21世纪经济报道记者季媛媛 上海报道
生物医药作为生命健康产业的关键一环，是实现‘健康中国’国家战略的重要基石，同时在培育新质生产力方面也发挥着举足轻重的作用。
上海作为国内最早布局生物医药产业的城市之一，历经30余年蓬勃发展，产业规模由小到大，综合实力由弱到强，始终保持国内领先地位，并朝着成为具有国际影响力的生物医药创新高地和世界级生物医药产业集群不断迈进。
生物医药创新发展离不开创新技术的支持。近日，上海市人民政府办公厅印发《上海市发展医学人工智能工作方案（2025—2027年）》，旨在推动人工智能与医学创新的深度融合。该方案提出了一系列措施，包括加强前沿领域研究布局、推广智能康复服务、建设人工智能药物研发平台和提升医疗器械智能化水平。这些措施旨在将上海打造成为全球医学人工智能技术创新、应用示范和产业发展的高地，从而推动卫生健康事业的高质量发展。
为促进“AI（人工智能）+医疗”持续发展，一系列政策文件陆续出台。不论是在不断深化前沿基础研究，还是在大力推动算法突破与算力提升等层面，各环节关键要素正不断被完善。
有券商分析师对21世纪经济报道记者指出，传统的药物研发主要包含药物发现、临床前研究、临床试验和上市销售环节，随着药物研发数据的迅速累积、数字化转型的推进以及人工智能技术的快速发展，AI在新药发现环节的应用愈发广泛，其优势也日益显著。数据、算法、算力三方面的不断进步，为AI大规模进入药品研发领域奠定了坚实基础，使其成为了现实。
根据摩根士丹利去年发布的一份报告，AI制药的全球市场规模在短期内已经达到了500亿美元，并且预计将继续增长。目前，全球有超过343家AI药物研发企业，其中超过一半的公司位于美国。此外，AI制药领域的企业数量已超过270家，这些企业中不乏与辉瑞、礼来、赛诺菲等医药巨头建立了稳定合作关系的头部企业，它们已经获得了数百亿元的订单。
“近年来AI一度站上风口，制药企业试图借势起飞，AI制药或将成为未来现实。”上述分析师说道。
AI+医疗，大势所趋
近年来，AI技术在医药领域的应用也取得了显著进展。例如，波士顿咨询公司近期在《Drug Discovery Today》上发表的研究报告指出，AI技术在药物发现领域的应用显著提高了药物分子在临床试验中的成功率。具体而言，AI发现的药物分子在临床试验I期的成功率高达80%～90%，相较于传统方法的50%成功率，实现了显著的提升。
在当下，数据驱动的毒理学研究、AI技术在癌症相关靶点的发现等方面的进展都是药物研究中至关重要的环节。这些突破性发现之后，该系统进一步能够指导先导化合物的合成，并有能力完成整个有机合成实验过程。
“未来，科研和成果转化将依赖于数字孪生系统的建立。数字孪生技术在医疗领域的应用已经取得了显著成效，例如通过数字孪生可视化系统，医院管理人员可以实时监控医院的运行状态，优化资源配置，并为医疗决策提供支持。此外，数字孪生技术还被用于个性化治疗建议、手术模拟和训练、药物研发以及远程医疗服务，从而提高医疗服务的效率和质量。”谈及大数据驱动的数字医学场景，中国工程院院士杨胜利在第六届健康中国思南高峰对话上介绍，数字孪生之所以受到广泛关注，是因为它将数据转化为人工智能系统的关键。
与传统的全生命周期健康档案不同，数字孪生系统具备预测和决策能力，这正是其与传统数据档案的本质区别。例如，本文特别强调了数据在药物发现中的重要性，因为数据的准确性是驱动整个数字医学发展的关键。
然而，在将AI技术应用于医学领域的过程中，仍需克服一些障碍。杨胜利认为，目前，临床面临的首要任务是解决数据标准化问题，需要打破数据孤岛，确保数据安全，尤其是医学数据涉及个人隐私，必须严格保护。在数据标准化的基础上，还需要确保数据的安全性，这是不可逾越的红线。
中国科学院院士、第十三届全国人大常委会副委员长陈竺认为，当前，我们需要深入思考人工智能、大数据模型与健康在实际应用层面的融合发展之道。
“只有通过长期的自然人群或专病人群队列研究，才有可能弄清楚发病原因、暴露风险以及遗传易感性，共享数据，这样才能为健康奠定坚实的基础，为产业发展提供生物标志物和药物靶点。”陈竺指出，“公共卫生政策也非常重要。近年来，国家在应对重大传染病时，技术并非短板，关键在于缺乏完备的决策科学体系。如何将这些力量整合在一起，做出科学判断，这也要求我们在最关键时刻采取最关键的手段。”
在20世纪90年代启动的人类基因组计划时，实际上也催生了一大批科学成果，例如基因编辑，当人类对基因组序列有了更明确的了解，对其功能有了更多的认识时，一些科学家在对低等生物的基础研究中，不带功利性地发现了基因编辑这一现象。一旦发现，它给生物学带来的变化可以说是颠覆性的。
“也就是说，一些真正原创性的东西是无法规划的，我们可以规划的是环境，在这个环境中让科学家有自由想象的空间。”陈竺强调，生物医药产业实际上涵盖了一个漫长的链条，从新药前期先导化合物的筛选到新药的发现，再到临床前研究、临床研究、医药制造、新药上市及上市后的研究，整个过程极为复杂且漫长。
“如何优化这样的过程，近年来，美国食品药品监督管理局（FDA）实施了新的法律，允许某些新药或技术在满足伦理学基本要求的前提下，跳过传统的临床前实验阶段，直接进入人体临床试验。例如，2022年12月底，美国总统拜登签署法案，新药不再需要在动物上进行试验，也能获得FDA的批准。所以我也在想，现在生态系统建设对于产业发展也是非常重要。”陈竺说。
AI重塑医疗健康
一个人工智能（AI）机器人，在短短8天内可以独立完成668项实验，合成了668种化合物，并成功研发出一种全新的化学催化剂。这一成就令人印象深刻。
AI，作为新一轮科技革命和产业变革的重要驱动力，正在深度重塑医疗健康领域。
随着AI和大数据模式逐渐渗透到医药、临床、新药发现以及健康管理和干预等多个领域，中医药这一传统医学领域也将迎来前所未有的发展机遇，这在历史上可能是百年难遇的。AI大模型使人类能够快速、高效地了解其工作原理，预测其未来的工作方式。
“我们可以通过大数据和结构化数据的计算和推理，反复进行简单的事情，最终实现升华和进化，发现事物之间的关联和互动规律，即我们药物研究中所说的机理，它通过什么样的路径发挥作用。”嘉道资本董事长龚虹嘉在上述会议上指出，当人类达到这一高度时，对中医复方的认知将不再仅仅局限于寻找特定的靶点，而是会将真实世界的洞察和真实人群的数据，视为更具深度、权威性和说服力，以及评价公信力的药效评价依据。
事实上，从本次上海发布的文件可以看到，上海将围绕人工智能认知智能、强化学习等前沿领域加大研究布局，支持在脑科学与脑机接口、计算生物学等医学前沿领域的创新探索。鼓励位于上海的国家实验室、科研机构与医疗机构深化合作，共同努力，以期孕育出一系列具有引领性和颠覆性的理论创新成果。
与此同时，上海将建设小分子创新药物筛选和优化平台，实现基于靶点动态结构的先导化合物发现、药效评估和老药新用等。建设大分子生物医药大模型干湿迭代设计平台，发展大模型与低通量湿实验一体自动化技术，实现蛋白质粒构建、表达、纯化、性能检测等低通量湿实验的全过程自动化，加速产品研发。
特别是在药械研发层面，AI将与之深度融合。具体来看：一是，助力创新药物研发。推进人工智能技术在中成药靶点、罕见病、复杂疾病抗药性、创新药检验检测等复杂领域的应用。支持蛋白结构预测与重构设计、药靶预测、药物设计与智能优化、虚拟筛选、晶型剂量、器官芯片等关键技术研究。
二是，提升医疗器械智能化水平。推动医学影像设备、智能可穿戴设备及医用机器人等前沿创新医疗器械，向更加智能化、精准化及个性化的方向稳步迈进。加大对多模态大模型、扩展现实、柔性感知等前沿技术的支持力度，让这些技术为医疗器械设备赋能，进而开发出高性能的人工智能医疗器械创新产品。
三是，助力药械临床试验。推动人工智能技术在临床试验管理方面应用。探索应用数字孪生技术，结合药物人工智能模型，建立患者和疾病模型，开展肿瘤新药虚拟临床研究试点。深入挖掘临床专病队列和自然人群队列的特征与规律。
此次，上海将发挥张江生物医药创新引领核心区和人工智能产业集聚区的优势，打造医学人工智能创新与应用引领区。支持“大零号湾”、徐汇滨江等人工智能产业集聚区创新发展，打造人工智能与医学发展融合区。同时，采取引育并举的策略，既支持创新企业不断发展壮大，又鼓励人工智能领域的领军企业积极向医学领域跨界拓展。面向全球吸引优秀的医学人工智能创业团队、孵化机构和投资机构，培育孵化具有创新活力的初创型医学人工智能企业，构建梯次接续的企业生态体系。
临床转化不容缺失
生物医药投资的最终目的是解决人类健康问题、消除疾病、实现长寿和抗衰老。它面临着严格的监管和漫长的周期。医药研发行业长期以来面临着“双十定律”，即平均需要超过10年的时间和10亿美元的投入才有可能成功上市一款新药。
然而，随着人工智能技术的应用，这一现状正在被改变。例如，英矽智能利用AI技术，将药物研发的时间缩短了三分之二，费用也仅为行业平均水平的十分之一。
尽管大数据、AI技术与医疗的深度融合体现在医疗产业不同的环节，大数据AI技术能够赋能创新药物研发的不同阶段，缩短药物研发周期，并通过AI技术提升新药研发的成功率；在临床诊疗阶段，通过AI可提升诊断的准确性，为医生提供更为精准的诊疗决策。医疗数字化更成熟地发展有赖于大规模的结构化、标准化的医疗数据，进而基于此训练出更加精准的算法模型。
然而，医疗数字化目前仍处于初级阶段，各领域虽有喜人尝试，但应用场景仍相对有限，距离全面成熟应用尚有较长路程。
有药企高管对21世纪经济报道记者表示，现在无论是国内外的大厂或是初创企业，AIGC在商业变现上还没有一个成熟的商业模式。从产品角度，AIGC处于早期发展阶段，出现的众多内容生成利器使用门槛低，更多还是面向C端，但大部分玩家仅仅是为了娱乐，难以转化成真正的付费用户。将AIGC用在B端让其辅助工作流程或实际提高工作效率，产生价值，才能形成一个可持续的商业模式。
尽管有批评人士对AI研制药物的成功概率持怀疑态度，认为其潜力被过分夸大，如Exscientia公司与日本住友制药合作，利用AI技术开发的治疗强迫症药物DSP-1181，尽管在2020年进入临床试验阶段，但最终因未达到预期标准而停止。今年，英国明星AI制药公司Benevolent AI宣布，由于其主要候选药物在IIa期临床试验中未能达到预期疗效，导致公司战略调整并裁员近180人，占员工总数近50%。
龚虹嘉介绍，仅仅有技术是不够的，医学转化也需要得到重视。利用政府医学转化平台与知名医院合作，结合社会资本和市场化机制，可以在人工智能时代到来之际，促进新药研发的转化。
“临床医生和科室主任将能够运用大型AI模型，他们拥有自己的实验室，指导博士生和研究生。通过这些先进的AI模型，临床数据、实验室数据以及多组学、多维度的数据可以被统一计算和分析。”龚虹嘉认为，临床科室主任将转变为跨领域的科学家，这一转变降低了进入科学领域的门槛。对于那些能够获取真实、完整实验室数据和临床数据的科学家和医生教授们，创新春天已经来临。
当然，中国在利用IIT路径方面也走在了世界前列，这一路径由研究者主导，极大地提高了创新发现的效率，并与AI大模型相结合。在药物研发的过程中，虽然整体周期可能会更长，但发现新药的时间却因此缩短。
“AI技术帮助我们缩小了研究范围，在临床验证阶段，我们能够迅速锁定更为精确的目标。通过与耐心资本的合作，我们能够确保药物研发的每个阶段都能顺利推进。我认为，我们已经找到了创新药物研发和临床发现转化为新药的最有效路径。”龚虹嘉说。
本文链接：聚焦数字健康｜AI+医疗：新一轮科技革命和产业变革的重要驱动力http://www.llsum.com/show-9-24274-0.html
声明：本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。