2024年数字经济专题：人工智能与数字经济驱动医药产业升级.docx

2024年数字经济专题：人工智能与数字经济驱动医药产业升级

一、医药行业全产业链在数字技术及AI驱动下的产业升级需求

（一）数字经济及AI浪潮下推动医药产业智能化升级

随着全球新一轮科技发展和产业革命，以人工智能（AI）为代表的数字技术突飞猛进，成为经济增长的核心驱动力。近年来，AI技术在数据、算法和算力等关键要素的迭代下，已从自然语言处理逐步扩展至计算机视觉、多模态、科学计算等领域，泛化性和通用性得到极大程度提高，同时开启了未来AI技术发展的新范式。医药行业是AI最重要的应用领域之一，在数字技术呈爆发式增长的驱动下具有产业升级的需求。AI医药产业链整体可分为基础层、技术层和应用层三个层级，基础层用于提供数据、算力和算法支撑：其中数据基础涉及Pubmed语料库、NCBI数据库等医学信息；算力基础涵盖芯片、服务器和通信网络等技术设施；算法基础包括深度学习、开源框架等算法模型。技术层用于构建应用体系：将计算机视觉、自然语言处理、智能语音识别、语义分析等技术应用于医药产业链。基础层提供的资源支撑和技术层构建的应用体系，共同驱动应用层的智能化升级，主要赋能四个应用场景：1）药品和制药领域：赋能药物研发、生产工艺优化及药物的个体化使用；2）医疗器械领域：赋能手术机器人、康复器械等产品设计以及物联网、远程诊疗的设备网络；3）医药商业领域：赋能智能化医药物流和电子处方处理系统；4）医疗服务领域：赋能医疗信息大数据和大模型辅助诊断和治疗，以提供最优的临床解决方案。

目前医疗AI的技术架构已开始从深度学习向大模型方向转移，2017年谷歌公司首次提出基于自注意力的Transformer架构，奠定了预训练大模型的算法基础；2018年基于Transformer的算法框架，谷歌和OpenAI分别搭建了GPT与BERT大模型，使得预训练大模型成为自然语言处理领域的主流。由于医学数据具备复杂性、多样性和高维性，单一文本模态的技术应用较为受限；而预训练大模型在单模态的基础上演化出了语音、图像、视频等多模态，打通了自然语言处理与计算机视觉之间的壁垒，为医疗AI技术的发展提供了强有力的支持。

助力医疗产业升级的多模态AI大模型分为五个类别：1）图学习大模型（LGMs）可用于预测蛋白质结构、分析基因组学及设计药物，助力制药领域的药物研发和生产工艺提升；2）语言条件多智能体大模型（LLMMs）可实现远程诊疗、智能导诊和手术机器人，助力医疗器械领域的产品设计和智能化网络升级；3）多模态大模型（LMMs）可用于识别医学数据并挖掘数据价值，助力商业领域分析健康大数据，构建信息化平台；4）大型语言模型（LLMs）可用于回答医学问题、提供医学建议，视觉大模型（LVMs）及视觉-语言大模型（VLMs）可用于识别医学图像、生成图像注释，三类模型均可提供AI辅助诊断、AI辅助治疗的医疗服务。AI大模型的应用将极大提高医药产品质量和医疗服务水平，推动医疗行业的智能化升级。

在产业升级进程中，已诞生多款用于医药健康领域的AI大模型实例。LLaVA-Med是微软公司推出的视觉-语言大模型，其利用Pubmed提取大量影像学图像进行医学概念对齐，再使用GPT-4生成的医学指令掌握开放性对话语义，模拟从零学习医学知识的过程。LLaVA-Med可根据X光、CT、MRI等影像学图像推测患者的疾病状况，并针对图像相关的问题生成自然语言回答；该模型可推动AI辅助诊断领域的智能化升级，有效提高疾病诊断的精度和效率。

Med-PaLM2是谷歌公司研发的大型语言模型，用于回答医学问题并给出专业建议。Med-PaLM2可通过多个路径提升推理能力，针对医学咨询给出专家水平的答复，在接近90%的疾病、用药、副作用等临床相关问答方面优于临床医生，同时获得医生和患者群体的高度认可。Med-PaLM2的出现为医疗服务领域提供强大灵活的问答系统平台，驱动AI辅助治疗的智能化升级。

国内医疗AI大模型多处于研发内测或定向体验阶段，由于技术尚未成熟且医疗行业具备特殊性，AI大模型当前的适用范围较为受限，预计未来有较大的可拓展空间。其中灵医智慧大模型是百度自研的大型语言模型，算法方面基于百度文心大模型，内置多项增强技术提升准确性和多样性；算力方面基于百度智能云千帆算力资源，不断进行预训练优化底层参数；数据方面使用Token训练语料，包括300万例多模态影像数据、6亿条健康科普内容及70万条临床研究信息。灵医大模型具备智能健康管家、智能医生助手和智能企业服务三大解决方案，其中智能健康管家为患者提供导诊、问诊和健康咨询等就医引导；智能医