AI在生物医药赛道的应用、挑战及建议.docx

AI在生物医药赛道的应用、挑战及建议

人工智能（AI）的飞速发展正在全球范围内重塑各行各业的面貌，尤其是在生物医药这一高度专业化和数据密集型的领域。6月13日，晶泰科技成功赴港上市，表明资本市场对AI在药物研发领域应用的认可。紧接着6月18日，国家药监局印发《药品监管人工智能典型应用场景清单》，标志着国家层面对AI技术在医药领域应用的重视……这些事件的发生，不仅展示了AI技术在生物医药领域的快速发展和广泛应用，也反映了国家政策层面对AI技术发展的积极推动和规范引导。在此背景下，中关村产业研究院对AI在生物医药领域的应用等进行了研究，以期增加公众对AI医疗应用的了解。

AI成为推动生物医药产业发展的重要引擎。一方面，AI能够分析复杂的医疗数据，在疾病诊断、个性化治疗、辅助决策等多领域具有巨大的应用潜力，有效提高了医疗准确性与效率。另外一方面，AI能够模拟分子结构、预测药物反应和筛选潜在化合物，可加快新药从实验室到市场的转化速度，降低研发成本，同时提高新药研发的成功率。

然而，AI技术的广泛应用也伴随着一系列挑战，包括数据隐私保护、伦理法规遵循、技术标准等。如何在确保安全、可靠的前提下，充分发挥AI的潜力，是当前生物医药领域亟需解决的问题。本文通过梳理AI在生物医药领域的应用及现状，分析其面临的主要挑战，并提出针对性的建议，从而为AI在生物医药领域的创新发展做出贡献。

一、AI在生物医药赛道的应用场景及现状

1?AI影像

AI影像是人工智能在医疗影像领域的应用，通过模拟医生的视觉和认知过程来分析医学影像数据。AI影像可帮助医生更快获取影像信息，进行定量分析，提升医生看图、读图的效率，协助发现隐藏病灶，从而提高诊断效率和准确率。根据AI结合的医学影像类型，划分为X线影像、CT影像、病理图像、超声影像、放疗影像等。根据AI起作用的功能不同，分为影像分类、目标检测、图像分割和图像检索。

AI影像是AI切入医疗起点，也是AI医疗发展最快、最为成熟的领域之一。从企业情况来看，截止2023年7月，AI医疗影像领域的主要玩家已经超过40余家，鹰瞳科技、联影医疗、东软医疗、推想医疗、数坤科技等企业先后递交招股书，最终鹰瞳科技率先上市。从产品情况来看，已有70个人工智能医学影像产品获得三类证，涵盖冠脉、肺结节、骨折/骨龄以及眼底等部位，获证时间主要集中在2020年以后，总体上以静态图像分析为主，对于动态影像的处理较少。

尽管目前企业收入已明显增长，但是AI影像实现规模商业化仍存在诸多挑战。首先，AI影像产品的市场渗透率尚待提高，这意味着需要进一步扩大市场接受度和应用范围；其次产品线拓展也是企业需要关注的问题，以满足不同医疗场景需求。此外，医疗AI产品的定价和医保接入问题也亟待解决，目前医疗AI产品纳入医院收费目录乃至医保目录的工作仍在调研和验证阶段。

2?AI药物研发

AI药物研发是指利用机器学习和深度学习来分析大量生物医学数据，包括基因组学、蛋白质结构、化合物库等，帮助科学家快速识别潜在药物靶点，设计先导化合物，预测药物效果和副作用等，从而优化药物研发流程，不仅可以加速药物研发周期，还可以降低成本并提高成功率。从应用场景来看，AI可用在药物研发所有流程里，包括药物发现、临床前研究、临床试验药品生产和药品销售领域。

表：AI药物研发应用场景

AI药物研发处于概念验证中的高速发展期。从企业情况来看，全球大部分AI药物研发企业都在欧美国家，成立时间较早，多数在2012-2014年之间，包括Exscientia、Recursion、Atmowise、Relay等。国内相对企业较少，至2022年底我国AI制药初创企业近80家，主要集中在长三角地区，时间多在2018年以后，知名企业包括晶泰科技、英矽智能、剂泰医药、费米子科技、赛恪科技、火石数智等，其中晶泰科技、英矽智能已赴港上市。从产品情况来看，AI药物研发主要集中在小分子领域，主要是因为小分子领域数据积累较多、市场相对成熟。从应用场景来看，大多数企业集中在药物发现领域，其中化合物筛选应用最为广泛。需要指出的是，尽管多款药物已进入临床阶段，但至今尚无成功上市案例，AI药物研发仍有待进一步发展。

3?临床决策支持系统（CDSS）

CDSS是指基于人工智能深度学习算法的计算机系统，旨在通过分析医学指南、专家共识和电子病历数据，辅助医生进行临床诊断，提高医疗效率，预防差错，控制医疗成本。CDSS的发展与医疗信息化进程紧密相关，尤其是电子病历评级。CDSS的应用包括三方面：一是诊前决策。CDSS在诊断前辅助医生根据患者症状快速生成诊疗方案；二是诊中支持，在诊断中提供药品适应症分析和手术风险评估。三是诊后评价。在诊断后通过分析患者数据监控治疗效果并指导未来健康管理，提升医院管理水平并规范医疗行为，同时也为循证医学提供