生成式AI大火之际，“AI+医疗”也再次火了起来。

　　在如今的人工智能研究和应用领域，AI大模型的碰撞无疑是最引人注目的焦点。在提升人们健康生活品质的同时，AI、大数据等新技术在医学健康行业的创新应用也为行业的转型升级带来巨大突破，并从传统的临床应用扩展到生物制药等产业链各个端口。

　　实际上，“AI+医疗”的模式在医学健康行业的应用前景十分广阔，通过深度学习算法和大数据分析，AI可以更好地帮助医生准确诊断疾病、提供个性化治疗方案，并在诊疗过程中提供便捷的智能辅助。目前，包括谷歌、亚马逊、英伟达、腾讯、京东在内的国内外科技巨头争先布局“AI+医疗”。

　　不过，生成式AI掀起人工智能重塑医学健康行业浪潮的同时，缺乏自创算法、数据隐私保护以及提高诊断精准度等成为未来亟需解决的问题。“‘AI+医疗’不是一个新概念，此前的落地应用多集中在医疗影像领域。而其如何与临床繁杂的数据紧密结合，一定程度上制约着行业发展，但现在AI技术的突破也给医疗行业带来新的想象空间。”华南某一级行业医疗投资人向记者说道。

　　科技巨头竞逐“AI+医疗”

　　生成式AI的迅猛发展推动医学健康行业发生创新性变革，以大模型为代表的AI技术正在与生物制药、医学诊疗深度融合，掀起新一轮的人工智能浪潮的同时，也吸引了包括谷歌、亚马逊、英伟达、腾讯、京东等在内的科技巨头在“AI+医疗”领域持续加速投入。

　　在“AI+医疗”领域，谷歌最新的医疗大模型Med-PaLM 2是首个在美国医疗执照考试中达到专家水平的大模型。据了解，今年4月份以来，该模型一直在美国梅奥诊所等顶尖私立医院进行实测。7月12日，《Nature》发表了谷歌医疗大模型的论文，该论文不仅详解了医疗大模型Med-PaLM的进化过程，还介绍了谷歌全新的MultiMedQA评估基准。研究人员表示，当回答医学问题时，微调后的医疗大模型Med-PaLM表现良好，一组临床医生对其回答的评分为92.6%，与现实中临床医生的水平（92.9%）相当。

　　除谷歌外，英伟达在“AI+医疗”领域也布局多年。7月12日，英伟达向生物技术公司Recursion投资5000万美元，用以合作推进在生物和化学领域AI基础模型的开发和训练，随后Recursion股价上涨78.17%，英伟达上涨3.53%。

　　这已不是英伟达在“AI+医疗”领域的第一次尝试。

　　早在2021年，英伟达就宣布与Schrodinger建立战略合作关系，通过提升其计算平台的速度和精确度，实现快速、准确的评估，加速新的治疗方法的开发，进一步扩大其在AI医疗领域的影响力。同年，英伟达还与阿斯利康合作开发基于transformer的化学结构生成AI模型。此外，2022年9月，英伟达发布了BioNeMo框架，用于训练和部署超算规模的大型生物分子语言模型，帮助科学家更好地了解疾病，并为患者找到治疗方法。该大型语言模型（LLM）框架支持化学、蛋白质、DNA和RNA数据格式，除语言模型框架之外，BioNeMo还提供了一项云API服务，能够支持越来越多的预训练AI模型。

　　亚马逊云科技生成式AI产品研究院院长Sherry Marcus向记者表示，在医疗和生命科学领域，生成式AI将对制药、临床试验和医疗实践等整个价值链产生巨大影响，包括设计和合成新蛋白质序列、预测药物效果和副作用、识别患者风险因素、提供个性化护理方法，甚至合成患者和医疗数据进行模拟研究。

　　在医疗领域，飞利浦医疗与亚马逊云科技合作，将飞利浦医学影像系统Philips HealthSuite Imaging影像平台的服务部署在云端，并通过使用基于亚马逊生成式人工智能服务Amazon Bedrock的基础模型来加速开发基于云计算的生成式人工智能应用，以提供临床决策支持，实现更准确的诊断。

　　国内AI与医疗的融合进程也在进一步加快。互联网行业巨头腾讯早在2017年11月就已进入首批国家新一代人工智能开放创新平台名单。今年6月，腾讯健康与京颐科技一同打造了“医疗+AI”联合解决方案，依托腾讯觅影、腾讯医典、智能导诊、合理用药、智能处方审核、临床助手、CA数字签名等产品能力，推出具有AI能力的一体化医疗云整体解决方案，推动数字技术的落地与应用，赋能医疗场景。

　　7月13日，京东健康发布“京医千询”医疗大模型，该模型建立在京东言犀通用大模型的基础之上，可以快速完成在医疗健康领域各个场景的迁移和学习，从而实现产品和解决方案的全面AI化部署，为远程医疗服务提供坚实的技术底座。

　　此外，科大讯飞（002230）、百度、云从科技、卫宁健康（300253）等科技或医药公司纷纷积极布局医疗领域的垂直大模型；CRO企业药明康德（603259）、美迪西、药石科技（300725）、成都先导、皓元医药、泓博医药（301230）等医药公司也均对AI制药相关业务有所布局。

　　6月15日，比尔·盖茨在全球健康药物研发中心发表了题为《以创新之力，应对全球挑战》的特别演讲。他表示，科学技术在解决难题方面展现出了前所未有的潜力，mRNA疫苗技术使预防结核病和疟疾等疾病的疫苗成为可能。“为了抗击这些疾病，我们需要更新、更好的预防工具。我坚信，包括人工智能在内的技术进步将在卫生保健和教育领域带来快速突破，使更多人能够获得拯救生命的工具和更好的发展机会。”

　　大模型赋予AI制药全新想象力

　　在“AI+医疗”掀起的人工智能浪潮之下，以大模型为代表的AI技术正在重塑整个生物医药行业——AI技术的运用将极大提升药物研发效率和医疗诊疗的覆盖度、诊疗效果。

　　目前，“AI+医疗”的医疗临床应用场景主要集中在肺部CT、眼底筛查及医疗影像等方面，帮助医生进行病灶筛查、靶区勾画、三维成像、图像分析、定量分析等。相较于医生根据经验逐张机械重复地进行人工阅片，AI能够根据标准批量初筛，阅片时间短，准确率稳定。

　　图像识别算法不仅相对成熟，而且市场需求大。目前，医学影像数据占全部临床数据的80%以上，是临床诊断、疾病治疗及健康管理的基石。由于我国医疗资源分布不均，许多偏远地区的医生经验及配备不足，对医学影像的分析不够准确且效率低下。

　　同时在一线医疗场景中，医学影像分析复杂且耗时，医生必须将多层影像数据与精细的决策过程相结合，并解读评估。广州爱孕记CEO创始人汪南博士表示，“医疗AI在医学影像方面能够帮助医生解决一些机械重复的劳动，把医生的时间释放出来，做一些创造性和决策性的工作，这是临床医疗AI的定位”。

　　而在医学健康行业的另一大领域——制药领域，生成式AI是发现新药物和疗法的革命性工具，也成为大模型落地发展的医药场景之一。

　　实际上，生物医药行业一直面临着“双十困境”。一般来说，一款新药的研发至少需要投入10亿美元，整个研发周期也长达10年之久。但在生成式AI大模型带来的人工智能浪潮之下，生物制药将面临全新的机遇。

　　目前，生成式AI主要应用于药物研发的早期阶段，利用AI技术处理和分析大规模的生物医学数据，并通过深度学习和机器学习算法，AI可以发现与疾病相关的基因、蛋白质和代谢途径，从而识别潜在的靶点。同时，AI还可以进行大规模的虚拟筛选，通过计算模型和机器学习算法筛选出具有潜在活性的药物分子，从而缩小候选药物的范围，优先选择具有较高活性的化合物进行后续实验验证。通过生成式AI加速药物靶点的发现以及高效生成候选药物，可以大大缩短药物研发周期，降低研发成本。

　　此前，华为云联合中国科学院上海药物研究所共同训练而成的华为云盘古药物分子大模型，就可以实现针对小分子药物全流程的人工智能辅助药物设计。西安交通大学第一附属医院刘冰教授团队利用该大模型成功研发出一种新的“超级抗菌药”，它有望成为全球近40年来首个新靶点、新类别的抗生素。借助大模型，先导药的研发周期从数年缩短至1个月，研发成本降低70%。

　　虽然“AI+医疗”的模式一定程度上提升了我国医药健康行业从业者的工作效率，但人工智能的融入过程也并非一帆风顺。

　　在技术层面，未来的“AI+医疗”需要更加精细的数据算法以及技术与临床的结合中。目前，国内的人工智能普遍缺少自创算法，计算机算力也有很大掣肘。中国超声医学工程学会副会长李安华教授向记者表示，“目前的瓶颈是算法。国内的公司没有自创的算法，都是取自国外的算法，如果不做大量的重新编译工作，算法的匹配度就不高。另一方面，懂技术的人和懂临床需求的人的结合也至关重要。”

　　汪南也指出，“目前能发明算法的人主要还是集中在谷歌、微软等公司，原始的算法基本是对自然图像的识别，对企业来说如果未来想在影像学或超声上运用，就必须对底层的算法做大量的编译优化工作，让其适应应用场景的属性，并且编译完成后需要大量测试，最后形成自己的算法。这些工作也需要大量的投入，目前国内公司很少在做。”

　　此外，在数据隐私安全层面，人工智能技术在医疗行业的应用需要处理大量的个人健康数据，做好患者的个人隐私保护，合理使用所需的数据，处理好技术与患者隐私之间的关系，防止数据的泄露和滥用，也将成为未来“AI+医疗”领域不得不考虑的问题。

　　在诊断结果层面，尽管“AI+医疗”的智能诊断模式可以帮助医生更加快速地识别患者的病症，但其准确性和可靠性还有待提高，需要算法不断对医学领域的知识进行深度学习，建立更加智能高效的医疗健康系统。正如长岭资本创始人蒋晓冬表示，“人工智能的未来不是代替医生，甚至也不仅仅是辅助医生，而是帮助重构医疗体系，建立新的基础设施的必要奠基石。”

关注同花顺财经（ths518），获取更多机会