醫(yī)療器械創(chuàng)新網
前言
生成式人工智能（Generative Artificial Intelligence，以下簡稱GAI）作為人工智能領域的重要分支，正逐漸引起廣泛關注。GAI以其獨特的生成能力和創(chuàng)造性，也正在改變醫(yī)療和醫(yī)藥行業(yè)的面貌，為其帶來了巨大的變革和潛在收益。
在健康咨詢方面，GAI可以為患者提供個性化的治療建議和管理方案；在醫(yī)學學術科研過程中，GAI驅動的應用可以自動生成文獻摘要和總結，極大地提高了醫(yī)學研究和臨床實踐的效率；在藥物研發(fā)和臨床試驗中，GAI的應用也顯示出巨大的潛力，能夠輔助藥物的篩選和設計，加速研發(fā)過程并提高成功率。
盡管生成式人工智能在醫(yī)療和醫(yī)藥領域中帶來了許多優(yōu)勢，但也面臨著一些挑戰(zhàn)。其中包括數據安全和隱私問題、技術可信度和解釋性問題，以及道德和倫理問題。解決這些挑戰(zhàn)將是促進生成式人工智能在醫(yī)療和醫(yī)藥行業(yè)中廣泛應用的關鍵。
一、生成式人工智能概述
隨著ChatGPT、MidJourney 等重磅產品的發(fā)布，生成式人工智能受到社會各界的廣泛關注。生成式人工智能成為當前人工智能領域的一大趨勢和熱點；該技術利用先進的機器學習模型、深度學習模型，從訓練數據中學習統(tǒng)計規(guī)律，并根據所學知識生成新的文本、圖像、視頻或音頻內容。與傳統(tǒng)的人工智能任務不同，GAI不僅可以分析數據，還可以主動創(chuàng)建新內容，在自然語言、圖像、視頻、音樂創(chuàng)作等領域都展示了強大的創(chuàng)作能力。
圖1 生成式人工智能發(fā)展歷程
伴隨著人工智能技術的快速發(fā)展，以BERT、LaMDA、ChatGPT為代表的大模型快速迭代優(yōu)化，全球生成式AI產業(yè)迎來了發(fā)展熱潮，相關場景應用不斷豐富。生成式人工智能憑借其強大的任務遷移能力和生成能力，正在推動營銷、電商、金融、游戲文娛等多個行業(yè)的進步和變革。但生成式人工智能的強大能力，高度依賴于其背后的AI大模型。
圖2 生成式人工智能的行業(yè)應用場景
當前，國內外市場的生成式人工智能產品和服務呈現(xiàn)出“一超多強”的倒金字塔格局：一方面，OpenAI、Google、Meta、百度等擁有強大算力、先進算法的大型科技公司率先開發(fā)了基礎層通用大模型，并以Model as a Service（MaaS）的形式進行收費；另一方面，中小型開發(fā)者通過調用基礎層大模型的API，能夠以較低的訓練成本、較小的算力基礎設施，開發(fā)出多樣化、個性化、場景化的引用，滿足消費級別的個性化需求。然而考慮到算力設施成本、數據隱私與安全問題，希望使用生成式人工智能賦能行業(yè)的企業(yè)通常更有意愿采用在專有數據方面微調訓練后的垂直領域中間層模型。
圖3 生成式人工智能賦能行業(yè)應用：開發(fā)中間層專用模型
二、生成式人工智能在醫(yī)療行業(yè)中的應用
大語言模型在醫(yī)療大健康領域具有廣闊的應用前景。隨著大語言模型的不斷涌現(xiàn)，國內外大模型玩家迅速入場醫(yī)療大健康領域，已經在多個場景中開發(fā)出了能夠輔助患者、醫(yī)護人員、藥械企業(yè)的應用。
賦能患者教育和健康管理：基于通用大模型微調出的醫(yī)療領域專業(yè)問答大模型，能夠像醫(yī)學專家一樣為患者提供健康咨詢服務；生成式AI根據用戶的健康基礎信息、生活習慣等數據生成的個性化健康管理方案，可以實現(xiàn)更智能化、個性化的健康管理。
輔助醫(yī)護診療與醫(yī)學科研：在輔助診療方面，生成式AI可以通過分析最新臨床試驗論文、治療指南等資料，為特定疾病自動生成病癥介紹、治療方案推薦，形成臨床指南草稿，快速聚合最新研究成果，生成指南知識框架；生成式AI可以自動讀取相關領域醫(yī)學論文，深度理解文章的內容與結構；對某一醫(yī)學問題的文獻綜述分析，自動篩選信息進行統(tǒng)計分析，以生成研究進展綜述，幫助醫(yī)生快速了解最新研究進展。
助力藥械企業(yè)研發(fā)與業(yè)務發(fā)展：生成式人工智能在提升醫(yī)藥企業(yè)研發(fā)效率、優(yōu)化醫(yī)藥企業(yè)的藥品上市和商業(yè)化策略方面，也顯示出巨大應用潛力。在前臨床階段,生成式AI可以輔助快速設計新藥分子，大幅縮短設計周期；在臨床階段，生成式AI可以分析大量文獻，快速總結近年來藥物臨床試驗設計和結果，供研發(fā)團隊參考制定方案。在上市后階段，生成式AI還可以輔助藥械企業(yè)的患者教育部門高效生成患者洞察報告與患者教育材料；在網絡環(huán)境中主動收集數據， 分析藥品反饋數據，生成藥物不良反應報告。
圖4 醫(yī)療領域行業(yè)大模型（截至2023.07）
圖5 大模型全方位助力藥企產品全生命周期
三、結論
生成式人工智能憑借強大的學習和生成能力，在醫(yī)療健康領域展現(xiàn)出巨大應用前景。從技術的視角看，生成式人工智能可以大規(guī)模自動化完成知識型工作，提高行業(yè)工作效率；也能夠持續(xù)不斷工作，提供超越人類的信息處理能力；并且可以深度學習患者數據，支持個性化健康管理方案。然而，在醫(yī)療領域應用生成式人工智能，仍需考慮數據隱私與合規(guī)、技術可靠性與可解釋性，以及醫(yī)療領域可能存在的倫理與道德問題。
從產業(yè)落地的視角來看，生成式人工智能在生命健康行業(yè)的發(fā)展，有賴于開源創(chuàng)新理念與行業(yè)專業(yè)數據的結合。一方面，基礎模型開源的理念將可降低研發(fā)門檻，促進醫(yī)療AI專業(yè)大模型的產業(yè)化；另一方面，基于企業(yè)自身數據資產和私有部署的解決方案，可幫助企業(yè)快速建立醫(yī)療醫(yī)藥領域的垂直領域專業(yè)模型。展望未來，聯(lián)合產學研力量，深化模型在藥物設計、精準醫(yī)療等領域的創(chuàng)新應用，將是醫(yī)療領域生成式AI可持續(xù)發(fā)展的必由之路。
