在2023年过去的八个月里，生成式AI的繁荣毋庸置疑。

各大巨头如百度、阿里云、科大讯飞、京东健康纷纷下场，声势浩大地推出自己的大模型。不甘让一家独大，一场刺刀见红的“百模大战”一触即发。很快，这场风也迅速刮向了严肃、强监管的医疗领域。

AI制药命运的齿轮再次转动，7月12日，站在风口之巅的英伟达向生物科技公司Recursion投资5000万美元，以加速人工智能药物发现领域的突破性基础模型。这一动作被业内解读为赚麻了的英伟达，对AI制药的进一步押注。

“皮衣教主”黄仁勋更是高调表态：“生成式AI是发现新药物和治疗方法的革命性工具。”在外界看来，万亿美元市值的英伟达，一举一动都值得深究，现阶段的AI制药或许仍处于价值洼地。

资本再次听到了搏命狂奔的鼓声，8月21日，源自斯坦福大学的AI制药公司Genesis Therapeutics宣布完成2亿美元的超额认购B轮融资。国内药物模拟研发平台“深势科技”完成新一轮超7亿元人民币融资，英矽智能也在冲刺“AI制药第一股”……

医疗问诊、辅助诊断、医疗数字化营销、中医等企业均卷入其中，争一个上桌机会，一片沸腾。

盛景之下，北京市卫生健康委日前发文，明确将加强互联网诊疗活动监管，严禁使用人工智能等自动生成处方；人工智能软件等不得冒用、替代医师本人提供诊疗服务。

狂热与迷茫交织，人们不免好奇：ChatGPT，能给“AI+医疗”加把火吗？它能应用于哪些医疗健康细分场景？实现何种程度的赋能？

01

AI的倚天剑，难破药物研发阵

药物研发，有个闻风丧胆的双十定律：即研发一款新药，需要至少十年时间，十亿美金。AI制药的出现，让人们看到一键生成新分子的可能，但价值验证、商业焦虑成为相关企业们萦绕不去的拷问。

当AI进化成通用模型的ChatGPT，这把被寄予厚望的倚天剑，能否真正解决药物研发的成本问题和失败率？答案可能并不乐观。

在大多数人的设想中，人工智能技术可以通过自然语言处理和机器学习等算法，帮助研发者们迅速筛选有潜力的药物分子。同时，借助大量药物研发数据，不仅快速找到下一个“十亿美元分子”，还可以预测药物的副作用和药物代谢。

券商研报曾勾勒出一幅令人心神向往的图景：通过机器学习、深度学习等方式赋能药物靶点发现、化合物筛选等环节，能够使新药研发的成功率从12%提高到14%，每年为全球节约化合物筛选和临床试验费用约550亿美元。

AI的技术变革如一把突如其来的野火，试图烧掉生物医药研发双十困境的“篱笆墙”。2021年，AI制药企业乘风而起，在全球资本市场上演了逐富故事。270多家从事AI药物研发的公司如雨后春笋般成立，涵盖了靶点发现到上市后的药品追踪。人们透过一笔笔真金白银的融资、交易与合作，看到了一个被彻底激活的AI制药市场。

不过，价值验证也让AI制药曾经卷起的泡沫骤然破裂。2022年，全球首款由人工智能设计的分子DSP-1181被日本住友制药停止开发，原因为临床I期的研究并未达到预期标准。此前Exscientia曾高调宣称，整个项目从提出概念到确定分子，只用了不到一年，而行业平均是4.5年。

英国AI制药上市公司BenevolentAI亦因为BEN-2293的IIa期临床试验折戟，宣布裁员近180人，近乎公司的一半。不少AI制药的管线，步入临床阶段之后悄然消失。一众AI制药市值自由落体，不少AI+新药研发的公司现金几近枯竭，股价不足1美元。AI制药管线的新颖性，亦被行业所质疑。

当创新药低垂果实被摘尽，ChatGPT能否成为打破新药研发反摩尔定律的利器？“其实我们现在缺的可能不是算力，而是我们并没有很多高质量的有效数据。”晶泰科技首席执行官马健在第四届全球生物医药技术大会暨展览会上如此指出。

事实上，算力、算法、数据三个重要因素构成了人工智能机器学习。东吴证券研报指出，数据决定了训练模型的深度，算法决定了效率和产出，算力决定了AI可实现的维度。GPT虽然足够颠覆，但更多聚焦于算力资源的增强，而未能解决掣肘新药最大的困难——高质量研发数据的鸿沟。

创新药物研发数据，对于药企而言，极为敏感与珍贵，一般不愿共享，而这也造成了高质量数据难得的境况。此外，学术文献、研究挖掘也面临着负样本缺乏等隐藏雷点。

至少在当下，尽管有ChatGPT加持，AI制药扮演更多还是辅助角色，期待未来有更多突破。

02

多模态的屠龙刀，变革辅助诊断

试想一个场景，当你需要了解某种药物的功能及使用方法，数字人在大屏幕前细心叮嘱注意事项，无须再去拿着说明书一字一句仔细看。

而这就是GPT此类大模型的魅力，医渡云首席数据科学家彭滔此前曾观点鲜明地表示，几乎所有的医疗产品/路径，都可以用大语言模型去重新梳理一遍，去真正发挥它的价值。

尽管投资热点目前仍集中于大模型、数据库，而在GPT向上生长的过程中，报告解读、病历质控、辅助诊断、知识问答等方面或将被重塑。

7月12日，谷歌公司的医疗问诊AI Med-PaLM的研究团队在《自然》杂志发布了研究成果，一组临床医生对谷歌和DeepMind团队的医疗大模型Med-PaLM回答的评分高达92.6%，与现实中人类临床医生的水平（92.9%）相当。

随后，《Towards Generalist Biomedical AI》论文更是展现了大型多模态生成模型多任务模式的潜力。Google Research和Google DeepMind的研究团队发现，Med-PaLM M已经可以执行医学图像分类、医学问答、视觉问答、放射学报告生成和总结、基因组变异调用等14种不同的生物医学任务。

而在246份真实胸部X光片中，临床医生表示，在高达40.50%的病例中，Med-PaLM M生成的报告都要比专业放射科医生的更受采纳。

“如今，我们应转向一个由三方组成的结构，将类似GPT-4的AI实体纳入其中，作为这个三角关系的第三支柱。”《超越想象的GPT医疗》书中指出，传统医学通常指的是医生与患者之间的神圣纽带——一对双向关系，GPT可以作为第三方，类似于医生的辅助角色。

全新的医疗三方模式下，医生与GPT共同构成了诊疗主体。当患者接受检查时，AI和医生共同参与了诊疗，从而确保诊疗的准确度。无论GPT在医疗领域扮演何种角色，始终需要让人类参与审查其生成的所有输出，最大程度规避技术存在的风险与不足。

日前，北京市卫生健康委发布《北京市互联网诊疗监管实施办法（试行）》，医疗机构开展互联网诊疗活动要加强药品管理，严禁使用人工智能等自动生成处方，严禁在处方开具前向患者提供药品。此举意在规范互联网诊疗活动，亦是尽可能消弭人工智能的风险性。

京东健康、百度健康、深睿医疗、医联、东软、左手医生等公司纷纷推出了自己的医疗垂类大模型，应用场景多聚焦于辅助问诊、辅助诊断、健康咨询、医学智慧影像等。

“医疗科技企业与基础大模型企业积极合作，AI大模型医疗健康生态正在逐步建立。行业推进的速度很快，留给产业观察、学习、思考的时间不多，有更多资源更强生态能力的企业、机构、政府可以更大力度的参与。”亿欧董事总经理、亿欧大健康总裁高昂一针见血指出。

尽管ChatGPT的表现令人欣喜，但新功能往往与新风险如期而至，GPT会倾向于编造信息，这有时会成为“幻觉”。大语言模型的信息需要定期更新，以保持准确性与时效性，不然极易误导使用者。

03

颠覆病历书写

相较于在药物研发领域的“关山难越”，病历书写或是ChatGPT能实现颠覆的细分场景之一。

“对于许多专注于开发自动化临床文书产品的公司来说，GPT-4看起来将成为一项颠覆性的技术。”《超越想象的GPT医疗》曾如此总结。

当作者们在2023年初写下这段文字时，也许已经预见到接下来的日子里，GPT-4在应对医护日常工作中最烦琐、负担最重部分的潜力。

今年3月，微软的语音识别子公司Nuance Communications发布了一个AI GPT-4驱动的医护人员临床笔记自动记录和生成的工具，预期可以把口头患者就诊转换为临床笔记的过程从原来的4小时缩减到几秒钟内自动生成病历草稿，大大减轻医生的行政负担。

众所周知，诊疗过程中有大量的文书书写工作。美国医学协会在2016年资助的一项研究发现，医生每花一个小时与病人在一起，他们就会在病历文书工作上多花两个小时。该研究表明，医生不得不，在下班后再多花一到两个小时处理病历文书工作。《美国医学院协会杂志》2017年调研发现，超过三分之二的受访医生坦言，病历文书工作负担过重。

在我国，这个情况也不容乐观。多地三甲医院医护人员曾因病历书写不规范，收到当地卫健委的“罚单”。广为人知的电子病历虽然取代了手写纸张病历，但是医护人员面对屏幕的时间也越来越长。

GPT的出现，让人们看到减轻医护人员负担的可能。在信息抽取上，它可以将大段临床文本进行结构化；在数据清洗层面，ChatGPT可以在一定范围内提供一致性校验工作。通过整合多种来源和格式数据，提升医疗效率与质量。

温州国际和平医院曾经做了一项测试，在测试病例中，他们设置了一些“陷阱”，包括格式不规范、标点错误、药名错误、药品用法缺失。在直接要求ChatGPT生成报告后，令人欣喜的是，它能成功生成相关医疗报告，并主动修正了格式和标点错误，并且添加了两句总结。

“AI应用首先应该从‘高影响、低风险’的应用领域开始，例如，简化医务人员的行政性工作负担问题。”微软全球首席医疗官David Rhew一针见血指出。

医疗领域与人类生命健康息息相关，监管极为严格。企业如果直接利用ChatGPT开发面向临床诊断和患者的诊疗服务，直面的风险与挑战或将难以预料，仅是获批就可能是一条漫漫长途。相比之下，病历文书或其他“后台”任务则不需要复杂的安全性监管控制，需求却真实存在，且成为困扰之一。

微软、谷歌和亚马逊等公司皆把目光望向此处。在David Rhew看来，人工智能的初始应用就好像，大家刚刚有了汽车，但是停车标志、交通信号灯等管理措施尚未就绪。“我们仍然需要进一步弄清楚如何一起做好这一项工作。”他补充道。

可以明确的是，ChatGPT本身并非人工智能终极目标，它只是未来一系列更为伟大的AI里程碑之一。届时，它在医疗领域的颠覆将更加值得期待。