、创新育人模式等。

在新医科建设的背景下，培养胜任时代发展需求的医工复合型卓越医学创新人才是服务国家健康战略需求的重要一环。眼科学作为一门聚焦视觉器官疾病并高度依赖工科技术发展的医学学科，亟需既懂眼科专业又懂工科知识的眼科医工交叉人才。目前眼科医工交叉人才培养存在医工交叉融合深度不够、教育路径不清晰、人才培养方式单一等问题。上海交通大学医学院附属第九人民医院眼科基于学校医工复合型卓越医学创新人才理念，从搭建眼科医工交叉联合创新培养基地、建设眼科医工交叉师资队伍、构建"一体两翼"人才培养方式等方面，探索了眼科医工交叉人才培养路径，提升了医工交叉协同育人效果，以期为推动我国医学院校附属医院高层次医工交叉人才培养提供参考和借鉴。

脑深部电刺激(DBS)自诞生30余年来，已成为治疗脑功能性疾病的关键技术。随着多学科技术的交叉融合，DBS技术不断革新，其治疗范畴得以持续拓展，并催生了新的研究机遇。然而，在其作用机制的解析、个性化治疗方案的设计及闭环刺激系统的开发方面，DBS仍面临挑战。本文评述了DBS技术的新进展、当前面临的挑战以及医工交叉，尤其是脑机接口与DBS技术结合带来的创新治疗策略。

本文借鉴"积木式创新"理念，从科学研究、导师指导、课程学习、产教融合、评价机制等模块，讨论了医工交叉高端创新人才培养的探索与实践。并且，从制度体系、组织体系、内容体系等维度，对进一步提升医工交叉博士生培养质量、走内涵式发展道路提出意见与建议。

西安交通大学医学院在医工交叉人才培养实践中引入CDIO（conceive, design, implement and operate）理念，通过优化课程设置及研究生培养机制、搭建学术交流和创新实验平台、指导学生开展以临床问题为导向的科学研究，用医工交叉的方法解决临床难题，产生医学成果。CDIO模式的应用，有利于加深学生对交叉学科知识的理解、形成融合性的创新思维、提升分析和解决问题的能力及团队协作能力；有助于高层次复合型创新人才成长、临床技术创新、团队建设及学科发展，为探索医工交叉人才培养提供新思路。

近年来，人工智能相关技术与医学领域的深度融合使得医工交叉成为热点。骨科疾病诊疗存在数据量大和决策困难等问题。机器学习作为人工智能领域的重要方法，具有对医学大数据自动分析和预测的能力，被广泛应用于骨科等临床学科领域，辅助医生高效地完成疾病诊断和治疗工作。介绍了机器学习在骨科术前、术中和术后诊疗中的应用进展，为探索更加合理的诊治策略提供新的思路。

人工智能（artificial intelligence，AI）在骨肿瘤领域具有广阔的应用前景，利用深度学习模型和AI技术可以在骨肿瘤的病理诊断、分子生物学诊断、影像学诊断和临床数据处理等方面提供帮助，为患者提供更加精准、个性化的医疗服务。在病理诊断方面，AI可以通过自动分析和阅读大量病理组织切片图像辅助医生准确识别和分类肿瘤类型。在分子生物学诊断方面，AI通过分析大规模基因组学和转录组学数据发现与骨肿瘤相关的关键基因和信号通路，为预后评估和制定个体化治疗方案提供依据。在影像学诊断方面，AI可以辅助医生快速、准确地分析骨肿瘤的影像特征，自动标记肿瘤的位置、大小和形态，指导治疗和预测预后。AI还可处理大规模临床数据，挖掘潜在的临床特征和模式，辅助风险评估、治疗决策和预测预后。本文综述近几年关于AI在骨肿瘤诊疗领域应用的研究，以期提高骨肿瘤诊断的准确性，改善临床预后，同时为医工交叉领域的融合发展与创新提供理论基础。

医工交叉是生命科学、临床医学、自然科学与工程科学等学科的创新性交融,将工程技术的创新应用于医疗的特定场景,提高医疗器械的创新能力和产业化水平.医工交叉包括多个创新领域,如生物医学检测、生物医学材料、医疗AI、医疗手术机器人、免疫治疗、医疗服务信息化等.