随着人工智能时代加速到来，AI制药正成为新风口。根据最新披露的财报显示，全球首家实现盈利的AI制药企业出现——2023年薛定谔实现了上市以来的首次盈利，这也成为全球AI医疗健康行业发展的里程碑事件。

　　据安永最新发布的《智启新质生产力：生成式人工智能在医疗医药领域的潜在应用》（下称“”）指出，AI革新过程中呈现两方面趋势变化：一方面，AIGC发展由结构化处理向专业化、交互化生成跃进；另一方面，传统AI与AIGC未来仍会组合式发力、协调并举、共织共赢，使得AI技术在各个领域都能够发挥出更大价值。

　　以英伟达、谷歌为代表的全球科技巨头，正在将生物技术视为AI的下一个前沿领域。近期他们动作频频，在AI产业化由软件向硬件切换的过程中加码布局医疗领域，给全球AI+医疗行业注入了强劲发展动力。

　　此番AI+医疗浪潮与2018年相比最大的不同在哪里？传统AI与AIGC又该如何组合赋能医疗领域？药企要想入局AI制药需要怎么做？以及AI+医疗如何实现商业化落地？一系列问题有待找寻答案，对此，21世纪经济报道记者采访了安永大中华区生命科学与医疗健康行业联席主管合伙人吴晓颖。

　　“相比于传统AI，AIGC在强大的内容生成能力、高度个性化的输出以及持续的学习和进化能力方面具有显著优势。而传统AI在医疗影像识别、自然语言处理等方面有着丰富的应用经验。”吴晓颖表示，通过将两者的技术和能力进行结合，可以构建更加智能和高效的医疗系统，提升医疗服务的质量和效率。

　　她认为，药企入局AI制药会更加追求务实而不是务虚。因此，药企需要识别和聚焦在自己业务运营中最有价值的场景，从而更好地利用AIGC解决自身业务运营和发展中亟需解决的问题。而在发展中，AI医疗商业化仍存在技术、数据、法规以及市场接受度等方面的壁垒；另外，在AIGC的赋能下，也存在患者自我诊断、自我治疗的潜在风险。

　　在吴晓颖看来，相比传统AI，AIGC有多种优势。首先，AIGC的强大内容生成能力使它能产生丰富的医疗内容，例如：病例报告的撰写，健康咨询的回答等，AIGC都能根据输入的信息快速生成相应内容。其次，AIGC高度个性化的输出使它有望为患者提供更加精准和个性化的医疗服务。通过分析患者信息、生活习惯和疾病历史等数据，AIGC可以生成针对个体的健康建议和预测模型。

　　此外，AIGC的持续学习和进化能力使其能够不断优化和改进自身的性能。通过不断接收新的医疗数据和学习新的医学知识，AIGC可以不断完善自身的模型，提高预测和决策的准确性。这也使得AIGC在医疗领域的应用具有更强的适应性和可扩展性。

　　实际上，去年国外已有AIGC与电子病历公司合作的案例，探索为医生自动生成回复患者相关问题的草稿内容；以及利用语音AI来智能识别医生与患者的对话内容，然后将数据输入到电子病历中自动创建临床记录，从而提升医生诊断的有效率。

　　“这类医患沟通和记录场景是非常典型的，既是很实在的临床痛点，又能很好地发挥AIGC自身特点。”吴晓颖表示，未来的优化可能来自于如何更实时、无时滞地促进医患沟通，如何降低所生成内容的误导性和偏见性，如何强化对说方言和语言沟通障碍患者的语音快速识别和记录能力。

　　大模型是AIGC发展的基础，不少专家强调未来大模型的竞争主要在于垂直场景，国内综合性的互联网公司，以及细分领域中的医疗IT信息化、互联网医疗平台、智能机器人等公司正在探索用大模型等技术进一步提升自身解决方案和产品设计。

　　对于未来可能受影响的潜在场景，吴晓颖认为，有内容产生的场景都有AIGC发挥作用的机会，例如：实时健康监测与预警记录、医学教育与培训、个性化精准医疗等。不过，这些场景的落地可行性还取决于数据的可获得性、内容生成的合规性等因素，这不仅仅是技术本身的能力问题，更需要产业界的共同努力。

　　“这其中最大的难点，我认为是数据的获取和处理。医疗数据具有高度的隐私性和敏感性，如何合规地获取和使用这些数据是一个巨大的挑战。同时，医疗数据的质量和完整性也直接影响到AIGC模型的准确性和可靠性。另外，AIGC技术本身还在不断发展和完善中，如何将其与医疗领域的实际需求相结合，实现技术的落地应用，是一个需要不断探索和实践的过程。”吴晓颖说。

　　在新一轮AI技术的变革中，AI制药发展势头较为强劲，此前就有专家预计，未来10年我国AI+医疗市场规模年均复合增速将超过30%，其中AI医学影像和AI制药两个细分市场将增长最快。

　　从二级市场上看，尽管当前医药市场陷入周期性调整阶段，但仍会有一些AI制药领域的投资案例或融资案例，也会有拥抱AI的小市值医疗股逆势而上。比如近日，英伟达投资了一家计算药物发现初创公司Relation Therapeutics。此前仅2023年（截至11月），英伟达就投资了9家专注于药物研发领域的初创生物科技公司。

　　据统计，目前全球AI药物研发企业约343家，其中超过50%的公司集中在美国，英国和欧盟分别占据12.5%和13.4%，亚洲大约12.8%，其中中国占据约4.7%。另外，全球AI药物研发最大的市场在北美，亚太地区排名第三。摩根士丹利去年发布的一份报告指出，AI制药的全球市场规模短期已达500亿美元，并有可能继续上探。

　　“在当前市场环境下，药企入局AI制药会更加追求务实而不是务虚。因此，药企需要识别和聚焦在自己业务运营中最有价值的场景，以开放的心态寻求与生态圈中的AIGC技术伙伴共同合作，将技术、医疗、商业进行更加有效的融合，从而更好地利用AIGC来解决自身业务运营和发展中亟需解决的问题。”吴晓颖说。

　　在药企运营的各个环节中，AIGC不仅可以改变传统的药物研发和生产模式，还将为药企的前、中、后台运营提供强大的支持。指出，在前台各职能部门中，AIGC主要将在患者服务、营销市场分析、企业战略规划等领域赋能，通过智能咨询和精准营销提高医患体验，并为药企提供更精准的业务规划和运营优化。在企业中后台部门中，AIGC核心应用将包括药物研发、生产和供应链优化，其将在加速新药上市进程及降本增效方面发挥作用。此外，AIGC能助力生产自动化、质量控制和IT运维，提升生产效率并确保企业稳定运行。

　　对于企业而言，AI制药领域的核心竞争力主要在于AI技术服务的能力和自研管线的丰富程度。在研发管线多个进入临床的AI制药研发管线。从进展上看，全球管线期，国内领先的项目在去年年中也进入了临床2期。

　　吴晓颖表示，中国本土AI制药企业的优势是快速灵活，能根据市场需求的变化去进行迭代尝试，自适应能力强。但不足是数据资源比较有限，AI制药需要大量的数据进行训练和验证，而本土企业在医药领域的数据积累相对较少。

　　从目前的情况看，尽管AI在医疗领域发展较快，且已经取得一定的成果，但在商业化落地方面仍存在一些壁垒，主要存在于技术、数据、法规以及市场接受度等方面。

　　在吴晓颖看来，尽管AI技术在医疗领域已经取得了显著的进展，但在某些复杂和精细的医疗任务中，其准确性和可靠性还需要进一步提升。另外，数据是AI医疗发展的关键，医疗数据的获取、处理和分析都面临着一系列挑战，需要建立完善的医疗数据共享和隐私保护机制促进AI医疗的发展。

　　法规也是AI医疗商业化落地的重要壁垒，医疗领域对技术的监管要求较高，需要确保AI技术的安全性和有效性。因此，AI医疗企业需要密切关注相关法规的变化，及时调整战略，以确保合规运营。在市场接受度方面，尽管AI医疗具有巨大的潜力，但患者和医生对新技术可能存在疑虑和抵触情绪。因此，需要通过教育、宣传和示范等方式，提高市场对AI医疗的认知和接受度。

　　AI医疗前期投入和运营成本较高，如何量化AI技术在长期运行中的经济效益也是一个需要关注的方面。吴晓颖认为，可以通过分析AI技术在提高诊断准确性、降低误诊率、优化治疗方案等方面的效果来评估经济效益，未来也可以跟DRG/DIP在医疗精益化管理的实践相结合，以进一步提高DRG/DIP政策的执行效果。此外，还可以考虑将AI技术与医疗机构的业务流程相结合，提高工作效率和服务质量，从而进一步降低成本并增加收益。

　　另外，从患者端看，在AIGC的赋能下，也存在患者自我诊断、自我治疗的潜在风险。对此，吴晓颖认为，首先，技术开发者需要不断提升生成式AI的准确性和可靠性，降低误诊风险；其次，监管机构也应该加强对生成式AI技术的监管和评估，让它在医疗领域的应用符合法律法规和伦理标准；再次，医生也需要积极参与，鼓励患者及时就医并遵循专业医生的建议。

　　“医生可以利用AIGC技术辅助诊断，但最终的决策仍应该由医生根据患者的具体情况和专业知识来做出。在此背景下，医生要不断提升自己的专业素养和技能水平，以应对AIGC技术带来的挑战。同时，医生应该思考如何更好地用AIGC为患者服务，更高效地处理医疗数据和信息。”吴晓颖说。