醫藥的大模型時間！AI賦能行業按下“加速鍵”，業內仍期盼革命性技術出現 | 醫藥築底系列④

財聯社2月25日訊（記者 何凡）Deepseek猶如一枚“深水炸彈”，推動已經初步發展的AI醫藥領域進一步革新。一方面，AI憑藉強大的數據總結能力和知識儲備，爲基層醫生匱乏、醫療資源分佈不均等難題提供了全新解決方案；另一方面，在製藥領域，AI能極大提高藥物模型篩選、臨牀方案設計和產品營銷工作的效率，不少醫藥企業在接受財聯社記者採訪時均表示已接入大模型或對其抱有積極態度。

但藥企對於如何利用AI在研發領域發力，減少臨牀試驗時間和精力等難題，依然倍感困擾。而且技術進步背後所涉及的問題不容忽視，面對“先問AI再問醫生”的現實難題，業內認爲，技術侷限性和倫理、法律責任的不可逾越性使得AI客觀上不具備成爲責任主體的能力。

當醫藥碰撞Deepseek“催化劑”

在醫藥行業，AI的運用已經積累多年。

康希諾（688185.SH）方面對財聯社記者表示，“公司一直在使用AlphaFold。研發工作中，傳統的AI應用如蛋白設計很重要，藉助AlphaFold等工具能預測蛋白結構改進特性，有助於快速開發創新疫苗。”

“公司前幾年成立研發中心就開始佈局了人工智能方向的應用，跟蹤及部署不同用途的AI模型，同時研發部也一直關注全球人工智能動態。”博濟醫藥（300404.SZ）子公司九泰藥械總經理李強告訴財聯社記者。

然而“席捲而來”的Deepseek風，帶給了醫藥行業一些全新的變化，從部分傳統制藥企業對AI由觀望到全面擁抱態度的極速轉變，到醫院紛紛發佈大模型的熱火朝天，可以說Deepseek令AI和醫療健康的融合進一步加深，從藥物研發、影像診斷、健康管理等各個方面，爲醫療行業的未來發展注入了新的可能性。

據財聯社記者不完全統計，本月以來，已有數十家醫院完成大模型部署，將AI落地於診療端。23日，東南大學附屬中大醫院在官微宣佈，該院已完成醫療信息系統與DeepSeek的對接，在患者服務、臨牀支持、科研創新等領域實現升級。18日，華爲瑞金病理大模型發佈，該模型融合了多模態數據，並結合中國人羣的疾病特徵，能爲醫生提供更精準、高效的輔助診斷支持。此外，成都市第一人民醫院、深圳大學附屬華南醫院、上海市第六人民醫院等多家醫院也均完成DeepSeek接入，加速推動醫療智慧化。

"人機協同的核心一方面在於重構專業能力體系，另一方面是管理者意識轉變。"李強指出，“技術方面的問題就交給技術，目前最難的地方還是‘人腦’，管理者、行業精英一定要擁抱新技術，順應時代大勢。另外，使用AI後，員工崗位職責要重新定位。”

製藥企業中，恆瑞醫藥（600276.SH）積極探索Deepseek的創新應用場景，希望通過智能化手段優化業務流程、提升工作效率、降低運營成本；復星醫藥（600196.SH）發佈PharmAID決策智能體平臺，通過整合DeepSeek-R1模型，將靶點篩選週期從18個月縮短至4個月。

更多企業抱着“躍躍欲試”的態度，華神科技（000790.SZ）方面對財聯社記者表示，公司有使用AI技術的打算，DeepSeek技術的應用或爲行業帶來全新機遇。當岐黃智慧遇見現代算力引擎，“數字本草生態”將使中醫藥在“健康中國”戰略中發揮更大作用。此外，DeepSeek可重構人才系統——運用智能畫像精準構建“π型能力”人才矩陣。

康希諾方面向財聯社記者指出，Deepseek與以往AI應用的不同之處在於，“DeepSeek這類生成式AI，在撰寫報告、總結、臨牀方案等工作中，能有效提升研發人員工作效率，一方面，在只需工作人員參與評估結果的情況下，非編程人員也可在AI幫助下完成統計代碼編寫；另一方面，AI可用於產品介紹和客服，提供準確統一的答案，方便醫護人員理解產品。”

李強告訴財聯社記者，“公司於2024年正式引入DeepSeek、BioGPT+RAG、DALL-E 等前沿大語言模型，構建起覆蓋臨牀試驗從文獻檢索、方案設計審覈、招募計劃及臨牀試驗總結報告（CSR）全流程的智能輔助系統。在方案設計環節，AI可基於歷史數據自動生成合規性達標的方案初稿；CSR文件編寫方面，通過語義理解結合公司標準模版與試驗數據統計結果，輔助醫學部快速出具總結報告初稿，提升職能部門效率。”

“AI長遠應用是很宏大的敘事，融入到產業鏈競爭力中是必然的。未來產品的AI化是標配，缺少AI，或配置低了，產品就沒了競爭力，事關企業生死。”東方富海投資管理有限公司醫療合夥人王培俊認爲。

資本市場方面，近期與AI概念相關的個股頗受投資者青睞。Wind數據顯示，截至2月24日收盤，本月國金AI醫療20指數上漲超31%；民生證券研報顯示，2025年1月，全球醫療保健和AI領域融資額分別達94億和57億美元，佔當月風投總額的58%。

國盛醫藥分析師宋歌對財聯社記者表示，前段時間資本市場的醫藥AI行情其實更偏向於主題炒作，真正到兌現落地，可能還需要一段時間逐步落實。但是，AI確實吸引了一些資金進入，這對於醫藥行業的資金面是一個改善。同時，“醫藥+AI”的發展值得長期關注和重視。

中信證券首席醫療健康產業分析師陳竹告訴財聯社記者，AI在醫療領域的爆發，爲這個行業提供了更多可想象的空間。醫療是一個具有豐富數據且還沒有絕對公開的領域，因其垂直程度很深，AI難以在短時間內窮盡，因此具有更大的發揮空間。

醫藥+AI中的現實困境，應用仍待新技術革新

AI前景廣闊，應當擁抱AI已是十分明確的路線，但在製藥研發中，如何高效運用AI依然存在困難，一個直觀的數據是，截至目前，全球尚無AI研發藥物上市。

“真的是看不清楚。”有上市藥企高管對財聯社記者表示，“AI我們覺得目前只是提高效率，在研發領域還看不清楚。”

中國藥企管理協會MAH專委會副主任委員、行誠生物商務副總裁劉肖向財聯社記者分析了AI製藥研發上的困難點：第一，是否能真正訓練出適合創新藥研發的模型是非常關鍵的；第二，訓練大模型需要大量數據，在法律上存在IP保護、客戶隱私等諸多問題，很多企業不願意公開數據，這就導致實際上每家企業是獨立在做訓練。另外在臨牀過程中，由於不同臨牀階段的入組標準及產品上市後入組標準不完全一致，因此有可能造成數據不具有代表性，這會造成AI的“抑鬱”。從研發角度來說，以“數字孿生體”概念爲例，其可模擬臨牀試驗，有望極大提高試驗的安全性和效率，這些都有待技術的進步。

對於AI在臨牀試驗上的應用較少現象，一位上市藥企內部人士曾表示，企業從產品立項到最後上市，花費最多的就是在臨牀階段，非常關注在臨牀階段有沒有一個很好的工具、算法或者大數據分析等，能給企業做立項決策時提供依據。

而在數據引用層面，也有CXO公司內部人士認爲，使用AI大模型時，需要在技術創新與風險管理之間找到平衡。他告訴財聯社記者，AI大模型需要大量數據訓練，可能涉及客戶或患者的敏感信息，數據泄露或濫用可能導致法律糾紛、聲譽損失和罰款。

除此之外，AI醫療也已顯現一些現實困境。

近日，“湖南嚴禁用AI生成處方”、“患者在就醫前後尋求AI的‘第二診療意見’”等頻遭熱議，也引發了AI背後所涉及的醫療倫理、法律監管及行業未來發展等多重話題的思考。

“醫生短缺是中國社會整體亟待解決的問題，相比製藥，這個問題可能更迫切。”劉肖認爲，當前倫理主要是保護人類利益，並沒有關注AI自身的“權利”或者“意識”，而無論是倫理、法律還是道德更新都是滯後的。隨着大模型技術的進步，後續法制監管、倫理認知也會隨之革新。

北京百思力營銷策劃有限公司總經理王恆則認爲，AI不負法律責任，從現階段技術來看，大部分AI只能總結過去經驗，但經驗也許是錯誤的，所以它只能起到輔助作用，最後做判斷的還是人，人才能作爲負責的主體。

Nature論文顯示，谷歌醫療大模型Med-PaLM 2，在MedQA數據集（模擬美國醫師執照考試風格的題目）上達到了86.5%的準確率，這一表現接近甚至在某些專科領域超過了普通醫生的水平。但在某些情況下可能會生成不準確或無關的信息，尤其是在需要複雜推理的長問題中。該現象在業內也被稱爲“幻覺風險”。