21世紀經濟報道記者季媛媛 上海報道
生物醫藥作為生命健康產業的關鍵一環，是實現‘健康中國’國家戰略的重要基石，同時在培育新質生產力方面也發揮著舉足輕重的作用。
上海作為國內最早布局生物醫藥產業的城市之一，歷經30余年蓬勃發展，產業規模由小到大，綜合實力由弱到強，始終保持國內領先地位，并朝著成為具有國際影響力的生物醫藥創新高地和世界級生物醫藥產業集群不斷邁進。
生物醫藥創新發展離不開創新技術的支持。近日，上海市人民政府辦公廳印發《上海市發展醫學人工智能工作方案（2025—2027年）》，旨在推動人工智能與醫學創新的深度融合。該方案提出了一系列措施，包括加強前沿領域研究布局、推廣智能康復服務、建設人工智能藥物研發平臺和提升醫療器械智能化水平。這些措施旨在將上海打造成為全球醫學人工智能技術創新、應用示范和產業發展的高地，從而推動衛生健康事業的高質量發展。
為促進“AI（人工智能）+醫療”持續發展，一系列政策文件陸續出臺。不論是在不斷深化前沿基礎研究，還是在大力推動算法突破與算力提升等層面，各環節關鍵要素正不斷被完善。
有券商分析師對21世紀經濟報道記者指出，傳統的藥物研發主要包含藥物發現、臨床前研究、臨床試驗和上市銷售環節，隨著藥物研發數據的迅速累積、數字化轉型的推進以及人工智能技術的快速發展，AI在新藥發現環節的應用愈發廣泛，其優勢也日益顯著。數據、算法、算力三方面的不斷進步，為AI大規模進入藥品研發領域奠定了堅實基礎，使其成為了現實。
根據摩根士丹利去年發布的一份報告，AI制藥的全球市場規模在短期內已經達到了500億美元，并且預計將繼續增長。目前，全球有超過343家AI藥物研發企業，其中超過一半的公司位于美國。此外，AI制藥領域的企業數量已超過270家，這些企業中不乏與輝瑞、禮來、賽諾菲等醫藥巨頭建立了穩定合作關系的頭部企業，它們已經獲得了數百億元的訂單。
“近年來AI一度站上風口，制藥企業試圖借勢起飛，AI制藥或將成為未來現實?！鄙鲜龇治鰩熣f道。
AI+醫療，大勢所趨
近年來，AI技術在醫藥領域的應用也取得了顯著進展。例如，波士頓咨詢公司近期在《Drug Discovery Today》上發表的研究報告指出，AI技術在藥物發現領域的應用顯著提高了藥物分子在臨床試驗中的成功率。具體而言，AI發現的藥物分子在臨床試驗I期的成功率高達80%～90%，相較于傳統方法的50%成功率，實現了顯著的提升。
在當下，數據驅動的毒理學研究、AI技術在癌癥相關靶點的發現等方面的進展都是藥物研究中至關重要的環節。這些突破性發現之后，該系統進一步能夠指導先導化合物的合成，并有能力完成整個有機合成實驗過程。
“未來，科研和成果轉化將依賴于數字孿生系統的建立。數字孿生技術在醫療領域的應用已經取得了顯著成效，例如通過數字孿生可視化系統，醫院管理人員可以實時監控醫院的運行狀態，優化資源配置，并為醫療決策提供支持。此外，數字孿生技術還被用于個性化治療建議、手術模擬和訓練、藥物研發以及遠程醫療服務，從而提高醫療服務的效率和質量。”談及大數據驅動的數字醫學場景，中國工程院院士楊勝利在第六屆健康中國思南高峰對話上介紹，數字孿生之所以受到廣泛關注，是因為它將數據轉化為人工智能系統的關鍵。
與傳統的全生命周期健康檔案不同，數字孿生系統具備預測和決策能力，這正是其與傳統數據檔案的本質區別。例如，本文特別強調了數據在藥物發現中的重要性，因為數據的準確性是驅動整個數字醫學發展的關鍵。
然而，在將AI技術應用于醫學領域的過程中，仍需克服一些障礙。楊勝利認為，目前，臨床面臨的首要任務是解決數據標準化問題，需要打破數據孤島，確保數據安全，尤其是醫學數據涉及個人隱私，必須嚴格保護。在數據標準化的基礎上，還需要確保數據的安全性，這是不可逾越的紅線。
中國科學院院士、第十三屆全國人大常委會副委員長陳竺認為，當前，我們需要深入思考人工智能、大數據模型與健康在實際應用層面的融合發展之道。
“只有通過長期的自然人群或專病人群隊列研究，才有可能弄清楚發病原因、暴露風險以及遺傳易感性，共享數據，這樣才能為健康奠定堅實的基礎，為產業發展提供生物標志物和藥物靶點?！标愺弥赋?，“公共衛生政策也非常重要。近年來，國家在應對重大傳染病時，技術并非短板，關鍵在于缺乏完備的決策科學體系。如何將這些力量整合在一起，做出科學判斷，這也要求我們在最關鍵時刻采取最關鍵的手段。”
在20世紀90年代啟動的人類基因組計劃時，實際上也催生了一大批科學成果，例如基因編輯，當人類對基因組序列有了更明確的了解，對其功能有了更多的認識時，一些科學家在對低等生物的基礎研究中，不帶功利性地發現了基因編輯這一現象。一旦發現，它給生物學帶來的變化可以說是顛覆性的。
“也就是說，一些真正原創性的東西是無法規劃的，我們可以規劃的是環境，在這個環境中讓科學家有自由想象的空間。”陳竺強調，生物醫藥產業實際上涵蓋了一個漫長的鏈條，從新藥前期先導化合物的篩選到新藥的發現，再到臨床前研究、臨床研究、醫藥制造、新藥上市及上市后的研究，整個過程極為復雜且漫長。
“如何優化這樣的過程，近年來，美國食品藥品監督管理局（FDA）實施了新的法律，允許某些新藥或技術在滿足倫理學基本要求的前提下，跳過傳統的臨床前實驗階段，直接進入人體臨床試驗。例如，2022年12月底，美國總統拜登簽署法案，新藥不再需要在動物上進行試驗，也能獲得FDA的批準。所以我也在想，現在生態系統建設對于產業發展也是非常重要。”陳竺說。
AI重塑醫療健康
一個人工智能（AI）機器人，在短短8天內可以獨立完成668項實驗，合成了668種化合物，并成功研發出一種全新的化學催化劑。這一成就令人印象深刻。
AI，作為新一輪科技革命和產業變革的重要驅動力，正在深度重塑醫療健康領域。
隨著AI和大數據模式逐漸滲透到醫藥、臨床、新藥發現以及健康管理和干預等多個領域，中醫藥這一傳統醫學領域也將迎來前所未有的發展機遇，這在歷史上可能是百年難遇的。AI大模型使人類能夠快速、高效地了解其工作原理，預測其未來的工作方式。
“我們可以通過大數據和結構化數據的計算和推理，反復進行簡單的事情，最終實現升華和進化，發現事物之間的關聯和互動規律，即我們藥物研究中所說的機理，它通過什么樣的路徑發揮作用?！奔蔚蕾Y本董事長龔虹嘉在上述會議上指出，當人類達到這一高度時，對中醫復方的認知將不再僅僅局限于尋找特定的靶點，而是會將真實世界的洞察和真實人群的數據，視為更具深度、權威性和說服力，以及評價公信力的藥效評價依據。
事實上，從本次上海發布的文件可以看到，上海將圍繞人工智能認知智能、強化學習等前沿領域加大研究布局，支持在腦科學與腦機接口、計算生物學等醫學前沿領域的創新探索。鼓勵位于上海的國家實驗室、科研機構與醫療機構深化合作，共同努力，以期孕育出一系列具有引領性和顛覆性的理論創新成果。
與此同時，上海將建設小分子創新藥物篩選和優化平臺，實現基于靶點動態結構的先導化合物發現、藥效評估和老藥新用等。建設大分子生物醫藥大模型干濕迭代設計平臺，發展大模型與低通量濕實驗一體自動化技術，實現蛋白質粒構建、表達、純化、性能檢測等低通量濕實驗的全過程自動化，加速產品研發。
特別是在藥械研發層面，AI將與之深度融合。具體來看：一是，助力創新藥物研發。推進人工智能技術在中成藥靶點、罕見病、復雜疾病抗藥性、創新藥檢驗檢測等復雜領域的應用。支持蛋白結構預測與重構設計、藥靶預測、藥物設計與智能優化、虛擬篩選、晶型劑量、器官芯片等關鍵技術研究。
二是，提升醫療器械智能化水平。推動醫學影像設備、智能可穿戴設備及醫用機器人等前沿創新醫療器械，向更加智能化、精準化及個性化的方向穩步邁進。加大對多模態大模型、擴展現實、柔性感知等前沿技術的支持力度，讓這些技術為醫療器械設備賦能，進而開發出高性能的人工智能醫療器械創新產品。
三是，助力藥械臨床試驗。推動人工智能技術在臨床試驗管理方面應用。探索應用數字孿生技術，結合藥物人工智能模型，建立患者和疾病模型，開展腫瘤新藥虛擬臨床研究試點。深入挖掘臨床專病隊列和自然人群隊列的特征與規律。
此次，上海將發揮張江生物醫藥創新引領核心區和人工智能產業集聚區的優勢，打造醫學人工智能創新與應用引領區。支持“大零號灣”、徐匯濱江等人工智能產業集聚區創新發展，打造人工智能與醫學發展融合區。同時，采取引育并舉的策略，既支持創新企業不斷發展壯大，又鼓勵人工智能領域的領軍企業積極向醫學領域跨界拓展。面向全球吸引優秀的醫學人工智能創業團隊、孵化機構和投資機構，培育孵化具有創新活力的初創型醫學人工智能企業，構建梯次接續的企業生態體系。
臨床轉化不容缺失
生物醫藥投資的最終目的是解決人類健康問題、消除疾病、實現長壽和抗衰老。它面臨著嚴格的監管和漫長的周期。醫藥研發行業長期以來面臨著“雙十定律”，即平均需要超過10年的時間和10億美元的投入才有可能成功上市一款新藥。
然而，隨著人工智能技術的應用，這一現狀正在被改變。例如，英矽智能利用AI技術，將藥物研發的時間縮短了三分之二，費用也僅為行業平均水平的十分之一。
盡管大數據、AI技術與醫療的深度融合體現在醫療產業不同的環節，大數據AI技術能夠賦能創新藥物研發的不同階段，縮短藥物研發周期，并通過AI技術提升新藥研發的成功率；在臨床診療階段，通過AI可提升診斷的準確性，為醫生提供更為精準的診療決策。醫療數字化更成熟地發展有賴于大規模的結構化、標準化的醫療數據，進而基于此訓練出更加精準的算法模型。
然而，醫療數字化目前仍處于初級階段，各領域雖有喜人嘗試，但應用場景仍相對有限，距離全面成熟應用尚有較長路程。
有藥企高管對21世紀經濟報道記者表示，現在無論是國內外的大廠或是初創企業，AIGC在商業變現上還沒有一個成熟的商業模式。從產品角度，AIGC處于早期發展階段，出現的眾多內容生成利器使用門檻低，更多還是面向C端，但大部分玩家僅僅是為了娛樂，難以轉化成真正的付費用戶。將AIGC用在B端讓其輔助工作流程或實際提高工作效率，產生價值，才能形成一個可持續的商業模式。
盡管有批評人士對AI研制藥物的成功概率持懷疑態度，認為其潛力被過分夸大，如Exscientia公司與日本住友制藥合作，利用AI技術開發的治療強迫癥藥物DSP-1181，盡管在2020年進入臨床試驗階段，但最終因未達到預期標準而停止。今年，英國明星AI制藥公司Benevolent AI宣布，由于其主要候選藥物在IIa期臨床試驗中未能達到預期療效，導致公司戰略調整并裁員近180人，占員工總數近50%。
龔虹嘉介紹，僅僅有技術是不夠的，醫學轉化也需要得到重視。利用政府醫學轉化平臺與知名醫院合作，結合社會資本和市場化機制，可以在人工智能時代到來之際，促進新藥研發的轉化。
“臨床醫生和科室主任將能夠運用大型AI模型，他們擁有自己的實驗室，指導博士生和研究生。通過這些先進的AI模型，臨床數據、實驗室數據以及多組學、多維度的數據可以被統一計算和分析?！饼徍缂握J為，臨床科室主任將轉變為跨領域的科學家，這一轉變降低了進入科學領域的門檻。對于那些能夠獲取真實、完整實驗室數據和臨床數據的科學家和醫生教授們，創新春天已經來臨。
當然，中國在利用IIT路徑方面也走在了世界前列，這一路徑由研究者主導，極大地提高了創新發現的效率，并與AI大模型相結合。在藥物研發的過程中，雖然整體周期可能會更長，但發現新藥的時間卻因此縮短。
“AI技術幫助我們縮小了研究范圍，在臨床驗證階段，我們能夠迅速鎖定更為精確的目標。通過與耐心資本的合作，我們能夠確保藥物研發的每個階段都能順利推進。我認為，我們已經找到了創新藥物研發和臨床發現轉化為新藥的最有效路徑?！饼徍缂握f。
本文鏈接：聚焦數字健康｜AI+醫療：新一輪科技革命和產業變革的重要驅動力http://m.lensthegame.com/show-9-24274-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任，僅提供存儲服務。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。