当医药遇上ChatGPT方案（39页 PPT）.pptx

当医药遇上ChatGPT——行业专题报告单击此处添加副标题汇报人姓名汇报日期

lChatGPT：自然语言处理技术（NLP），注重文字性、数据性输入输出；l医药从业：医学本科研究生的训练类似文字/数据性输入输出，规培/博后、专科专家阶段是真实环境下的经验、病例输入输出为主。l可能替代内容性重复脑力劳动，短期内无法替代高要求、高限定场景下的工作需求。l港交所：18C助力特专科技公司上市2、ChatGPT对医疗行业的影响lChatGPT助力医疗平衡高效率与高质量；lChatGPT应用于服务性、重复性强的标准化环节（诊前分诊导诊，诊中辅助决策、健康管理及诊后随访及数据归档等）；l应用ChatGPT时，将在医学诊断、护理操作和人文关怀方面面临巨大挑战。3、ChatGPT对医药行业的影响lChatGPT的强数据分析+生成式AI技术有望加速拓展药物研发新边界（高效率和创新度）；lChatGPT应用于对管理分析持续海量数据流和服务性有较高要求环节（药物发现、临床前/临床试验、销售定价、生产工艺等）；l应用ChatGPT时，将在数据质量、训练成本和隐私安全方面面临巨大挑战。4、投资建议l医疗板块中，NGS、影像、病理诊断、机器人、信息化；医药板块中，医药CXO、药物发现平台。.摘要1、ChatGPT与人脑学习路径比较2

1、ChatGPT迭代进展不及预期2、下游应用场景的用户认知和需求不及预期3、审评审批流程进展不及预期 风险提示3

4与人脑学习比较风险提示行业：01港股18C助力02医疗：提升服务效率03医药：创新研发模式04投资建议05目录CONTENTSCONTENTS

底层逻辑和知识习得方式学习效果的优劣势资本市场助力：港股18C015与人脑学习的比较港股18C助力

↓由专家级别的人工进行提问并对ChatGPT提供的不同答案进行打分、排序训练奖励模型将打分的结果重新输入的模型，不断调整模型参数，完成自我进化基于人类反馈的强化学习模型01ChatGPT与医疗从业人员的学习路径比较学习路径中不同的底层逻辑和知识习得方式从互联网抓取医疗相关数据（80%为问答类），由人工标注高质量答案后输入模型进行训练微调GPT3.5模型医疗从业人员（人脑）调动感官积累专科知识和经验ChatGPT自然语言处理技术（NLP)真实环境下的经验、病例输入输出为主文字性、数据性等理论输入输出为主规培/博后阶段住院医师规范化培训重大课题及复杂实验专科专家临床医生、科研人才耗时8-11年耗时2-5年10年以上经验研究生阶段专科领域学习执业医师资格证考取论文、实验本科阶段全科医学基础理论知识、实验、轮科实习资料来源：知乎，arXiv,浙商证券研究所6

u依赖于深度学习，训练大量数据的算力成本极高（每日高达460万美元）u仅接受语义训练，无法区分虚拟和现实，产生符合逻辑但不符合常理的错误答案误导非专业人士u学习资源多为离线语料库，难以获取实时更新的数据进行迭代（接入在线信息，正在迭代更新）u培养及学习时间耗时长达10余年u精力有限，只能专注于一个领域，且掌握的知识层级越深，范围越窄u可同时掌握多领域大量的知识并永久储存u检索信息并准确进行匹配或者分类的效率高u相比传统AI具有生成式的特点，可根据已知创作新内容资料检索、信息匹配等重复性脑力劳动u经过学习、培训后在某一专科领域造诣较深u学习过程中经验与理论结合，能根据现实情况举一反三进行复杂判断人文关怀、疑难杂症诊断等复杂脑力劳动01ChatGPT与医疗从业人员的学习效果比较ChatGPT的强大数据处理和文本生成能力在短期内仍然无法代替高要求、高限定场景下的工作需求医疗从业人员（人脑）ChatGPT优势劣势资料来源：维基百科，CNKI，浙商证券研究所7

时间机构文件信息2022年10月19日港交所特专科积极公司上市制度咨询文件就特专科技公司联交所主板上市公开征求市场意见，涉及新一代信息技术、先进硬件、先进材料、新能源及节能环保、新食品及农业技术工5大领域特专科技公司。2022年12月16日中国医药创新促进会关于特专科技公司上市制度的建议对行业分类、市值要求、研发投入、领航资深独立投资者等方面提出建议2023年3月24日港交所发布《特专科技公司上市制度》咨询总结2023年3月24日港交所有关特专科技公司上市制度的咨询文件潜在上市申请人11家，公开名称包括：晶泰科技（应用人工智能、