從輔助診斷到藥物研發(fā)，從智慧醫(yī)院到精準治療，近年來，人工智能正以前所未有的速度滲透醫(yī)療領域，通過重建醫(yī)療市場秩序，重塑健康的未來。技術突破的背后，是資本如何精準賦能、產業(yè)如何高效轉型、倫理如何平衡的深層命題。
近日，由海富通基金、上海證券報社共同主辦的“海談科技”AI+醫(yī)療專場成功舉行。優(yōu)刻得云計算解決方案架構師季冬思、上海交通大學醫(yī)學院助理教授郭倩宇、天風證券醫(yī)藥行業(yè)分析師周海濤圍繞我國“AI+醫(yī)療”的現(xiàn)況與未來，共同探討這一領域如何實現(xiàn)從實驗室到臨床、從資本到市場的跨越式發(fā)展。
從實驗室到臨床“加速跑”
目前，一款新藥的平均研發(fā)成本超過10億美元，且需要歷經十多年時間才能進入市場。同時，參與臨床試驗的眾多候選藥物中，有90%最終會“折戟沉沙”。AI的介入，正在逐步顛覆這一困境。
Ark Invest首席投資官“木頭姐”（Cathie Wood）在近期發(fā)布的《Big Ideas 2025》報告中多次強調，醫(yī)療保健是AI最具潛力卻最被低估的應用領域。其表示，多組學測序結合AI，可以大幅縮短藥物研發(fā)周期，將新藥上市時間從13年縮短至8年，成本降低4倍，同時癌癥等疾病的診斷和治療精準度大幅提升。
在郭倩宇看來，這一藥物研發(fā)的完整周期可能會更快?！半S著細胞建模技術的成熟，未來藥物研發(fā)周期可能會短于8年?！?/span>
郭倩宇指出，當前，AI在醫(yī)療領域的技術突破已從單點工具革新邁向全鏈條系統(tǒng)重構。她以藥物研發(fā)為例：“AI已成功應用到藥物研發(fā)中的靶點發(fā)現(xiàn)和分子互作兩個環(huán)節(jié)上。傳統(tǒng)人工篩選周期為45天，而AI僅需1分鐘即可實現(xiàn)‘輸入靶點-設計小分子’的端到端生成。”
郭倩宇認為，更前沿的探索在于構建細胞模型，通過AI模擬人體細胞功能，可大幅減少動物實驗環(huán)節(jié)，預計未來兩三年，藥物研發(fā)周期有望大幅縮短，從傳統(tǒng)的10年壓縮至8年以內甚至更短。
“當前，國內乃至全球存在大量未被滿足的臨床需求，很多腫瘤癌癥尚未出現(xiàn)有效治療手段。在AI加持之下，從分子發(fā)現(xiàn)到臨床試驗的研發(fā)周期大幅縮短，將會給行業(yè)帶來翻天覆地的變化。”周海濤補充道。
周海濤指出，當前，AI制藥形成兩類商業(yè)模式，一類是自研管線的Biotech公司，另一類是提供AI賦能服務的“AI-CRO”，為藥企提供靶點發(fā)現(xiàn)等模塊化服務。在大量臨床需求亟待解決的當下，兩大方向都會吸引資金的關注。
“AI+醫(yī)療”產業(yè)爆發(fā)在即
當前，“AI+醫(yī)療”市場正以破竹之勢生長。從互聯(lián)網巨頭到醫(yī)療行業(yè)玩家，再到大模型初創(chuàng)企業(yè)，越來越多的玩家都紛紛涌入“AI+醫(yī)療”賽道。
據(jù)弗若斯特沙利文預測，中國“AI+醫(yī)療”市場規(guī)模預計從2023年的88億元激增至2033年的3157億元，十年間復合年增長率高達43.1%。
當AI遇上醫(yī)學，智慧擁抱健康，將開啟怎樣的智能醫(yī)療新時代？
基于在云計算領域多年的一線研發(fā)經驗，季冬思表示，大模型技術正推動醫(yī)療知識問答與專業(yè)翻譯升級，基于云計算部署的醫(yī)療知識庫已能實現(xiàn)90%以上的常見病例標準化問答，翻譯準確率較傳統(tǒng)規(guī)則系統(tǒng)提升40%。
AI在醫(yī)學影像領域的應用已率先實現(xiàn)規(guī)?；涞?。郭倩宇提到，AI在醫(yī)學診斷上比人具有更好的準確性。她以肺癌的分類為例指出，小細胞癌存在極大的漏診的可能性，利用AI進行基因測序后，能更早期發(fā)現(xiàn)癌癥的風險。面對小細胞癌目標小、基層醫(yī)院醫(yī)生診斷經驗不足等情況，郭倩宇團隊開發(fā)了多模態(tài)融合的小細胞癌預警系統(tǒng)，結合 CT、PET、MRI 及基因組學數(shù)據(jù)，將基層醫(yī)院難以識別的微小病灶檢出率提升30%以上。
“在商業(yè)化成熟度方面，AI影像診斷已處于領先地位，肺結節(jié)檢測軟件在三甲醫(yī)院的滲透率超過70%，真陽性識別率達95%以上?！敝芎硎?。
他從資本市場角度指出，AI影像診斷以及醫(yī)療信息化中的CDSS臨床輔助決策系統(tǒng)、基于可穿戴設備的慢病管理、手術機器人等領域，均成為二級市場的熱點方向。
倫理與商業(yè)模式待破局
AI加速滲透醫(yī)療領域，但要真正實現(xiàn)產業(yè)化落地，仍有不少問題亟需解決。
季冬思指出，首先，醫(yī)療數(shù)據(jù)質量與標準化是核心難點。很多臨床數(shù)據(jù)缺乏統(tǒng)一標準，需要人工標注，效率低下，影響了AI模型訓練的準確性和泛化能力。
其次，醫(yī)療數(shù)據(jù)共享機制不足。醫(yī)療數(shù)據(jù)本身具有高度敏感性，不同醫(yī)院、機構、地區(qū)間數(shù)據(jù)壁壘明顯，難以實現(xiàn)高效流通，這在很大程度上制約了AI模型在更大規(guī)模場景中的應用。要打通“產業(yè)-醫(yī)療”鏈條，需要建立更加開放和可信的數(shù)據(jù)聯(lián)盟，推動跨機構間的數(shù)據(jù)交換合作。
第三，成本與商業(yè)化應用的挑戰(zhàn)?！癆I+醫(yī)療”建設的投入大、回報周期長，前期在算力、數(shù)據(jù)清洗等方面的投入成本較高。因此，找到具備可持續(xù)盈利的落地場景，將是推動AI醫(yī)療模式規(guī)模化復制的關鍵。
此外，“AI+醫(yī)療”中責任與收益的權責劃分問題，也是產業(yè)化應用的關鍵。AI系統(tǒng)輔助診療決策后，如果出現(xiàn)失誤，是系統(tǒng)開發(fā)商還是醫(yī)生承擔責任？這需要從制度層面明確AI在臨床中的角色與邊界。
“目前看到，區(qū)塊鏈與云計算技術結合，在實踐中已初步形成可行的商業(yè)模式，是未來值得關注的方向?！奔径急硎?。
“AI制藥是一個高度交叉的領域，需要藥學、化學、生物學、自動化等多學科人才的緊密配合，而國內在這方面的人才儲備仍有不足?！惫挥钪毖?，跨學科人才缺口仍是制約行業(yè)發(fā)展的主要瓶頸。
盡管挑戰(zhàn)與機遇并存，三位專家對AI醫(yī)療的顛覆性潛力仍充滿期待。他們表示，“AI+醫(yī)療”的發(fā)展，不僅是技術的革新，更是醫(yī)療生態(tài)與社會協(xié)同的重構。唯有在技術突破、產業(yè)落地與倫理規(guī)范之間尋求平衡，才能真正釋放AI賦能醫(yī)療的巨大潛力，為人類健康帶來普惠價值。
特別聲明：智慧醫(yī)療網轉載其他網站內容，出于傳遞更多信息而非盈利之目的，同時并不代表贊成其觀點或證實其描述，內容僅供參考。版權歸原作者所有，若有侵權，請聯(lián)系我們刪除。
凡來源注明智慧醫(yī)療網的內容為智慧醫(yī)療網原創(chuàng)，轉載需獲授權。
Copyright ? 2022 上?？评讜狗沼邢薰?旗下「智慧醫(yī)療網」版權所有 ICP備案號：滬ICP備17004559號-5
