GenAI在醫(yī)療健康領(lǐng)域應(yīng)用與落地情況如何？

GenAI已經(jīng)在醫(yī)療健康開始了應(yīng)用探索與落地，包括藥物研發(fā)、臨床 研究、上市及商業(yè)化、以及用于病人診療等方面：

1.藥物研發(fā)

隨著人類社會對生物學(xué)、化學(xué)、物理學(xué)等的知識積累加深，我們對疾病的認(rèn)識迅速提 升。然而新藥研發(fā)、上市的速率卻沒有同比例增長，其中一個(gè)重要原因是藥物研發(fā)階 段耗時(shí)長、成本高、流程復(fù)雜。現(xiàn)如今，GenAI成為潛在的破局利器，在藥物研發(fā)方 面已有越來越多的應(yīng)用。GenAI可以通過分析大量的基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組 學(xué)等多組學(xué)數(shù)據(jù)，幫助研究人員更快地發(fā)現(xiàn)可能的靶點(diǎn)、藥物分子、藥物合成路線 等，從而加速藥物的發(fā)現(xiàn)和設(shè)計(jì)進(jìn)程。

1.1 靶點(diǎn)發(fā)現(xiàn)與驗(yàn)證

藥物靶點(diǎn)指的是藥物與人體內(nèi)特定分子相互作用的目標(biāo)位置，也可以是參與疾病發(fā)生 和發(fā)展的關(guān)鍵蛋白質(zhì)、酶或細(xì)胞結(jié)構(gòu)。靶點(diǎn)的發(fā)現(xiàn)是現(xiàn)代藥物研發(fā)的基礎(chǔ)，在藥物研 發(fā)的早期階段，科研人員通過對疾病發(fā)生機(jī)制的深入研究，尋找與疾病相關(guān)的靶點(diǎn)， 通過對這些靶點(diǎn)的深入了解，科研人員可以設(shè)計(jì)出針對性的藥物，干預(yù)其功能，從而 達(dá)到治療疾病的目的。但疾病的發(fā)生非常復(fù)雜，基因冗余和多效性、代償機(jī)制、信號 反饋等，都會降低靶點(diǎn)被藥物作用造成的影響。藥物立項(xiàng)要經(jīng)過藥理學(xué)、毒理學(xué)、遺 傳學(xué)等多學(xué)科的檢驗(yàn)，成功率非常低。疾病相關(guān)的靶點(diǎn)的早期識別和評估可以增加藥 物批準(zhǔn)的機(jī)會。目前業(yè)界在致力于識別與特定疾病相關(guān)的生物學(xué)上最合理的靶點(diǎn)。近 年來，傳統(tǒng)的生信分析方法、多組學(xué)因子分析、知識圖譜、圖模型、深度學(xué)習(xí)等都較 多地應(yīng)用于靶點(diǎn)發(fā)現(xiàn)中，而GenAI的發(fā)展，則提供了更強(qiáng)有力的技術(shù)支持去尋找新的 靶點(diǎn)、分析信號通路、以及尋求靶點(diǎn)與疾病相互關(guān)聯(lián)的證據(jù)支撐。 2022年， AI 制藥公司英矽智能（Insilico Medicine）在其靶點(diǎn)發(fā)現(xiàn)平臺 PandaOmics 上 增加了知識圖譜的功能，可以從期刊文獻(xiàn)中提取相關(guān)信息，將基因、疾病、化合物和生物過程聯(lián)系起來，并將關(guān)系網(wǎng)絡(luò)可視化形成知識圖譜。2023年3月，在ChatGPT 開放端口后，英矽智能將其接入靶點(diǎn)發(fā)現(xiàn)平臺PandaOmics。通過將知識圖譜與 ChatGPT相結(jié)合，得到了具有AI問答功能的ChatPandaGPT，支持研究人員在瀏覽和 分析大數(shù)據(jù)集的同時(shí)，高效開展基于自然語言的問答，更便捷發(fā)現(xiàn)潛在靶點(diǎn)和 生物標(biāo)志物。

2023年底，英矽智能發(fā)布了全球首個(gè)“由AI輔助決策的自動化實(shí)驗(yàn)室”，將GenAI應(yīng) 用于高質(zhì)量自動化實(shí)驗(yàn)，并通過實(shí)驗(yàn)數(shù)據(jù)反饋推動GenAI模型迭代優(yōu)化。實(shí)現(xiàn)在14天 內(nèi)完成靶點(diǎn)發(fā)現(xiàn)和驗(yàn)證的全自動化干濕實(shí)驗(yàn)閉環(huán)。目前，英矽智能宣布公司研 發(fā)的抗特發(fā)性肺纖維化候選藥物INS018_055已完成2期臨床試驗(yàn)首批患者給藥，這 是全球首款由GenAI發(fā)現(xiàn)靶點(diǎn)并設(shè)計(jì)化合物的候選藥物。 2023年4月，水木分子開源了輕量科研版BioMedGPT-10B，將文獻(xiàn)、分子、蛋白、 測序、知識圖譜等數(shù)據(jù)壓縮到統(tǒng)一的多模態(tài)大模型框架內(nèi)，實(shí)現(xiàn)了分子性質(zhì)預(yù)測、 藥物-靶點(diǎn)親和力預(yù)測、性質(zhì)預(yù)測、藥物敏感性預(yù)測、分子-文本跨模態(tài)檢索、分子文本跨模態(tài)信息生成等多項(xiàng)任務(wù)性能優(yōu)于單一專用模型。

1.2.分子生成

（1）大分子生成

大分子藥物的作用機(jī)制主要是通過刺激機(jī)體免疫系統(tǒng)產(chǎn)生免疫物質(zhì)（如抗體），從 而發(fā)揮其功效，在人體內(nèi)出現(xiàn)體液免疫、細(xì)胞免疫或細(xì)胞介導(dǎo)免疫。大分子藥物如 抗體有更好的靶向性、mRNA有望帶來更好的疫苗與藥物等。但這些大分子結(jié)構(gòu)復(fù) 雜，開發(fā)成本高，發(fā)現(xiàn)時(shí)間長。GenAI為此提供了新的解決方案，通過學(xué)習(xí)預(yù)測大 分子（例如核酸或氨基酸）的下一個(gè)子結(jié)構(gòu)，并產(chǎn)生有關(guān)大分子的見解，這些見解 可用于新藥物載體的計(jì)算機(jī)設(shè)計(jì)、以及預(yù)測其在各種藥物研發(fā)檢測的效果。 人類一直以來都在探索如何更高效、直接、自由地控制細(xì)胞功能、甚至生命活動， 而運(yùn)用 GenAI預(yù)測大分子結(jié)構(gòu)使得這一切的可行性大大提升，并且其預(yù)測性能在精 度、范圍、耗時(shí)等方面正在不斷快速提高。以蛋白質(zhì)為例，利用GenAI預(yù)測結(jié)構(gòu)， 為解碼蛋白質(zhì)的三維奧秘提供了高效手段，從而能夠直接按需制造蛋白質(zhì)、甚至 是創(chuàng)造未知或不存在的蛋白，擴(kuò)增出近乎無限的、廣闊的蛋白質(zhì)序列和結(jié)構(gòu)空 間，對生命科學(xué)和生物醫(yī)藥研究范式的影響將是顛覆性的。

目前，GenAI在蛋白質(zhì)解碼和設(shè)計(jì)的應(yīng)用主要有Transformer架構(gòu)和擴(kuò)散性模型兩大 構(gòu)建思路。前者的代表是美國初創(chuàng)生物醫(yī)藥公司Profuluent在2023年1月開發(fā)的蛋白 質(zhì)語言模型Progen。該模型基于Transformer架構(gòu)的12億參數(shù)神經(jīng)網(wǎng)絡(luò)，提供了一種 可根據(jù)所需屬性生成特定蛋白質(zhì)的方法，從頭合成了自然界中不存在的人工酶， 引起了生命科學(xué)領(lǐng)域的廣泛關(guān)注。而后者構(gòu)建思路則是采取了圖像生成領(lǐng)域常用 的擴(kuò)散性模型的技術(shù)路徑，更加擅長基于文本生成圖像來描述蛋白質(zhì)序列和結(jié)構(gòu) 之間的關(guān)系，并以此快速生成蛋白質(zhì)的骨架結(jié)構(gòu)。例如2022年10月美國斯坦福大 學(xué)和微軟研究院經(jīng)受體內(nèi)蛋白質(zhì)折疊過程的啟發(fā)，引入了一個(gè)折疊擴(kuò)散模型，通 過鏡像蛋白質(zhì)天然折疊過程實(shí)現(xiàn)蛋白質(zhì)主鏈結(jié)構(gòu)的設(shè)計(jì)，解決了直接生成結(jié)構(gòu)復(fù) 雜多樣的蛋白質(zhì)的難題。 掃描跨國大型藥企與科技公司動態(tài)，2023年12月，制藥巨頭阿斯利康與AI 抗體發(fā) 現(xiàn)技術(shù)初創(chuàng)公司Absci 簽署了 2.47 億美元協(xié)議，通過整合阿斯利康的腫瘤學(xué)研究和 開發(fā)知識、以及利用 Absci 的集成藥物創(chuàng)造平臺，借助GenAI 技術(shù)來開發(fā)新的、改 進(jìn)的抗癌抗體療法。2023年10月，Deepmind聯(lián)合Isomorphic Labs共同發(fā)布了新一代 AlphaFold模型，從上一代的預(yù)測蛋白質(zhì)結(jié)構(gòu)，擴(kuò)展到預(yù)測蛋白質(zhì)數(shù)據(jù)庫（PDB） 中幾乎任何分子的結(jié)構(gòu)，包括配體（小分子）、蛋白質(zhì)、核酸（DNA 和 RNA）以 及含有翻譯后修飾（PTM）的生物分子。如改變氨基酸序列來改變蛋白質(zhì)的性 能，用于設(shè)計(jì)和開發(fā)具有特定功能的酶；預(yù)測核酸結(jié)構(gòu)，加速 mRNA 疫苗等醫(yī)療 創(chuàng)新；預(yù)測配體和蛋白質(zhì)間的相互作用，幫助鑒定和設(shè)計(jì)可能成為藥物的新分子 等。Isomorphic Labs 正在將新一代 AlphaFold 模型應(yīng)用于治療藥物設(shè)計(jì)，快速準(zhǔn)確 地表征對治療疾病很重要的多種類型的大分子結(jié)構(gòu)。

國內(nèi)頭部藥企與AI制藥企業(yè)也在GenAI生成大分子藥物領(lǐng)域展開布局。2023年8 月，深圳晶泰科技宣布與石藥集團(tuán)在創(chuàng)新藥研發(fā)AI領(lǐng)域達(dá)成戰(zhàn)略合作協(xié)議，結(jié)合 石藥集團(tuán)深厚藥物研發(fā)經(jīng)驗(yàn)，利用晶泰科技開發(fā)的ProteinGPT大分子藥物生成式AI 模型，將“類GPT技術(shù)”應(yīng)用于藥物研發(fā)，覆蓋抗體發(fā)現(xiàn)、抗體工程、抗原設(shè)計(jì)、 蛋白結(jié)合劑設(shè)計(jì)等多個(gè)藥物研發(fā)關(guān)鍵環(huán)節(jié)，一鍵生成符合要求的抗體或蛋白藥物。 荷蘭-瑞士初創(chuàng)公司 Cradle開發(fā)的生成人工智能 (GenAI) 和合成生物學(xué)平臺，旨在 設(shè)計(jì)基于蛋白質(zhì)的療法和其他化合物，正在開展 12 個(gè)研發(fā)項(xiàng)目，關(guān)注工程酶、疫 苗、肽藥物和抗體，涵蓋廣泛所需蛋白質(zhì)特性，如穩(wěn)定性、表達(dá)、活性、結(jié)合親和 力和特異性。Cradle 的技術(shù)可以通過更少、更成功實(shí)驗(yàn)大幅加快蛋白質(zhì)的設(shè)計(jì)和優(yōu) 化。與行業(yè)基準(zhǔn)相比，大多數(shù)項(xiàng)目使用 Cradle 平臺的進(jìn)度要快兩倍。

（2）小分子生成

小分子藥物研發(fā)中的一大重要難題是如何識別并且篩選出最有可能實(shí)現(xiàn)所需療效、 值得進(jìn)一步測試優(yōu)化的化合物，傳統(tǒng)上，藥物化學(xué)家會在實(shí)驗(yàn)室制造化合物并進(jìn)行 測試，耗時(shí)長、投資大，但人工智能可以改變這個(gè)過程。GenAI通過先進(jìn)的基礎(chǔ)化 學(xué)模型加速篩選過程，如同GPT-4被訓(xùn)練來預(yù)測句子中可能的下一個(gè)單詞，這些模 型可以預(yù)測小分子結(jié)構(gòu)中的下一部分原子。通過多次迭代，該模型學(xué)習(xí)了小分子化 學(xué)的基本原理，即使在很大程度上未探索的化學(xué)領(lǐng)域，這些模型也可以提供更精確 的預(yù)測，醫(yī)藥公司可以通過這些預(yù)測來規(guī)劃后續(xù)篩選。 國外大型藥企與AI制藥企業(yè)紛紛開展合作，各取所長。2024年1月，默沙東宣布與 Variational AI公司達(dá)成合作，利用其Enki技術(shù)平臺，共同合作開發(fā)小分子藥物。 默沙東為Enki平臺提供目標(biāo)產(chǎn)品概況（TPP），平臺基于GenAI技術(shù)，可在幾天時(shí) 間內(nèi)生成符合條件的小分子。生成物是具有多樣化、選擇性和可合成的先導(dǎo)化合物 結(jié)構(gòu)，從而快速進(jìn)入先導(dǎo)化合物優(yōu)化階段。法國藥物化學(xué)和新藥設(shè)計(jì)AI解決方案提 供商Iktos則是利用GenAI技術(shù)，降低化合物小分子篩選和生成所需的時(shí)間和成本。

其解決方案包括三個(gè)部分，一是通過Makya基于大量生物數(shù)據(jù)，來創(chuàng)建一種“滿足 所有條件”的分子，即在盡可能低的劑量下有效、安全、穩(wěn)定、可申請專利且能夠 合成的分子；二是利用Spaya探索合成“配方”和途徑；三是通過Ilaka 軟件控制機(jī) 器人，一次性高效合成多種化合物，不斷重復(fù)上述過程，以找到更有前途的化合 物。目前其擁有 50 多個(gè)已完成或正在進(jìn)行的項(xiàng)目，合作伙伴包括強(qiáng)生、默克、輝 瑞等跨國大型藥企。回看國內(nèi)，多家AI制藥企業(yè)、大型藥企、科技公司等，也在布 局GenAI藥物分子生成。英矽智能推出小分子生成AI平臺Chemistry42，經(jīng)過10萬種 公開化合物和100億個(gè)構(gòu)建塊（或虛擬分子片段）的訓(xùn)練，生成數(shù)百個(gè)具有所需特 性的化合物，被輸送到管道中評估適用性，并選擇滿足安全性、效力、合成可用性 和代謝穩(wěn)定性等目標(biāo)的分子。生成的分子及其后續(xù)分?jǐn)?shù)將返回到生成引擎，以便模 型“學(xué)習(xí)”得分高的分子類型和得分低的分子類型，重新訓(xùn)練生成模型以生成高分 分子，已實(shí)現(xiàn)在一周內(nèi)發(fā)現(xiàn)全新的先導(dǎo)化合物類似分子，遠(yuǎn)超人類科學(xué)家的速度。 自Chemistry42推出以來，已有40多家制藥公司授權(quán)該軟件并將其用于自己的管道程 序，以改善自己對下一個(gè)突破性療法的探索。

2022年4月份，華為云計(jì)算技術(shù)的健康智能實(shí)驗(yàn)室推出了華為盤古藥物分子大模 型，該模型訓(xùn)練了17億個(gè)小分子化合物的數(shù)據(jù)集，這一模型結(jié)合了藥物分子的圖形 結(jié)構(gòu)和SMILES字符表示法，從兩個(gè)不同的角度理解分子，進(jìn)而構(gòu)建了一個(gè)自監(jiān)督 的預(yù)訓(xùn)練大模型。該模型適用于多個(gè)分子相關(guān)的后續(xù)任務(wù)，如預(yù)測分子屬性、生 成分子虛擬庫以及分子的優(yōu)化等。目前盤古藥物模型的預(yù)訓(xùn)練數(shù)據(jù)集是最大的，涵 蓋了多個(gè)公共數(shù)據(jù)源，盤古模型采用cVAE架構(gòu)，將小分子的圖形表示轉(zhuǎn)換成相應(yīng) 的化學(xué)式字符串，這樣做避免了在graph2graph模型中遇到的圖形生成的困難，并且 相比于seq2seq模型，在訓(xùn)練階段能夠提供更多的信息。此外，通過設(shè)計(jì)分層的潛在 空間，盤古模型在微調(diào)和化學(xué)指紋表示方面的能力得到了增強(qiáng)。盤古的創(chuàng)新網(wǎng)絡(luò)結(jié) 構(gòu)不僅易于訓(xùn)練，還能夠通過僅更新一個(gè)核心網(wǎng)絡(luò)來支持所有藥物發(fā)現(xiàn)任務(wù)的步 驟，展現(xiàn)出顯著的優(yōu)勢。

2023年底，深度勢能團(tuán)隊(duì)聯(lián)合29家單位的通力協(xié)作，發(fā)布了深度勢能預(yù)訓(xùn)練大模型 DPA-2。該模型面向豐富的下游任務(wù)，在微調(diào)DPA-2的"大模型"所需數(shù)據(jù)量整體上 減少了1-2個(gè)數(shù)量級。此外，經(jīng)過進(jìn)一步蒸餾和壓縮，深度勢能團(tuán)隊(duì)還開發(fā)了"小模 型"，該模型能夠保持過去模型的精度和效率。與去年發(fā)布的DPA-1相 比，DPA-2在模型架構(gòu)方面有顯著的更新，最大的特點(diǎn)是采用了多任務(wù)訓(xùn)練策略， 可以同時(shí)學(xué)習(xí)計(jì)算設(shè)置不同、標(biāo)簽類型不同的各類數(shù)據(jù)集。由此產(chǎn)生的模型在下游 任務(wù)上展現(xiàn)出極強(qiáng)的few-shot甚至zero-shot遷移能力，顯著超越了過去的解決方 案。目前，用于訓(xùn)練DPA-2模型的數(shù)據(jù)集已涵蓋了半導(dǎo)體、鈣鈦礦、合金、表面催 化、正極材料、固態(tài)電解質(zhì)、有機(jī)分子等多個(gè)體系。

洛桑聯(lián)邦理工學(xué)院（EPFL）和美國羅切斯特大學(xué)的研究團(tuán)隊(duì)，開發(fā)出了一款名為 ChemCrow的語言模型代理，這款代理能夠執(zhí)行包括有機(jī)合成、藥物發(fā)現(xiàn)和材料設(shè) 計(jì)在內(nèi)的多項(xiàng)化學(xué)任務(wù)。ChemCrow集成了17種由專家精心設(shè)計(jì)的工具，不僅提升 了其在化學(xué)領(lǐng)域的表現(xiàn)，還賦予了它新的能力。迄今為止，ChemCrow已成功自行 設(shè)計(jì)出一種驅(qū)蟲劑、三種有機(jī)催化劑以及其他相關(guān)分子。通過語言模型評估和專家 的評審，ChemCrow的有效性在自動執(zhí)行各類化學(xué)任務(wù)方面得到了證實(shí)。

中科大MIRA Lab團(tuán)隊(duì)與微軟研究院AI4Science團(tuán)隊(duì)共同開發(fā)了一種創(chuàng)新的分子生成 模型，名為MiCaM。該模型通過構(gòu)建一個(gè)含有數(shù)據(jù)驅(qū)動的高頻分子片段詞匯庫， 顯著優(yōu)化了藥物分子的生成過程。MiCaM模型特別強(qiáng)調(diào)了對連接感知的高頻子圖 （Mined Connection-aware Motifs）的利用，這些子圖是通過數(shù)據(jù)驅(qū)動算法從分子 庫中自動提取的，它們不僅包括常見的分子片段，還細(xì)致記錄了這些片段之間的連 接信息。利用這一策略，MiCaM設(shè)計(jì)了一個(gè)能夠同時(shí)選擇分子片段并確定其連接 方式的生成器，從而能夠基于這些高頻子圖構(gòu)造出全新的分子結(jié)構(gòu)。在進(jìn)行的兩項(xiàng) 基準(zhǔn)測試中：一項(xiàng)是生成與訓(xùn)練集高度相似的新分子（distribution learning），另 一項(xiàng)是創(chuàng)造具備特定目標(biāo)屬性的新分子（goal-directed）,MiCaM 模型展現(xiàn)了其在提高分子生成效率和探索化學(xué)空間方面的顯著能力。

2.臨床研究

以GenAI為代表的基于機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)和多模態(tài)人工智能的應(yīng)用有望從多 個(gè)角度優(yōu)化臨床開發(fā)，包括篩選臨床試驗(yàn)中心、監(jiān)管合規(guī)、藥物選擇和患者入 組、臨床研究方案設(shè)計(jì)和試驗(yàn)報(bào)告生成、以及提高藥物警戒等方面。以此，從根 本上改變醫(yī)療事務(wù)部和整個(gè)生物制藥或醫(yī)療技術(shù)行業(yè)管理科學(xué)發(fā)現(xiàn)、開發(fā)和商業(yè) 化的方式。最近在GenAI的動向總體呈現(xiàn)兩大規(guī)律，一是提升GenAI技術(shù)服務(wù)能 力，通過技術(shù)優(yōu)勢獲得大型企業(yè)合作方的青睞；二是利用GenAI賦能自身自研管 線，以期轉(zhuǎn)型為創(chuàng)新藥研發(fā)中心或 藥企，鞏固行業(yè)領(lǐng)先優(yōu)勢。

2.1監(jiān)管合規(guī)

在臨床研究中，監(jiān)管合規(guī)是一個(gè)非常重要的課題。研究人員需要遵守各種法規(guī)和規(guī) 定，以確保臨床研究的合法性和可靠性。然而，這些法規(guī)和規(guī)定通常非常復(fù)雜，需 要花費(fèi)大量的時(shí)間和精力來理解和遵守。同時(shí)，不同地區(qū)的監(jiān)管要求也可能存在差 異，這使得跨地域合規(guī)變得更加困難。傳統(tǒng)上，研究人員需要手動處理監(jiān)管文本， 這非常耗時(shí)且容易出錯(cuò)。如果能夠?qū)崿F(xiàn)自動化處理監(jiān)管文本，將大大提高研究人員 的效率，并減少錯(cuò)誤的發(fā)生。最后，不合規(guī)可能會導(dǎo)致嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)，這將對研 究機(jī)構(gòu)和企業(yè)造成巨大的損失。利用GenAI結(jié)合自然語言處理、機(jī)器學(xué)習(xí)、知識圖 譜構(gòu)建等先進(jìn)技術(shù)，能夠從龐大的法規(guī)文本中快速提取與特定目的相關(guān)的法規(guī)，加 速合規(guī)進(jìn)程，并實(shí)現(xiàn)自動化處理監(jiān)管文本，減少對第三方法律和合規(guī)支持的依賴。

2023年3月， Medidata 平臺發(fā)布了包含超過 30,000 項(xiàng)試驗(yàn)與 900 萬名患者的 Medidata AI，將患者層面數(shù)據(jù)直接從試驗(yàn)中的所有病例報(bào)告提取，確保臨床試驗(yàn) 產(chǎn)生合規(guī)的數(shù)據(jù)質(zhì)量，對數(shù)據(jù)輸入中的錯(cuò)誤、異常值、前后不一致和錯(cuò)誤報(bào)告中的 不良事件進(jìn)行排序和分類，以加快藥品審批流程。此外，強(qiáng)生使用的GenAI項(xiàng)目針 對新藥上市合規(guī)審查的需求給予全方面的賦能，通過獲取國家藥監(jiān)局、藥物審評中 心、中國食品藥品檢定研究所的法律法規(guī)、指導(dǎo)原則、相關(guān)公告等內(nèi)容并定期更 新，利用大模型的能力進(jìn)行智能語義檢索和細(xì)節(jié)內(nèi)容問答，并可通過內(nèi)置實(shí)體模型 對法規(guī)文檔進(jìn)行主題分類和實(shí)體抽取。針對用戶對于藥品上市合規(guī)審查指導(dǎo)原則 進(jìn)行全文問答，并溯源至原文段落、針對用戶對于法律法規(guī)中段落內(nèi)容的提問，能 通過檢索問題相關(guān)的文檔，可選單篇或多篇進(jìn)行問答，可準(zhǔn)確定位至相應(yīng)內(nèi)容，并 總結(jié)回復(fù)、能幫助用戶對于國內(nèi)藥品技術(shù)指導(dǎo)原則中較為專業(yè)復(fù)雜的試驗(yàn)設(shè)計(jì)進(jìn)行 分析總結(jié)。

2.2 臨床試驗(yàn)中心篩選

臨床試驗(yàn)中心的篩選是為了評估其在臨床試驗(yàn)方面的資質(zhì)、專業(yè)性、合作意愿和 經(jīng)驗(yàn)等方面，以確保在該中心開展的臨床試驗(yàn)具有可靠性和有效性。這一步驟對 于臨床試驗(yàn)的成功開展至關(guān)重要。通過進(jìn)行可行性研究，可以為項(xiàng)目組提供在該 中心開展研究的依據(jù)，并提前預(yù)判可能會遇到的問題。因此，臨床試驗(yàn)中心的篩 選和評定是臨床試驗(yàn)開展前必不可少的重要環(huán)節(jié)。生物醫(yī)藥大健康行業(yè)在臨床試 驗(yàn)中心篩選方面存在許多挑戰(zhàn)和痛點(diǎn)，其中，信息不對稱是一個(gè)顯著問題，醫(yī)藥 企業(yè)需要了解每個(gè)臨床試驗(yàn)中心的實(shí)力、經(jīng)驗(yàn)、設(shè)備和人員等方面的信息，但這 些信息并不總是公開或易于獲取。同時(shí)，時(shí)間成本高和風(fēng)險(xiǎn)控制難度大也是臨床 試驗(yàn)中心篩選的挑戰(zhàn)，醫(yī)藥企業(yè)需要花費(fèi)大量時(shí)間和精力去篩選臨床試驗(yàn)中心， 如若選擇不合適的臨床試驗(yàn)中心可能會導(dǎo)致試驗(yàn)失敗或者延期，增加項(xiàng)目的風(fēng)險(xiǎn) 和成本。 Acorn AI 的 Intelligent Trials 解決方案基于 20000 項(xiàng)臨床試驗(yàn)的行業(yè)領(lǐng)先數(shù)據(jù)，提 供分析平臺，以提高試驗(yàn)的速度、成功率和質(zhì)量。Intelligent Trials 解決方案助力 優(yōu)化試驗(yàn)設(shè)計(jì)，選擇最優(yōu)的國家/地區(qū)與研究中心，并在啟動后確保試驗(yàn)表現(xiàn)良 好。GenAI可以利用數(shù)據(jù)分析、智能決策支持和預(yù)測分析等技術(shù)手段，為臨床試 驗(yàn)中心的篩選提供全面支持和優(yōu)化。

3.上市及商業(yè)化

學(xué)術(shù)推廣

醫(yī)藥企業(yè)在營銷推廣方面目前存在著幾大痛點(diǎn)。首先，“醫(yī)藥分離”背景下， 藥品進(jìn)院及推廣都對銷售團(tuán)隊(duì)以及經(jīng)銷商人員的專業(yè)能力提出了更高的要求， 醫(yī)學(xué)營銷推廣需要處理大量的臨床研究數(shù)據(jù)，這些數(shù)據(jù)往往非常復(fù)雜，需要花 費(fèi)大量的時(shí)間和精力進(jìn)行分析和提取。其次，醫(yī)學(xué)營銷推廣需要對不同市場的 文 化、語言、習(xí)慣等進(jìn)行深入了解。此外，醫(yī)學(xué)營銷推廣還需要考慮隱私和合 規(guī)性等問題，確保推廣活動的合法性和合規(guī)性。 首先，在醫(yī)藥企業(yè)的銷售端，GenAI能幫助企業(yè)內(nèi)部的醫(yī)藥代表和MSL，優(yōu)化工 作效率，降低人工成本，從而在整體上賦能銷售增長。柯基數(shù)據(jù)針對銷售端主 要面臨的內(nèi)容合規(guī)審核慢、以及SOP流程類問題多的痛點(diǎn)，為德國MNC藥企市 場部門打造了面向銷售端的學(xué)術(shù)推廣智能助手。智能助手統(tǒng)一構(gòu)建和維護(hù)銷售 端知識庫，覆蓋臨床產(chǎn)品、醫(yī)學(xué)和SOP流程指引類知識，并與十多個(gè)銷售端業(yè)務(wù) 系統(tǒng)打通，以接口形式實(shí)時(shí)更新知識庫；通過基于知識圖譜和大模型GraphRAG 的技術(shù)實(shí)現(xiàn)醫(yī)學(xué)素材段落原文問答與溯源，確保學(xué)術(shù)推廣的合規(guī)性。在企業(yè)微 信中，以對話機(jī)器人的形式，自動回復(fù)代表90%的問題，10%無法解答的以企 業(yè) 郵件的形式與各平臺負(fù)責(zé)人對接并當(dāng)日及時(shí)回復(fù)。通過GenAI工具，以10篇最新 文章為例，升級前需要2個(gè)月的上線時(shí)間，以最新的解決方案，可實(shí)時(shí)更新發(fā)布 上線。降低了人工成本80%，提升上線效率90%以上，且由于智能性大大提 升， 吸引醫(yī)藥代表和MSL使用并提升整體銷售端的使用活躍度60%以上。

其次，GenAI在醫(yī)生端，由于醫(yī)生面臨著醫(yī)學(xué)學(xué)術(shù)資料數(shù)量多，更新快，無法快 速有效學(xué)習(xí)以提升診療和科研能力等相關(guān)問題。醫(yī)藥企業(yè)需要為醫(yī)生端提供更 加智 能的學(xué)術(shù)推廣應(yīng)用。目前，GenAI能夠充分利用大量的醫(yī)學(xué)學(xué)術(shù)會議內(nèi) 容、訓(xùn)練數(shù)據(jù)、知識圖譜和專家經(jīng)驗(yàn)，快速準(zhǔn)確地回答最新的醫(yī)學(xué)臨床研究問 題并做總結(jié)。美國醫(yī)藥咨詢公司 ZoomRx推出了基于GenAI技術(shù)的應(yīng)用程序 Ferma GPT。Ferma.AI是ZoomRx開發(fā)的一個(gè)LLM，它利用了全面的生命科學(xué)數(shù) 據(jù)集、精心設(shè)計(jì)的知識圖譜、制藥業(yè)專用的訓(xùn)練模型以及專業(yè)的人類智能和監(jiān) 督。這 種方法使Ferma.AI能夠適應(yīng) 制藥業(yè)的具體需求，其處理和理解復(fù)雜的醫(yī) 學(xué)和科學(xué)語言的獨(dú)特能力使其有別于傳統(tǒng)模型。Ferma.AI可以通過提供快速、準(zhǔn) 確的 信息，使繁瑣的任務(wù)自動化。FermaGPT的AACR應(yīng)用程序可以梳理所有 8230份提交的摘要和研究，以滿足特定的請求，如識別NSCLC中的新型KRAS摘 要或總結(jié)圍繞前列腺癌種族差異的關(guān)鍵討論。除了人工智能生成的一兩段回答 用戶的 問題外，F(xiàn)ermaGPT還能夠列出原始材料和鏈接。ZoomRx在2023年4月14 日至 19日舉行的美國癌癥研究協(xié)會（AACR）年會推出其生成性人工智能產(chǎn)品 的公開版本，專門用于醫(yī)學(xué)會議。2024年，ZoomRx計(jì)劃在數(shù)據(jù)和信息發(fā)布后繼 續(xù)添 加。ZoomRx計(jì)劃今年為大多數(shù)大型醫(yī)學(xué)會議以及許多小型會議創(chuàng)建 FermaGPT公共訪問應(yīng)用程序，包括AAN、ASCO、ESMO、SABCS和ASH。

患者教育

患者教育是指醫(yī)療專業(yè)人員向患者及其家屬提供有關(guān)疾病、治療和預(yù)防的信息和 指導(dǎo)。它旨在增加患者對自身健康狀況的了解，提高其自我管理疾病的能力，并 促進(jìn)良好的健康結(jié)果。在患者教育方面，由于醫(yī)學(xué)領(lǐng)域涉及大量的專業(yè)術(shù)語和復(fù) 雜的概念，這對患者來說可能難以理解。醫(yī)生需要確保以簡明扼要的方式傳達(dá)信 息，避免使用過于專業(yè)化的術(shù)語，以便患者能夠理解和應(yīng)用。 目前，GenAI可以針對不同市場的本土化特點(diǎn)，以及通過對目前患者的特點(diǎn)，針 對性地生成和構(gòu)建患教內(nèi)容，例如圖像、內(nèi)容、數(shù)字廣告和宣傳材料。美國的人 工智能工程公司Fractal Analytics提供Avalok GenAI解決方案，可以幫助營銷人員 創(chuàng)建營銷內(nèi)容、分析競爭情報(bào)，并通過個(gè)性化答案增強(qiáng)客戶體驗(yàn)，同時(shí)確保隱 私和合規(guī)性。

醫(yī)蝶谷是阿里健康旗下的一款醫(yī)生個(gè)人診所云平臺，專為醫(yī)生打造，旨在提供便 捷、高效、可信的操作平臺，以便于為患者提供優(yōu)質(zhì)的醫(yī)療服務(wù)。醫(yī)蝶谷的 GenAI能力可以幫助醫(yī)生制作科普視頻，常規(guī)錄制一個(gè)科普視頻可能需要幾十分 鐘，甚至更長。當(dāng)醫(yī)生擁有一個(gè)數(shù)字人模型后，醫(yī)生無需多次拍攝，只需提交腳 本后會自動生成視頻。 另外，GenAI可以輔助醫(yī)藥企業(yè)搭建面向患者的健康管理用藥助手，提供藥品說 明書相關(guān)信息、在線和線下購藥渠道咨詢等智能問答，及時(shí)解決患者遇到的相關(guān) 問題。同時(shí)，GenAI還可以提供慢病智能護(hù)理與營養(yǎng)健康知識圖譜智能推薦等， 幫助患者更高效的獲得疾病及藥品、營養(yǎng)等相關(guān)的知識內(nèi)容，提高自我健康管理 的能力。