生成式AI大火之際，“AI+醫療”也再次火了起來。

　　在如今的人工智能研究和應用領域，AI大模型的碰撞無疑是最引人注目的焦點。在提升人們健康生活品質的同時，AI、大數據等新技術在醫學健康行業的創新應用也為行業的轉型升級帶來巨大突破，并從傳統的臨床應用擴展到生物制藥等產業鏈各個端口。

　　實際上，“AI+醫療”的模式在醫學健康行業的應用前景十分廣闊，通過深度學習算法和大數據分析，AI可以更好地幫助醫生準確診斷疾病、提供個性化治療方案，并在診療過程中提供便捷的智能輔助。目前，包括谷歌、亞馬遜、英偉達、騰訊、京東在內的國內外科技巨頭爭先布局“AI+醫療”。

　　不過，生成式AI掀起人工智能重塑醫學健康行業浪潮的同時，缺乏自創算法、數據隱私保護以及提高診斷精準度等成為未來亟需解決的問題。“‘AI+醫療’不是一個新概念，此前的落地應用多集中在醫療影像領域。而其如何與臨床繁雜的數據緊密結合，一定程度上制約著行業發展，但現在AI技術的突破也給醫療行業帶來新的想象空間?！比A南某一級行業醫療投資人向21世紀經濟報道記者說道。

　　生成式AI的迅猛發展推動醫學健康行業發生創新性變革，以大模型為代表的AI技術正在與生物制藥、醫學診療深度融合，掀起新一輪的人工智能浪潮的同時，也吸引了包括谷歌、亞馬遜、英偉達、騰訊、京東等在內的科技巨頭在“AI+醫療”領域持續加速投入。

　　在“AI+醫療”領域，谷歌最新的醫療大模型Med-PaLM 2是首個在美國醫療執照考試中達到專家水平的大模型。據了解，今年4月份以來，該模型一直在美國梅奧診所等頂尖私立醫院進行實測。7月12日，《Nature》發表了谷歌醫療大模型的論文，該論文不僅詳解了醫療大模型Med-PaLM的進化過程，還介紹了谷歌全新的MultiMedQA評估基準。研究人員表示，當回答醫學問題時，微調后的醫療大模型Med-PaLM表現良好，一組臨床醫生對其回答的評分為92.6%，與現實中臨床醫生的水平（92.9%）相當。

　　除谷歌外，英偉達在“AI+醫療”領域也布局多年。7月12日，英偉達向生物技術公司Recursion投資5000萬美元，用以合作推進在生物和化學領域AI基礎模型的開發和訓練，隨后Recursion股價上漲78.17%，英偉達上漲3.53%。

　　這已不是英偉達在“AI+醫療”領域的第一次嘗試。

　　早在2021年，英偉達就宣布與Schrodinger建立戰略合作關系，通過提升其計算平臺的速度和精確度，實現快速、準確的評估，加速新的治療方法的開發，進一步擴大其在AI醫療領域的影響力。同年，英偉達還與阿斯利康合作開發基于transformer的化學結構生成AI模型。此外，2022年9月，英偉達發布了BioNeMo框架，用于訓練和部署超算規模的大型生物分子語言模型，幫助科學家更好地了解疾病，并為患者找到治療方法。該大型語言模型（LLM）框架支持化學、蛋白質、DNA和RNA數據格式，除語言模型框架之外，BioNeMo還提供了一項云API服務，能夠支持越來越多的預訓練AI模型。

　　亞馬遜云科技生成式AI產品研究院院長Sherry Marcus向21世紀經濟報道記者表示，在醫療和生命科學領域，生成式AI將對制藥、臨床試驗和醫療實踐等整個價值鏈產生巨大影響，包括設計和合成新蛋白質序列、預測藥物效果和副作用、識別患者風險因素、提供個性化護理方法，甚至合成患者和醫療數據進行模擬研究。

　　在醫療領域，飛利浦醫療與亞馬遜云科技合作，將飛利浦醫學影像系統Philips HealthSuite Imaging影像平臺的服務部署在云端，并通過使用基于亞馬遜生成式人工智能服務Amazon Bedrock的基礎模型來加速開發基于云計算的生成式人工智能應用，以提供臨床決策支持，實現更準確的診斷。

　　國內AI與醫療的融合進程也在進一步加快。互聯網行業巨頭騰訊早在2017年11月就已進入首批國家新一代人工智能開放創新平臺名單。今年6月，騰訊健康與京頤科技一同打造了“醫療+AI”聯合解決方案，依托騰訊覓影、騰訊醫典、智能導診、合理用藥、智能處方審核、臨床助手、CA數字簽名等產品能力，推出具有AI能力的一體化醫療云整體解決方案，推動數字技術的落地與應用，賦能醫療場景。

　　7月13日，京東健康發布“京醫千詢”醫療大模型，該模型建立在京東言犀通用大模型的基礎之上，可以快速完成在醫療健康領域各個場景的遷移和學習，從而實現產品和解決方案的全面AI化部署，為遠程醫療服務提供堅實的技術底座。

　　此外，科大訊飛、百度、云從科技、衛寧健康等科技或醫藥公司紛紛積極布局醫療領域的垂直大模型；CRO企業藥明康德、美迪西、藥石科技、成都先導、皓元醫藥、泓博醫藥等醫藥公司也均對AI制藥相關業務有所布局。

　　6月15日，比爾·蓋茨在全球健康藥物研發中心發表了題為《以創新之力，應對全球挑戰》的特別演講。他表示，科學技術在解決難題方面展現出了前所未有的潛力，mRNA疫苗技術使預防結核病和瘧疾等疾病的疫苗成為可能?！盀榱丝箵暨@些疾病，我們需要更新、更好的預防工具。我堅信，包括人工智能在內的技術進步將在衛生保健和教育領域帶來快速突破，使更多人能夠獲得拯救生命的工具和更好的發展機會。”

　　在“AI+醫療”掀起的人工智能浪潮之下，以大模型為代表的AI技術正在重塑整個生物醫藥行業——AI技術的運用將極大提升藥物研發效率和醫療診療的覆蓋度、診療效果。

　　目前，“AI+醫療”的醫療臨床應用場景主要集中在肺部CT、眼底篩查及醫療影像等方面，幫助醫生進行病灶篩查、靶區勾畫、三維成像、圖像分析、定量分析等。相較于醫生根據經驗逐張機械重復地進行人工閱片，AI能夠根據標準批量初篩，閱片時間短，準確率穩定。

　　圖像識別算法不僅相對成熟，而且市場需求大。目前，醫學影像數據占全部臨床數據的80%以上，是臨床診斷、疾病治療及健康管理的基石。由于我國醫療資源分布不均，許多偏遠地區的醫生經驗及配備不足，對醫學影像的分析不夠準確且效率低下。

　　同時在一線醫療場景中，醫學影像分析復雜且耗時，醫生必須將多層影像數據與精細的決策過程相結合，并解讀評估。廣州愛孕記CEO創始人汪南博士表示，“醫療AI在醫學影像方面能夠幫助醫生解決一些機械重復的勞動，把醫生的時間釋放出來，做一些創造性和決策性的工作，這是臨床醫療AI的定位。”

　　而在醫學健康行業的另一大領域——制藥領域，生成式AI是發現新藥物和療法的革命性工具，也成為大模型落地發展的醫藥場景之一。

　　實際上，生物醫藥行業一直面臨著“雙十困境”。一般來說，一款新藥的研發至少需要投入10億美元，整個研發周期也長達10年之久。但在生成式AI大模型帶來的人工智能浪潮之下，生物制藥將面臨全新的機遇。

　　目前，生成式AI主要應用于藥物研發的早期階段，利用AI技術處理和分析大規模的生物醫學數據，并通過深度學習和機器學習算法，AI可以發現與疾病相關的基因、蛋白質和代謝途徑，從而識別潛在的靶點。同時，AI還可以進行大規模的虛擬篩選，通過計算模型和機器學習算法篩選出具有潛在活性的藥物分子，從而縮小候選藥物的范圍，優先選擇具有較高活性的化合物進行后續實驗驗證。通過生成式AI加速藥物靶點的發現以及高效生成候選藥物，可以大大縮短藥物研發周期，降低研發成本。

　　此前，華為云聯合中國科學院上海藥物研究所共同訓練而成的華為云盤古藥物分子大模型，就可以實現針對小分子藥物全流程的人工智能輔助藥物設計。西安交通大學第一附屬醫院劉冰教授團隊利用該大模型成功研發出一種新的“超級抗菌藥”，它有望成為全球近40年來首個新靶點、新類別的抗生素。借助大模型，先導藥的研發周期從數年縮短至1個月，研發成本降低70%。

　　雖然“AI+醫療”的模式一定程度上提升了我國醫藥健康行業從業者的工作效率，但人工智能的融入過程也并非一帆風順。

　　在技術層面，未來的“AI+醫療”需要更加精細的數據算法以及技術與臨床的結合。目前，國內的人工智能普遍缺少自創算法，計算機算力也有很大掣肘。中國超聲醫學工程學會副會長李安華教授向21世紀經濟報道記者表示，“目前的瓶頸是算法。國內的公司沒有自創的算法，都是取自國外的算法，如果不做大量的重新編譯工作，算法的匹配度就不高。另一方面，懂技術的人和懂臨床需求的人的結合也至關重要?！?/p>

　　汪南也指出，“目前能發明算法的人主要還是集中在谷歌、微軟等公司，原始的算法基本是對自然圖像的識別，對企業來說如果未來想在影像學或超聲上運用，就必須對底層的算法做大量的編譯優化工作，讓其適應應用場景的屬性，并且編譯完成后需要大量測試，最后形成自己的算法。這些工作也需要大量的投入，目前國內公司很少在做。”

　　此外，在數據隱私安全層面，人工智能技術在醫療行業的應用需要處理大量的個人健康數據，做好患者的個人隱私保護，合理使用所需的數據，處理好技術與患者隱私之間的關系，防止數據的泄露和濫用，也將成為未來“AI+醫療”領域不得不考慮的問題。

　　在診斷結果層面，盡管“AI+醫療”的智能診斷模式可以幫助醫生更加快速地識別患者的病癥，但其準確性和可靠性還有待提高，需要算法不斷對醫學領域的知識進行深度學習，建立更加智能高效的醫療健康系統。正如長嶺資本創始人蔣曉冬表示，“人工智能的未來不是代替醫生，甚至也不僅僅是輔助醫生，而是幫助重構醫療體系，建立新的基礎設施的必要奠基石?！?/p>

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：郝欣煜