医药的大模型时间！AI赋能行业按下“加速键” 业内仍期盼革命性技术出现

　　Deepseek犹如一枚“深水炸弹”，推动已经初步发展的AI医药领域进一步革新。一方面，AI凭借强大的数据总结能力和知识储备，为基层医生匮乏、医疗资源分布不均等难题提供了全新解决方案；另一方面，在制药领域，AI能极大提高药物模型筛选、临床方案设计和产品营销工作的效率，不少医药企业在接受财联社记者采访时均表示已接入大模型或对其抱有积极态度。

　　但药企对于如何利用AI在研发领域发力，减少临床试验时间和精力等难题，依然倍感困扰。而且技术进步背后所涉及的问题不容忽视，面对“先问AI再问医生”的现实难题，业内认为，技术局限性和伦理、法律责任的不可逾越性使得AI客观上不具备成为责任主体的能力。

　　当医药碰撞Deepseek“催化剂”

　　在医药行业，AI的运用已经积累多年。

　　康希诺（688185.SH）方面对财联社记者表示，“公司一直在使用AlphaFold。研发工作中，传统的AI应用如蛋白设计很重要，借助AlphaFold等工具能预测蛋白结构改进特性，有助于快速开发创新疫苗。”

　　“公司前几年成立研发中心就开始布局了人工智能方向的应用，跟踪及部署不同用途的AI模型，同时研发部也一直关注全球人工智能动态。”博济医药（300404.SZ）子公司九泰药械总经理李强告诉财联社记者。

　　然而“席卷而来”的Deepseek风，带给了医药行业一些全新的变化，从部分传统制药企业对AI由观望到全面拥抱态度的极速转变，到医院纷纷发布大模型的热火朝天，可以说Deepseek令AI和医疗健康的融合进一步加深，从药物研发、影像诊断、健康管理等各个方面，为医疗行业的未来发展注入了新的可能性。

　　据财联社记者不完全统计，本月以来，已有数十家医院完成大模型部署，将AI落地于诊疗端。23日，东南大学附属中大医院在官微宣布，该院已完成医疗信息系统与DeepSeek的对接，在患者服务、临床支持、科研创新等领域实现升级。18日，华为瑞金病理大模型发布，该模型融合了多模态数据，并结合中国人群的疾病特征，能为医生提供更精准、高效的辅助诊断支持。此外，成都市第一人民医院、深圳大学附属华南医院、上海市第六人民医院等多家医院也均完成DeepSeek接入，加速推动医疗智慧化。

　　"人机协同的核心一方面在于重构专业能力体系，另一方面是管理者意识转变。"李强指出，“技术方面的问题就交给技术，目前最难的地方还是‘人脑’，管理者、行业精英一定要拥抱新技术，顺应时代大势。另外，使用AI后，员工岗位职责要重新定位。”

　　制药企业中，恒瑞医药（600276.SH）积极探索Deepseek的创新应用场景，希望通过智能化手段优化业务流程、提升工作效率、降低运营成本；复星医药（600196.SH）发布PharmAID决策智能体平台，通过整合DeepSeek-R1模型，将靶点筛选周期从18个月缩短至4个月。

　　更多企业抱着“跃跃欲试”的态度，华神科技（000790.SZ）方面对财联社记者表示，公司有使用AI技术的打算，DeepSeek技术的应用或为行业带来全新机遇。当岐黄智慧遇见现代算力引擎，“数字本草生态”将使中医药在“健康中国”战略中发挥更大作用。此外，DeepSeek可重构人才系统——运用智能画像精准构建“π型能力”人才矩阵。

　　康希诺方面向财联社记者指出，Deepseek与以往AI应用的不同之处在于，“DeepSeek这类生成式AI，在撰写报告、总结、临床方案等工作中，能有效提升研发人员工作效率，一方面，在只需工作人员参与评估结果的情况下，非编程人员也可在AI帮助下完成统计代码编写；另一方面，AI可用于产品介绍和客服，提供准确统一的答案，方便医护人员理解产品。”

　　李强告诉财联社记者，“公司于2024年正式引入DeepSeek、BioGPT+RAG、DALL-E 等前沿大语言模型，构建起覆盖临床试验从文献检索、方案设计审核、招募计划及临床试验总结报告（CSR）全流程的智能辅助系统。在方案设计环节，AI可基于历史数据自动生成合规性达标的方案初稿；CSR文件编写方面，通过语义理解结合公司标准模版与试验数据统计结果，辅助医学部快速出具总结报告初稿，提升职能部门效率。”

　　“AI长远应用是很宏大的叙事，融入到产业链竞争力中是必然的。未来产品的AI化是标配，缺少AI，或配置低了，产品就没了竞争力，事关企业生死。”东方富海投资管理有限公司医疗合伙人王培俊认为。

　　资本市场方面，近期与AI概念相关的个股颇受投资者青睐。数据显示，截至2月24日收盘，本月国金AI医疗20指数上涨超31%；民生证券研报显示，2025年1月，全球医疗保健和AI领域融资额分别达94亿和57亿美元，占当月风投总额的58%。

　　中信证券首席医疗健康产业分析师陈竹告诉财联社记者，AI在医疗领域的爆发，为这个行业提供了更多可想象的空间。医疗是一个具有丰富数据且还没有绝对公开的领域，因其垂直程度很深，AI难以在短时间内穷尽，因此具有更大的发挥空间。

　　医药+AI中的现实困境，应用仍待新技术革新

　　AI前景广阔，应当拥抱AI已是十分明确的路线，但在制药研发中，如何高效运用AI依然存在困难，一个直观的数据是，截至目前，全球尚无AI研发药物上市。

　　“真的是看不清楚。”有上市药企高管对财联社记者表示，“AI我们觉得目前只是提高效率，在研发领域还看不清楚。”

　　中国药企管理协会MAH专委会副主任委员、行诚生物商务副总裁刘肖向财联社记者分析了AI制药研发上的困难点：第一，是否能真正训练出适合创新药研发的模型是非常关键的；第二，训练大模型需要大量数据，在法律上存在IP保护、客户隐私等诸多问题，很多企业不愿意公开数据，这就导致实际上每家企业是独立在做训练。另外在临床过程中，由于不同临床阶段的入组标准及产品上市后入组标准不完全一致，因此有可能造成数据不具有代表性，这会造成AI的“抑郁”。从研发角度来说，以“数字孪生体”概念为例，其可模拟临床试验，有望极大提高试验的安全性和效率，这些都有待技术的进步。

　　对于AI在临床试验上的应用较少现象，一位上市药企内部人士曾表示，企业从产品立项到最后上市，花费最多的就是在临床阶段，非常关注在临床阶段有没有一个很好的工具、算法或者大数据分析等，能给企业做立项决策时提供依据。

　　而在数据引用层面，也有CXO公司内部人士认为，使用AI大模型时，需要在技术创新与风险管理之间找到平衡。他告诉财联社记者，AI大模型需要大量数据训练，可能涉及客户或患者的敏感信息，数据泄露或滥用可能导致法律纠纷、声誉损失和罚款。

　　除此之外，AI医疗也已显现一些现实困境。

　　近日，“湖南严禁用AI生成处方”、“患者在就医前后寻求AI的‘第二诊疗意见’”等频遭热议，也引发了AI背后所涉及的医疗伦理、法律监管及行业未来发展等多重话题的思考。

　　“医生短缺是中国社会整体亟待解决的问题，相比制药，这个问题可能更迫切。”刘肖认为，当前伦理主要是保护人类利益，并没有关注AI自身的“权利”或者“意识”，而无论是伦理、法律还是道德更新都是滞后的。随着大模型技术的进步，后续法制监管、伦理认知也会随之革新。

　　北京百思力营销策划有限公司总经理王恒则认为，AI不负法律责任，从现阶段技术来看，大部分AI只能总结过去经验，但经验也许是错误的，所以它只能起到辅助作用，最后做判断的还是人，人才能作为负责的主体。

　　Nature论文显示，谷歌医疗大模型Med-PaLM 2，在MedQA数据集（模拟美国医师执照考试风格的题目）上达到了86.5%的准确率，这一表现接近甚至在某些专科领域超过了普通医生的水平。但在某些情况下可能会生成不准确或无关的信息，尤其是在需要复杂推理的长问题中。该现象在业内也被称为“幻觉风险”。

（文章来源：财联社）

(原标题：医药的大模型时间！AI赋能行业按下“加速键”，业内仍期盼革命性技术出现 | 医药筑底系列④)

(责任编辑：91)