生成式AI风起云涌，医疗产业将率先“抢跑”？|蜂巢新视野
当今时代，大数据、人工智能和机器学习等科技行业的崛起，对生命科学研究越来越重要，根据摩根士丹利的数据，生成式人工智能市场价值达到6万亿美元，生成式人工智能不仅仅是一种趋势，而是一个快速发展的智慧生态系统工具，除了ChatGPT，生成式人工智能还可以处理各种数据类型，包括文本、图像、音频、视频和编码。一些预测显示，生成式人工智有可能在7年内提高全球GDP 10%，但其潜在应用远远超出其带来的经济价值。
医疗行业：AI应用的“急先锋”
医疗行业被视为最有商业化潜力的人工智能应用领域。在中国传统医疗模式数字化转型关键阶段，基于算法、数据和云端算力的AI应用创新成为新的增长引擎。全球智能时代加速到来，医疗行业迅速进入数智化的爆发期。
随着科技的进步和人们对健康状况的重视，AI技术深入医疗领域，推动医疗行业高速发展。分析人士表示，这是立于“健康中国”战略宗旨下，中国医疗实现由提供“医疗保障”到提供“健康服务”智慧化、信息化、定制化转型的必经之路。当AI褪下虚幻的面纱，以潜移默化的方式真正进入人们的生活时，更为必要的是跳出技术的表现形式，追溯它的发展动力。
千亿资金注入赛道，上市公司争相布局
中国的AI医疗应用正在迎来蓬勃发展，预测显示未来十年中国的人工智能医疗市场将持续快速增长。从资本和市场规模的角度来看，AI医学影像是AI医疗商业化的前沿领域。医药产业正在迎来升级，各公司竞相抓住可商业化落地的机会。根据华安证券的整理，润达医疗、迪安诊断、金域医学、美年健康、麦克奥迪和安必平是与AI检验诊断相关的潜在标的。
医疗领域因为全球各地的多样化医疗数据而成为AI应用前景和价值的重要领域之一。对于拥有14亿人口的中国来说，这显然具备更大的优势。医疗AI作为前沿科技，在中国市场上，它的增长空间很可能超越其他国家
1）临床决策
生成式人工智能已在协助医生和医疗专业人员做出准确和明智的诊断方面发挥作用。它能分析患者病历、实验室结果、既往治疗和医学成像（如MRI和X射线）等数据，以识别潜在问题并提供进一步的测试或治疗建议。比如说，Glass.Health开发了一个生成AI工具，根据输入的症状生成诊断和临床计划。
2）大流行病风险预测
生成式人工智能模型已成为帮助科学家研究灾难性事件社会影响的重要工具，例如模拟新的大流行病并制定预防措施。例如，钟南山院士团队与腾讯 AI Lab 联合发布了一项利用 AI 预测 COVID-19 患者病情发展至危重概率的研究成果，可分别预测 5 天、10 天和 30 天内病情危重的概率，有助合理地为病人进行早期分诊。
3）改进药物开发
生成式人工智能在药物发现和开发方面显示出有希望的结果。波士顿最近发表的一份分析报告显示，采用人工智能优先方法的生物技术公司有超过150种小分子药物正处于研发阶段。来自TechEmergence的报告显示，AI可以将新药研发的成功率提高16.7%，AI辅助药物研发每年能够为药企节约540亿美元的研发费用，并在研发主要环节节约40%至60%的时间成本。越来越多的投入和案例中可以看到，AI已经成为助力药物研发模式升级的一个关键因素。
拥有中国DNA的AI医疗模式
2020年9月，百度将先进AI技术与前沿生物技术融合创新，打造新型多组学检测分析、高通量实验模拟、智能化分子发现引擎，加速新型药物和诊断产品的研发。当时，百图生科即着手搭建生命科学大模型xTrimo
与此同时腾讯也加入了这一行列，云深智药”是腾讯以 AI 技术赋能药物发现的首个产品，由腾讯 AI Lab 打造。腾讯 AI Lab 于 2017 年开始 “AI + 医疗” 探索，从影像筛查、病理诊断、再到 2019 年初启动了药物研发项目。
当医疗AI的先发企业纷纷跨过技术和数据的门槛，并取得产品上市的入门券，摆在面前的，是如何场景落地的问题。在面对错综复杂的医疗场景时，AI技术+医疗仍然面临叫号不叫座的尴尬处境。
AI医疗下一步怎么走？
生成式人工智能的输出准确性高度依赖于用于训练的数据集质量，包括医疗纪录、实验室结果和成像研究。人工智能生成的治疗和管理计划中任何错误都可能危机患者的健康。许多专家认为，与智能驾驶相比，AI医疗面临着更为严重的伦理问题。对医学整体而言，绝不能容忍没有人类医生和临床医生的监督。这些不能由技术解决的难题，却恰恰卡住医疗AI的脖子。伦理问题，不只限制了AI医疗的高度，同时也限制了AI医疗发展的速度。
政策或许是AI医疗一改产业“叫好不叫座”特征迎来加速发展的重要催化剂。世界各国均高度重视人工智能医疗器械相关产业发展，不断升级产业政策战略，我国也先后出台了《十四五医疗装备产业发展规划》《关于组织开展人工智能医疗器械创新任务揭榜工作的通知》等重要文件，医疗器械产业已成为人工智能赋能实体经济发展的重要方向。截至2022年10月，已有62款人工智能医疗器械获批，覆盖心血管、脑部、眼部、肺部、骨科、肿瘤等多个疾病领域。
尽管生成式人工智能在医疗行业引起了极大的兴奋，但对其未来的担忧和不确定性也是自然的。然而，医疗领域的革命性进展潜力不可否认。因此，医疗保健提供者、从业人员、政策制定者和其他利益相关者在未来几年的选择对于塑造这项技术的发展至关重要。